CN112598723A - 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质 - Google Patents

一种不锈钢覆层钢筋厚度识别方法、装置及存储介质 Download PDF

Info

Publication number
CN112598723A
CN112598723A CN202011495555.XA CN202011495555A CN112598723A CN 112598723 A CN112598723 A CN 112598723A CN 202011495555 A CN202011495555 A CN 202011495555A CN 112598723 A CN112598723 A CN 112598723A
Authority
CN
China
Prior art keywords
steel bar
detected
composite steel
face
thickness
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.)
Granted
Application number
CN202011495555.XA
Other languages
English (en)
Other versions
CN112598723B (zh
Inventor
谭建平
李臻
杨政
张清芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202011495555.XA priority Critical patent/CN112598723B/zh
Publication of CN112598723A publication Critical patent/CN112598723A/zh
Application granted granted Critical
Publication of CN112598723B publication Critical patent/CN112598723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种不锈钢覆层钢筋厚度识别方法、装置及存储介质，其中方法包括：获取制样后的待检测复合钢筋端面图像；将待检测复合钢筋端面图像旋转至水平；对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值。本方案数学模型简单、可靠，其识别精度可达1um；可实现不同直径的复合钢筋厚度检测，鲁棒性高，适应能力强；无接触式检测，不会破坏原有的覆层结构，检测效率高。

Description

一种不锈钢覆层钢筋厚度识别方法、装置及存储介质
技术领域
本发明涉及覆层厚度检测领域，尤其涉及一种不锈钢覆层钢筋厚度识别方法、装置及存储介质。
背景技术
钢筋混凝土结构是最为广泛使用的建筑结构，但是普通钢筋的耐腐蚀性差，钢筋易锈蚀膨胀，当体积增大导致内应力超过混凝土的弹性极限时，就会造成混凝土结构的破坏。据不完全统计，2019年我国由于氯盐腐蚀所造成的经济损失可占到GDP的3％，其中与钢筋腐蚀相关的腐蚀损失约占总腐蚀损失的40％。
针对日益严重的腐蚀问题，本团队研发了一种不锈钢复合钢筋，即芯部为碳素钢、覆层为不锈钢，利用加工工艺使两部分金属达到冶金结合的一种性能优越的钢筋，但经过多次试验得到：复合钢筋的抗腐蚀性能与不锈钢覆层厚度紧密相关，尤其是钢筋纵肋以及横肋形成处，对腐蚀更为敏感，只有当覆层厚度达到0.17mm，才能满足新一代电力、能源以及海洋工程等领域的用钢需求。但目前，缺乏精确检测覆层厚度的装置及方法，这也是限制覆层钢筋广泛应用重要原因之一。
专利号：CN201921320495.0设计了一种覆层厚度检测仪，该装置是将检测膜放置在基板上，然后通过触头按压基板上的检测膜来实现测量检测膜的厚度，但是上述装置只能测量检测膜的整体厚度，无法实现覆层厚度的单独测量。专利号：CN201921885019.3设计了一种热镀锌层厚度检测装置，其工作原理为：首先将厚度检测仪的测量探头固定在压板底部，然后通过气缸对压板进行推动，最后利用压板底部测量探头对镀锌层的厚度进行测量。该装置存在两个弊端，一、只能测量板件镀锌厚度，无法对复合型材进行覆层厚度的测量；二、上述测量为接触式测量，会对覆层造成一定程度的破坏。专利号：CN201510499928.3设计了一种遗传小波神经网络的输电线路覆冰厚度识别方法，该方法首先是通过图像传感器获取输电线路覆冰图像，然后进行预处理与边缘检测，最后利用遗传小波神经网络识别输电线路覆冰厚度，该方法的弊端为：一、精度较低，无法达到um级；二、只能识别覆冰的平均厚度，无法求解覆层厚度的最大值以及最小值等等。
综上所述，上述检测方法均无法有效识别复合钢筋的覆层厚度，而钢筋覆层厚度的有效识别已成为限制其大批量生产的重大技术难点。因此，目前急需设计一种识别精度高、无接触式检测的钢筋覆层厚度识别方法。
发明内容
本发明提供了一种不锈钢覆层钢筋厚度识别方法、装置及存储介质，以解决现有的检测方法均无法有效识别复合钢筋的覆层厚度的问题。
第一方面，提供了一种不锈钢覆层钢筋厚度识别方法，包括：
获取制样后的待检测复合钢筋端面图像；
将待检测复合钢筋端面图像旋转至水平；
对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；
根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；
