CN111627020A - 一种保温板中锚栓的检测方法、系统及计算机存储介质 - Google Patents
一种保温板中锚栓的检测方法、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN111627020A CN111627020A CN202010494163.5A CN202010494163A CN111627020A CN 111627020 A CN111627020 A CN 111627020A CN 202010494163 A CN202010494163 A CN 202010494163A CN 111627020 A CN111627020 A CN 111627020A
- Authority
- CN
- China
- Prior art keywords
- image
- anchor bolts
- rock plate
- standard rock
- detecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000009413 insulation Methods 0.000 title claims abstract description 34
- 239000011435 rock Substances 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明提供了一种保温板中锚栓的检测方法、系统及计算机存储介质。方法包括获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；通过SSD算法检测图像中的锚栓数量；根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。本发明标准岩板占整幅图像区域的比例，推测出整幅图像岩板的尺寸大小，然后运用SSD算法检测出该区域内的锚栓数量，从而推算出全部图像区域内单位面积的锚栓数量。整个过程采用计算机程序执行，无需人为参与，提高了检测效率，同时采用SSD算法进行检测，提高了检测结果的准确性。
Description
技术领域
本发明涉及保温板中信息处理技术领域，尤其是一种保温板中锚栓的检测方法、系统及计算机存储介质。
背景技术
建筑物的外墙保温系统一般由保温板、薄抹灰系统和锚栓组成。其中，锚栓是保证保温板和外墙基体进行有效的连接方式。锚栓数量不足，会在后期使用过程中留有外墙脱落的隐患。因此锚栓的数量及分布位置，是评定外墙保温板是否安全可靠的重要因素。
目前对锚栓数量的检测方法往往依靠人工，花费的时间较长，且效率和准确率均较低。
发明内容
本发明提供了保温板中锚栓的检测方法、系统及计算机存储介质，用于弥补现有自动检测锚栓数量的技术空白。
为实现上述目的，本发明采用下述技术方案：
本发明第一方面提供了一种保温板中锚栓的检测方法，所述方法包括以下步骤：
获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；
计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；
通过SSD算法检测图像中的锚栓数量；
根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。
进一步地，所述计算标准岩板在图像中的尺寸具体为：
获取标准岩板对角线两端点的坐标，得到标准岩板在图像中的位置及所占的像素值；
根据所述所占的像素值，得到标准岩板在图像中的尺寸。
进一步地，所述通过SSD算法检测图像中的锚栓数量的具体过程为：
将图像载入卷积神经网络，得到多个特征图，所述特征图的尺寸依次缩小；
对所述特征图使用卷积过滤器生成预测框，其中每个特征图采用的预测模型不同；
在得到的所述预测框满足阈值要求时，结束预测；
利用NMS算法去除重叠的检测框，得到最终的检测框的数量为锚栓数量。
进一步地，所述对所述特征图使用卷积过滤器生成预测框的具体过程为：
设置不同比率的先验框；
将特征图中的真实目标IOU(Intersection over Union，一种测量在特定数据集中检测相应物体准确度的一个标准)最大的先验框匹配与真实目标匹配；
对于剩余的先验框，若真实目标IOU大于设定阈值，则匹配该先验框；
统计匹配的先验框数量作为预测框。
本发明第二方面提供了一种保温板中锚栓的检测系统，所述系统包括：
第一计算单元，获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；
第二计算单元，计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；
检测单元，通过SSD算法检测图像中的锚栓数量；
处理单元，根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。
进一步地，所述第一计算单元包括：
信息采集模块，获取标准岩板对角线两端点的坐标，得到标准岩板在图像中的位置及所占的像素值；
信息处理模块，根据所述所占的像素值，得到标准岩板在图像中的尺寸。
进一步地，所述检测单元包括：
预处理模块，将图像载入卷积神经网络，得到多个特征图，所述特征图的尺寸依次缩小；
卷积预测模块，对所述特征图使用卷积过滤器生成预测框，其中每个特征图采用的预测模型不同，在得到的所述预测框满足阈值要求时，结束预测；
预测分析模块，利用NMS算法去除重叠的检测框，得到最终的检测框的数量为锚栓数量。
本发明第三方面提供了一种计算机存储介质，所述计算机存储介质中存储有计算机指令，其特征是，所述计算机指令在保温板中锚栓的检测系统上运行时，使所述保温板中锚栓的检测系统执行所述的保温板中锚栓的检测方法。
发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
本发明标准岩板占整幅图像区域的比例，推测出整幅图像岩板的尺寸大小，然后运用SSD算法检测出该区域内的锚栓数量，从而推算出全部图像区域内单位面积的锚栓数量。整个过程采用计算机程序执行，无需人为参与，提高了检测效率，同时采用SSD算法进行检测，提高了检测结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所述方法的流程示意图；
图2是本发明所述系统的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示，本发明一种保温板中锚栓的检测方法，包括以下步骤：
S1,获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；
S2,计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；
S3,通过SSD算法检测图像中的锚栓数量；
S4,根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。
步骤S1的具体实现过程为：
获取标准岩板对角线两端点的坐标，得到标准岩板在图像中的位置及所占的像素值；根据所述所占的像素值，得到标准岩板在图像中的尺寸。
步骤S2中，根据图像中标准岩板的尺寸与实物标准岩板的尺寸比，得到图像中所示保温板的实际尺寸。
步骤S3中通过SSD算法检测图像中的锚栓数量的具体过程为：
将图像载入卷积神经网络，得到多个特征图，所述特征图的尺寸依次缩小；对所述特征图使用卷积过滤器生成预测框，其中每个特征图采用的预测模型不同；每个特征图对应的预测框的数量是确定的(这与算法本身有关)，在得到的所述预测框满足阈值要求时，结束预测；利用NMS算法去除重叠的检测框，得到最终的检测框的数量为锚栓数量。其中阈值设置为8732，在检测框不大于8732时，结束预测。
对特征图使用卷积过滤器生成预测框的具体过程为：设置不同比率的先验框；将特征图中的真实目标IOU最大的先验框匹配与真实目标匹配；对于剩余的先验框，若真实目标IOU大于设定阈值，则匹配该先验框；统计匹配的先验框数量作为预测框。此处设定阈值为0.5。
如图2所示，本发明一种保温板中锚栓的检测系统，包括第一计算单元、第二计算单元、检测单元和处理单元。
第一计算单元获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；第二计算单元计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；检测单元通过SSD算法检测图像中的锚栓数量；处理单元根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。
第一计算单元包括信息采集模块和信息处理模块。
信息采集模块获取标准岩板对角线两端点的坐标，得到标准岩板在图像中的位置及所占的像素值；信息处理模块根据所述所占的像素值，得到标准岩板在图像中的尺寸。
检测单元包括预处理模块、卷积预测模块和预测分析模块。
预处理模块将图像载入卷积神经网络，得到多个特征图，所述特征图的尺寸依次缩小；卷积预测模块对所述特征图使用卷积过滤器生成预测框，其中每个特征图采用的预测模型不同，在得到的所述预测框满足阈值要求时，结束预测；预测分析模块利用NMS算法去除重叠的检测框，得到最终的检测框的数量为锚栓数量。
本发明还提供了一种计算机存储介质，计算机存储介质中存储有计算机指令，计算机指令在保温板中锚栓的检测系统上运行时，使保温板中锚栓的检测系统执行保温板中锚栓的检测方法。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种保温板中锚栓的检测方法，其特征是，所述方法包括以下步骤：
获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；
计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；
通过SSD算法检测图像中的锚栓数量；
根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。
2.根据权利要求1所述保温板中锚栓的检测方法，其特征是，所述计算标准岩板在图像中的尺寸具体为：