过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值；其中，N为预设值。
进一步地，所述将待检测复合钢筋端面图像旋转至水平，包括：
基于待检测复合钢筋端面图像利用直线检测算法识别出钢筋纵肋，并获取钢筋纵肋上的两点A1(xA1,yA1)及A2(xA2,yA2)；(xA1,yA1)表示A1的坐标，(xA2,yA2)表示A2的坐标；
以A1(xA1,yA1)为圆心，将钢筋纵肋旋转至水平，旋转角度为
Figure BDA0002842060190000021
得到水平的待检测复合钢筋端面图像。
进一步地，所述对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像，包括：
对水平的待检测复合钢筋端面图像进行灰度化处理；
采用自适应中值滤波方法对灰度化处理后的待检测复合钢筋端面图像进行降噪处理；具体可使用一预设大小的窗口扫描图像，以领域的中值作为窗口中心点像素的灰度值，该方法不仅在一定程度上笑出了椒盐噪声，也保护了图像的边缘特征；
将降噪处理后的待检测复合钢筋端面图像进行等分化阈值处理，得到待检测复合钢筋端面二值化图像。
进一步地，所述将降噪处理后的待检测复合钢筋端面图像进行等分化阈值处理，包括：
利用Hough变换圆检测算法识别出待检测复合钢筋的圆心，然后以圆心为中心，将降噪处理后的待检测复合钢筋端面图像等分为多个扇形区域；
对每个扇形区域进行单独的自适应阈值处理，自适应阈值处理使用的是一个预设大小的窗口扫描降噪处理后的图像，以窗口中灰度值的均值作为该区域的阈值，进而完成该窗口的阈值处理，最终得到待检测复合钢筋端面二值化图像。
进一步地，所述根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定，包括：
轮廓提取：对待检测复合钢筋端面二值化图像进行边缘检测，然后利用findContours算法提取覆层内外侧轮廓；
像素标定：根据覆层内外侧轮廓提取待检测复合钢筋端面二值化图像最左侧及最右侧两点，分别为B1(xB1,yB1)及B2(xB2,yB2)；(xB1,yB1)表示B1的坐标，(xB2,yB2)表示B2的坐标；
根据下式计算得到待检测复合钢筋端面二值化图像中每个像素点的物理大小：
Figure BDA0002842060190000031
其中，q表示待检测复合钢筋端面二值化图像中每个像素点的物理大小，L表示B1(xB1,yB1)与B2(xB2,yB2)之间的物理实际长度，L可通过采用游标卡尺测量得到。
进一步地，所述过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值，包括：
过待检测复合钢筋圆心O1(x1,y1)做N条直线，其对应直线方程为：
Figure BDA0002842060190000032
其中n＝1,2,3....N，
Figure BDA0002842060190000033
每条直线与覆层内外侧轮廓相交的四个点分别表示为Cn(xCn,yCn)、Dn(xDn,yDn)以及En(xEn,yEn)、Fn(xFn,yFn)，然后基于像素点物理大小计算出对应两点之间的覆层厚度为：
Figure BDA0002842060190000034
Figure BDA0002842060190000035
覆层厚度的最小值hmin为：hmin＝min{h11、h12、h21、h22…hN1、hN2}。
进一步地，还包括：
计算得到待检测复合钢筋的覆层厚度的最大值、平均值及标准差中的一种或多种；
覆层厚度的最大值hmax为：hmax＝max{h11、h12、h21、h22…hN1、hN2}；
覆层厚度的平均值
Figure BDA0002842060190000036
为：
Figure BDA0002842060190000037
覆层厚度的标准差h方差为：
Figure BDA0002842060190000038
进一步地，所述获取制样后的待检测复合钢筋端面图像之前还包括：
对待检测复合钢筋进行制样：首先利用160#砂纸、4000#砂纸以及抛光机对待检测复合钢筋的端面进行打磨，然后利用4％硝酸酒精溶液进行腐蚀，直到待检测复合钢筋的芯部与覆层存在明显颜色差异。
第二方面，提供了一种不锈钢覆层钢筋厚度识别装置，包括：
图像获取模块，用于获取制样后的待检测复合钢筋端面图像；
图像旋转模块，用于将待检测复合钢筋端面图像旋转至水平；
预处理模块，用于对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；
轮廓获取及标定模块，用于根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；
覆层厚度获取模块，用于过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值；其中，N为预设值。
第三方面，提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器加载时执行如上所述的不锈钢覆层钢筋厚度识别方法。
有益效果
本发明提出了一种不锈钢覆层钢筋厚度识别方法、装置及存储介质，具有如下优点：
1)本方案数学模型简单、可靠，其识别精度可达1um；
2)本方案可实现不同直径的复合钢筋厚度检测，系统鲁棒性高，适应能力强；
3)本方案为无接触式检测，不会破坏原有的覆层结构，并且通过实验验证从图像获取到最终的结果输出只需要50ms；检测效率得到了极大的提升。