获取标准岩板对角线两端点的坐标，得到标准岩板在图像中的位置及所占的像素值；
根据所述所占的像素值，得到标准岩板在图像中的尺寸。
3.根据权利要求1所述保温板中锚栓的检测方法，其特征是，所述通过SSD算法检测图像中的锚栓数量的具体过程为：
将图像载入卷积神经网络，得到多个特征图，所述特征图的尺寸依次缩小；
对所述特征图使用卷积过滤器生成预测框，其中每个特征图采用的预测模型不同；
在得到的所述预测框满足阈值要求时，结束预测；
利用NMS算法去除重叠的检测框，得到最终的检测框的数量为锚栓数量。
4.根据权利要求3所述保温板中锚栓的检测方法，其特征是，所述对所述特征图使用卷积过滤器生成预测框的具体过程为：
设置不同比率的先验框；
将特征图中的真实目标IOU最大的先验框匹配与真实目标匹配；
对于剩余的先验框，若真实目标IOU大于设定阈值，则匹配该先验框；
统计匹配的先验框数量作为预测框。
5.一种保温板中锚栓的检测系统，其特征是，所述系统包括：
第一计算单元，获取保温板图像中的标准岩板，计算该标准岩板在图像中的尺寸；
第二计算单元，计算所述标准岩板在图像中的尺寸占比，得到图像的总尺寸；
检测单元，通过SSD算法检测图像中的锚栓数量；
处理单元，根据检测到的所述锚栓数量和图像总尺寸，得到单位面积的锚栓数量。
6.根据权利要求5所述保温板中锚栓的检测系统，其特征是，所述第一计算单元包括：
信息采集模块，获取标准岩板对角线两端点的坐标，得到标准岩板在图像中的位置及所占的像素值；
信息处理模块，根据所述所占的像素值，得到标准岩板在图像中的尺寸。
7.根据权利要求5所述保温板中锚栓的检测系统，其特征是，所述检测单元包括：
预处理模块，将图像载入卷积神经网络，得到多个特征图，所述特征图的尺寸依次缩小；
卷积预测模块，对所述特征图使用卷积过滤器生成预测框，其中每个特征图采用的预测模型不同，在得到的所述预测框满足阈值要求时，结束预测；
预测分析模块，利用NMS算法去除重叠的检测框，得到最终的检测框的数量为锚栓数量。
8.一种计算机存储介质，所述计算机存储介质中存储有计算机指令，其特征是，所述计算机指令在保温板中锚栓的检测系统上运行时，使所述保温板中锚栓的检测系统执行如权利要求1-4任一项所述的保温板中锚栓的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010494163.5A CN111627020A (zh) | 2020-06-03 | 2020-06-03 | 一种保温板中锚栓的检测方法、系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010494163.5A CN111627020A (zh) | 2020-06-03 | 2020-06-03 | 一种保温板中锚栓的检测方法、系统及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111627020A true CN111627020A (zh) | 2020-09-04 |
Family
ID=72273090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010494163.5A Pending CN111627020A (zh) | 2020-06-03 | 2020-06-03 | 一种保温板中锚栓的检测方法、系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111627020A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034036A (zh) * | 2018-07-19 | 2018-12-18 | 青岛伴星智能科技有限公司 | 一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质 |
| US20190023060A1 (en) * | 2016-01-11 | 2019-01-24 | Tarkett Gdl | Surface Covering Production Method Using Digital Printing |
| CN109272103A (zh) * | 2018-08-01 | 2019-01-25 | 河南工业大学 | 一种对害虫数量进行快速统计的方法 |
| CN109886147A (zh) * | 2019-01-29 | 2019-06-14 | 电子科技大学 | 一种基于单网络多任务学习的车辆多属性检测方法 |
| CN110111331A (zh) * | 2019-05-20 | 2019-08-09 | 中南大学 | 基于机器视觉的蜂窝纸芯缺陷检测方法 |
| CN110163843A (zh) * | 2019-04-16 | 2019-08-23 | 江苏大学 | 一种基于图像采集的楼板钢筋工程辅助验收方法 |