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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的一种不锈钢覆层钢筋厚度识别方法的流程图；
图2是本发明实施例提供的制样后待检测复合钢筋端面图像；
图3是本发明实施例提供的待检测复合钢筋端面图像旋转示意图；
图4是本发明实施例提供的待检测复合钢筋端面二值化图像；
图5是本发明实施例提供的待检测复合钢筋轮廓提取示意图；
图6是本发明实施例提供的待检测复合钢筋像素标定示意图；
图7是本发明实施例提供的覆层厚度最大值、平均值、最小值以及标准差计算结果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
如图1所示，本发明的一个实施例，提供了一种不锈钢覆层钢筋厚度识别方法，包括：
S01：获取制样后的待检测复合钢筋端面图像，如图2所示；具体可在光照系统的辅助下通过工业相机采集得到。
S02：将待检测复合钢筋端面图像旋转至水平；包括：
基于待检测复合钢筋端面图像利用直线检测算法识别出钢筋纵肋，并获取钢筋纵肋上的两点A1(xA1,yA1)及A2(xA2,yA2)；(xA1,yA1)表示A1的坐标，(xA2,yA2)表示A2的坐标；
以A1(xA1,yA1)为圆心，将钢筋纵肋旋转至水平，旋转角度为
Figure BDA0002842060190000051
得到水平的待检测复合钢筋端面图像，如图3所示。
S03：对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；包括：
对水平的待检测复合钢筋端面图像进行灰度化处理；
采用自适应中值滤波方法对灰度化处理后的待检测复合钢筋端面图像进行降噪处理；具体可使用一预设大小的窗口扫描图像，以领域的中值作为窗口中心点像素的灰度值，本实施例中，窗口的大小选用5×5，当然，其他实施例中也可根据实际需要选择其他值，该方法不仅在一定程度上笑出了椒盐噪声，也保护了图像的边缘特征；
将降噪处理后的待检测复合钢筋端面图像进行等分化阈值处理，包括：
利用Hough变换圆检测算法识别出待检测复合钢筋的圆心O1(x1,y1)，然后以圆心为中心，将降噪处理后的待检测复合钢筋端面图像等分为多个扇形区域；本实施例中，等分为18个扇形区域，当然，在其他实施例中也可根据需要选择等分为12、15、24等；
对每个扇形区域进行单独的自适应阈值处理，自适应阈值处理使用的是一个预设大小的窗口扫描降噪处理后的图像，本实施例中窗口的大小选用3×3，以窗口中9个灰度值的均值作为该区域的阈值，进而完成该窗口的阈值处理，最终得到待检测复合钢筋端面二值化图像，如图4所示。当然，在其他实施例中，该窗口大小也可根据实际需要选择其他值。
S04：根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；包括：
轮廓提取：对待检测复合钢筋端面二值化图像进行边缘检测，然后利用findContours算法提取覆层内外侧轮廓，如图5所示；
像素标定：根据覆层内外侧轮廓提取待检测复合钢筋端面二值化图像最左侧及最右侧两点，分别为B1(xB1,yB1)及B2(xB2,yB2)；(xB1,yB1)表示B1的坐标，(xB2,yB2)表示B2的坐标；
根据下式计算得到待检测复合钢筋端面二值化图像中每个像素点的物理大小：
Figure BDA0002842060190000061
其中，q表示待检测复合钢筋端面二值化图像中每个像素点的物理大小，L表示B1(xB1,yB1)与B2(xB2,yB2)之间的物理实际长度，L可通过采用游标卡尺测量得到，像素标定如图6所示。
S05：过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值；其中，N为预设值，本实施例中，N取15。具体包括：
过待检测复合钢筋圆心O1(x1,y1)做15条直线，其对应直线方程为：
y＝tan(12°×(n-1))(x-x1)+y1其中n＝1,2,3....15
每条直线与覆层内外侧轮廓相交的四个点分别表示为Cn(xCn,yCn)、Dn(xDn,yDn)以及En(xEn,yEn)、Fn(xFn,yFn)，然后基于像素点物理大小计算出对应两点之间的覆层厚度为：
Figure BDA0002842060190000062
Figure BDA0002842060190000063
覆层厚度的最小值hmin为：hmin＝min{h11、h12、h21、h22…h151、h152}。
优选地，本实施例中还包括：
计算得到待检测复合钢筋的覆层厚度的最大值、平均值及标准差中的一种或多种；
覆层厚度的最大值hmax为：hmax＝max{h11、h12、h21、h22…h151、h152}；
覆层厚度的平均值
Figure BDA0002842060190000071
为：
Figure BDA0002842060190000072
覆层厚度的标准差h方差为：
Figure BDA0002842060190000073
当系统计算完覆层厚度的最小值、最大值、平均值以及标准差之后，会自动以文档的形式把结果保存至后台，如图7所示。
实施时，所述获取制样后的待检测复合钢筋端面图像之前还包括：
对待检测复合钢筋进行制样：首先利用160#砂纸、4000#砂纸以及抛光机对待检测复合钢筋的端面进行打磨，然后利用4％硝酸酒精溶液进行腐蚀，直到待检测复合钢筋的芯部与覆层存在明显颜色差异。
本发明的另一实施例，提供了一种不锈钢覆层钢筋厚度识别装置，包括：
图像获取模块，用于获取制样后的待检测复合钢筋端面图像；
图像旋转模块，用于将待检测复合钢筋端面图像旋转至水平；
预处理模块，用于对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；
轮廓获取及标定模块，用于根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；
覆层厚度获取模块，用于过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值；其中，N为预设值。
本发明的一实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器加载时执行如上所述的不锈钢覆层钢筋厚度识别方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种不锈钢覆层钢筋厚度识别方法，其特征在于，包括：
获取制样后的待检测复合钢筋端面图像；
将待检测复合钢筋端面图像旋转至水平；
对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；
根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；
过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值；其中，N为预设值。
2.根据权利要求1所述的不锈钢覆层钢筋厚度识别方法，其特征在于，所述将待检测复合钢筋端面图像旋转至水平，包括：
基于待检测复合钢筋端面图像利用直线检测算法识别出钢筋纵肋，并获取钢筋纵肋上的两点A1(xA1,yA1)及A2(xA2,yA2)；
以A1(xA1,yA1)为圆心，将钢筋纵肋旋转至水平，旋转角度为
Figure FDA0002842060180000011
得到水平的待检测复合钢筋端面图像。
3.根据权利要求1所述的不锈钢覆层钢筋厚度识别方法，其特征在于，所述对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像，包括：
对水平的待检测复合钢筋端面图像进行灰度化处理；
采用自适应中值滤波方法对灰度化处理后的待检测复合钢筋端面图像进行降噪处理；
将降噪处理后的待检测复合钢筋端面图像进行等分化阈值处理，得到待检测复合钢筋端面二值化图像。
4.根据权利要求3所述的不锈钢覆层钢筋厚度识别方法，其特征在于，所述将降噪处理后的待检测复合钢筋端面图像进行等分化阈值处理，包括：
利用Hough变换圆检测算法识别出待检测复合钢筋的圆心，然后以圆心为中心，将降噪处理后的待检测复合钢筋端面图像等分为多个扇形区域；
对每个扇形区域进行单独的自适应阈值处理，得到待检测复合钢筋端面二值化图像。
5.根据权利要求1所述的不锈钢覆层钢筋厚度识别方法，其特征在于，所述根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定，包括：
轮廓提取：对待检测复合钢筋端面二值化图像进行边缘检测，然后利用findContours算法提取覆层内外侧轮廓；
像素标定：根据覆层内外侧轮廓提取待检测复合钢筋端面二值化图像最左侧及最右侧两点，分别为B1(xB1,yB1)及B2(xB2,yB2)；
根据下式计算得到待检测复合钢筋端面二值化图像中每个像素点的物理大小：
Figure FDA0002842060180000021
其中，q表示待检测复合钢筋端面二值化图像中每个像素点的物理大小，L表示B1(xB1,yB1)与B2(xB2,yB2)之间的物理实际长度。
6.根据权利要求5所述的不锈钢覆层钢筋厚度识别方法，其特征在于，所述过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值，包括：
过待检测复合钢筋圆心O1(x1,y1)做N条直线，其对应直线方程为：
Figure FDA0002842060180000022
其中n＝1,2,3....N，
Figure FDA0002842060180000023
每条直线与覆层内外侧轮廓相交的四个点分别表示为Cn(xCn,yCn)、Dn(xDn,yDn)以及En(xEn,yEn)、Fn(xFn,yFn)，然后基于像素点物理大小计算出对应两点之间的覆层厚度为：
Figure FDA0002842060180000024
Figure FDA0002842060180000025
覆层厚度的最小值hmin为：hmin＝min{h11、h12、h21、h22…hN1、hN2}。
7.根据权利要求6所述的不锈钢覆层钢筋厚度识别方法，其特征在于，还包括：
计算得到待检测复合钢筋的覆层厚度的最大值、平均值及标准差中的一种或多种；
覆层厚度的最大值hmax为：hmax＝max{h11、h12、h21、h22…hN1、hN2}；
覆层厚度的平均值
Figure FDA0002842060180000026
为：
Figure FDA0002842060180000027
覆层厚度的标准差h方差为：
Figure FDA0002842060180000028
8.根据权利要求1至7任一项所述的不锈钢覆层钢筋厚度识别方法，其特征在于，所述获取制样后的待检测复合钢筋端面图像之前还包括：
对待检测复合钢筋进行制样：首先利用160#砂纸、4000#砂纸以及抛光机对待检测复合钢筋的端面进行打磨，然后利用4％硝酸酒精溶液进行腐蚀，直到待检测复合钢筋的芯部与覆层存在明显颜色差异。
9.一种不锈钢覆层钢筋厚度识别装置，其特征在于，包括：
图像获取模块，用于获取制样后的待检测复合钢筋端面图像；
图像旋转模块，用于将待检测复合钢筋端面图像旋转至水平；
预处理模块，用于对水平的待检测复合钢筋端面图像进行预处理，得到待检测复合钢筋端面二值化图像；
轮廓获取及标定模块，用于根据待检测复合钢筋端面二值化图像提取覆层内外侧轮廓，并进行像素标定；
覆层厚度获取模块，用于过待检测复合钢筋圆心做N条直线，求解出覆层内外侧轮廓与N条直线的相交的像素点位置，并基于像素标定计算得到待检测复合钢筋的覆层厚度的最小值；其中，N为预设值。
10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器加载时执行如权利要求1至7任一项所述的不锈钢覆层钢筋厚度识别方法。
CN202011495555.XA 2020-12-17 2020-12-17 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质 Active CN112598723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011495555.XA CN112598723B (zh) 2020-12-17 2020-12-17 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011495555.XA CN112598723B (zh) 2020-12-17 2020-12-17 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112598723A true CN112598723A (zh) 2021-04-02
CN112598723B CN112598723B (zh) 2022-06-17

Family

ID=75196698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011495555.XA Active CN112598723B (zh) 2020-12-17 2020-12-17 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112598723B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113916924A (zh) * 2021-10-11 2022-01-11 中南大学 复合钢材结合面界定方法、评价方法、装置及存储介质
CN114688981A (zh) * 2022-03-15 2022-07-01 中南大学 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质
CN115126267A (zh) * 2022-07-25 2022-09-30 中建八局第三建设有限公司 一种应用于混凝土构件预埋插筋对位的光学定位控制系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178667A (ja) * 1995-10-24 1997-07-11 Nkk Corp 表面検査装置
JPH1172317A (ja) * 1997-08-28 1999-03-16 Nkk Corp スパングルサイズ測定装置
JP2010261772A (ja) * 2009-05-01 2010-11-18 Shimizu Corp 鉄筋のかぶり厚さ検査装置および鉄筋のかぶり厚さ検査方法
CN108981557A (zh) * 2018-09-05 2018-12-11 广州大学 一种同时测定混凝土中钢筋直径及其保护层厚度的检测方法
CN111179232A (zh) * 2019-12-20 2020-05-19 山东大学 基于图像处理的钢筋尺寸检测系统及方法
US20200246906A1 (en) * 2018-01-22 2020-08-06 Nippon Steel Corporation Welding operation monitoring system and welding operation monitoring method
CN111854666A (zh) * 2020-07-09 2020-10-30 广东雄炜建筑工程检测有限公司 一种钢筋扫描及混凝土保护层厚度检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178667A (ja) * 1995-10-24 1997-07-11 Nkk Corp 表面検査装置
JPH1172317A (ja) * 1997-08-28 1999-03-16 Nkk Corp スパングルサイズ測定装置
JP2010261772A (ja) * 2009-05-01 2010-11-18 Shimizu Corp 鉄筋のかぶり厚さ検査装置および鉄筋のかぶり厚さ検査方法
US20200246906A1 (en) * 2018-01-22 2020-08-06 Nippon Steel Corporation Welding operation monitoring system and welding operation monitoring method
CN108981557A (zh) * 2018-09-05 2018-12-11 广州大学 一种同时测定混凝土中钢筋直径及其保护层厚度的检测方法
CN111179232A (zh) * 2019-12-20 2020-05-19 山东大学 基于图像处理的钢筋尺寸检测系统及方法
CN111854666A (zh) * 2020-07-09 2020-10-30 广东雄炜建筑工程检测有限公司 一种钢筋扫描及混凝土保护层厚度检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHENG LONG ET AL: "Improved Pattern Clustering Algorithm for Recognizing Transversal Distribution of Steel Strip Thickness", 《JOURNAL OF IRON & STEEL RESEARCH INTERNATIONAL》 *
宗家富等: "双金属板热轧复合模拟及最小相对压下量的确定", 《燕山大学学报》 *
李臻等: "不锈钢/碳钢复合钢筋轧制技术研究", 《2020第七届海洋材料与腐蚀防护大会暨2020第一届钢筋混凝土耐久性与设施服役安全大会摘要集》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113916924A (zh) * 2021-10-11 2022-01-11 中南大学 复合钢材结合面界定方法、评价方法、装置及存储介质
CN113916924B (zh) * 2021-10-11 2023-02-17 中南大学 复合钢材结合面界定方法、评价方法、装置及存储介质
CN114688981A (zh) * 2022-03-15 2022-07-01 中南大学 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质
CN114688981B (zh) * 2022-03-15 2023-01-31 中南大学 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质
CN115126267A (zh) * 2022-07-25 2022-09-30 中建八局第三建设有限公司 一种应用于混凝土构件预埋插筋对位的光学定位控制系统及方法
CN115126267B (zh) * 2022-07-25 2024-05-31 中建八局第三建设有限公司 一种应用于混凝土构件预埋插筋对位的光学定位控制系统及方法

Also Published As

Publication number Publication date
CN112598723B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN112598723B (zh) 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质
Wang et al. Comparison analysis on present image-based crack detection methods in concrete structures
CN115082462B (zh) 一种流体输送管外观质量检测方法及系统
CN117173189A (zh) 一种铝合金表面抛光效果视觉检测系统
CN115100203B (zh) 一种钢筋打磨除锈质量检测方法
CN112819845B (zh) 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备
JP6099479B2 (ja) ひび割れ検出方法
CN109658391B (zh) 一种基于轮廓归并和凸包拟合的圆半径测量方法
CN116758077B (zh) 一种冲浪板表面平整度在线检测方法及系统
CN116993742B (zh) 基于机器视觉的镍合金轧制缺陷检测方法
CN108846402B (zh) 基于多源数据的梯田田坎自动化提取方法
CN111723821A (zh) 一种电厂仪表图像的检测识别方法及装置
CN112258444A (zh) 一种电梯钢丝绳检测方法
CN113689415A (zh) 一种基于机器视觉的钢管壁厚在线检测方法
CN116758075B (zh) 基于人工智能的吹风机电机运行故障检测方法
CN111652825A (zh) 基于梯度方向约束的边缘跟踪直线段快速检测装置及方法
CN110660072A (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN117078680B (zh) 一种巡检机器人用管廊支吊架异常检测方法
CN115359053A (zh) 一种金属板材缺陷智能检测方法及系统
CN115272336A (zh) 基于梯度向量的金属零件缺陷精准检测方法
CN116071692A (zh) 一种基于形态学图像处理的水尺水位识别方法及系统
CN115235375A (zh) 盖板类工件的多圆特征参数测量方法、检测方法和装置
CN113298775B (zh) 自吸泵双面金属叶轮外观缺陷检测方法、系统和介质
CN112950594B (zh) 产品表面缺陷的检测方法、设备及存储介质
CN115082658A (zh) 一种指针表读数的识别方法及装置

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
GR01 Patent grant
GR01 Patent grant