| CN110751641A (zh) * | 2019-10-18 | 2020-02-04 | 山东贝特建筑项目管理咨询有限公司 | 锚栓信息检测的方法及存储介质 |
-
2020
- 2020-06-03 CN CN202010494163.5A patent/CN111627020A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190023060A1 (en) * | 2016-01-11 | 2019-01-24 | Tarkett Gdl | Surface Covering Production Method Using Digital Printing |
| CN109034036A (zh) * | 2018-07-19 | 2018-12-18 | 青岛伴星智能科技有限公司 | 一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质 |
| CN109272103A (zh) * | 2018-08-01 | 2019-01-25 | 河南工业大学 | 一种对害虫数量进行快速统计的方法 |
| CN109886147A (zh) * | 2019-01-29 | 2019-06-14 | 电子科技大学 | 一种基于单网络多任务学习的车辆多属性检测方法 |
| CN110163843A (zh) * | 2019-04-16 | 2019-08-23 | 江苏大学 | 一种基于图像采集的楼板钢筋工程辅助验收方法 |
| CN110111331A (zh) * | 2019-05-20 | 2019-08-09 | 中南大学 | 基于机器视觉的蜂窝纸芯缺陷检测方法 |
| CN110751641A (zh) * | 2019-10-18 | 2020-02-04 | 山东贝特建筑项目管理咨询有限公司 | 锚栓信息检测的方法及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103729846B (zh) | 基于不规则三角网的LiDAR点云数据边缘检测方法 | |
| US12014536B2 (en) | Target detection method and device for high-resolution remote sensing image | |
| CN105354636A (zh) | 一种基于非参数核密度估计的风功率波动性概率密度建模方法 | |
| CN110751641A (zh) | 锚栓信息检测的方法及存储介质 | |
| CN116363319B (zh) | 一种建筑物屋顶的建模方法、建模装置、设备及介质 | |
| CN114881956A (zh) | 基于霍夫变换的电池板栅线自适应提取方法及系统 | |
| CN111998918A (zh) | 一种误差校正方法、误差校正装置及流量传感系统 | |
| CN112215077A (zh) | 一种图像识别建筑结构裂缝监测系统及方法 | |
| CN109934151B (zh) | 一种基于movidius计算芯片和Yolo face的人脸检测方法 | |
| CN106651803A (zh) | 户型数据的识别方法及装置 | |
| CN111627020A (zh) | 一种保温板中锚栓的检测方法、系统及计算机存储介质 | |
| CN111812670B (zh) | 一种单光子激光雷达空间变换噪声判断、滤波方法及装置 | |
| CN117523403A (zh) | 一种宅基地图斑变化检测方法、系统、设备及介质 | |
| CN116992793A (zh) | 一种海上风能资源仿真模拟方法、装置、设备及介质 | |
| CN111464377A (zh) | 一种网卡检验方法、装置、设备及存储介质 | |
| CN111721268B (zh) | 一种精确反演建筑物高度的方法与装置 | |
| WO2022073377A1 (zh) | 一种车损判定方法、装置、计算机设备及可读存储介质 | |
| CN112287562B (zh) | 一种电力设备退役数据补全方法及系统 | |
| CN104035081A (zh) | 基于角度映射与遍历Hough变换的多目标检测方法 | |
| CN116486063A (zh) | 检测框标定方法、装置、设备及计算机可读存储介质 | |
| CN112163695A (zh) | 基于copula函数的风力光伏发电预测方法、系统和介质 | |
| CN118224993B (zh) | 一种建筑结构形变监测方法、装置、电子设备及存储介质 | |
| CN116935020A (zh) | 通信铁塔用电量稽查方法、电子设备和存储介质 | |
| CN115801845B (zh) | 基于边缘计算的工业互联网数据采集方法及相关设备 | |
| CN117609881A (zh) | 一种基于人工智能的金属重叠检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |