CN113052089A - 一种表面裂纹的识别系统、方法、装置、设备及存储介质 - Google Patents

一种表面裂纹的识别系统、方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113052089A
CN113052089A CN202110336454.6A CN202110336454A CN113052089A CN 113052089 A CN113052089 A CN 113052089A CN 202110336454 A CN202110336454 A CN 202110336454A CN 113052089 A CN113052089 A CN 113052089A
Authority
CN
China
Prior art keywords
crack
pixel
actual
width
length
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
Application number
CN202110336454.6A
Other languages
English (en)
Inventor
邝凡
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.)
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110336454.6A priority Critical patent/CN113052089A/zh
Publication of CN113052089A publication Critical patent/CN113052089A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种表面裂纹的识别方法，包括：对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；提取裂纹特征图像中的两条裂纹边界线；根据两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；根据转换系数对像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。本发明实施例提供的表面裂纹的识别方法，利用机器视觉获取裂纹的像素宽度和像素长度，再根据转换系数转换成实际的宽度和长度，实现了对表面裂纹的自动识别，减少了运维人员的工作量，提高了运维工作效率。

Description

一种表面裂纹的识别系统、方法、装置、设备及存储介质
技术领域
本发明实施例涉及表面裂纹识别技术领域，尤其涉及一种表面裂纹的识别系统、方法、装置、设备及存储介质。
背景技术
而随着智能化的推进，地下综合管廊由智能巡检机器人代替人工完成无人值守。裂纹缺陷是综合管廊中一种比较常见的缺陷，如管道或电缆外表面、管廊内表面在长期使用后由于老化、动物破坏或其他自然因素破坏容易引起局部的缺陷，机器人在巡检过程中通过发现缺陷提醒运维人员完成管廊的检修。
管廊智能巡检机器人一般携带红外热成像仪、可见光摄像机等设备和环境监测装置，以自主或遥控的方式，在管廊内部的固定轨道上进行例行巡视检查，及时发现设备的内部热缺陷、外部机械或电气问题，如异物、损伤、发热、漏油等，给运维人员提供诊断设备运行中的事故隐患和故障先兆的数据。目前的管廊智能巡检机器人在裂纹缺陷识别的应用方面，还只能通过机器人拍摄图片，人工进行筛选、判定缺陷的特征，无法直接由机器人预判缺陷的特征，因此运维人员在处理类似缺陷时需要进行复查、实地二次检查，使得运维工作量没有得到很大的改善。
发明内容
本发明实施例提供了一种表面裂纹的识别系统、方法、装置、设备及存储介质，可以实现对表面裂纹的自动识别，从而减少运维人员的工作量，提高运维工作效率。
第一方面，本发明实施例提供了一种表面裂纹的识别系统，包括：摄像机、云台及激光标定装置；
所述摄像机安装于所述云台上；所述云台驱动所述摄像机调整摄像机姿态；所述激光标定装置安装于所述摄像机的镜头两侧，所述激光标定装置的间距用于标定所述摄像机拍摄的图像；其中，所述摄像机姿态包括：水平回转角和垂直翻转角。
第二方面，本发明实施例还提供了一种表面裂纹的识别方法，包括：
对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；
提取所述裂纹特征图像中的两条裂纹边界线；
根据所述两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；
根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
进一步地，所述像素裂纹宽度信息包括：最大像素宽度、最小像素宽度和平均像素宽度；根据所述两条裂纹边界线确定像素裂纹宽度信息，包括：
将所述两条裂纹边界线分为基准线和非基准线，所述基准线上包括至少两个基准点；
在所述非基准线上分别搜索距离所述至少两个基准点最近的邻近点；
分别计算所述至少两个基准点与对应邻近点之间的距离，得到边界宽度集合；
确定所述边界宽度集合中的最大像素宽度、最小像素宽度和平均像素宽度。
进一步地，根据所述两条裂纹边界线确定像素裂纹长度，包括：
获取所述基准点与对应邻近点的中点，确定为骨干点；
计算相邻骨干点之间的距离，并对所述距离依次叠加，获得像素裂纹长度。
进一步地，所述转换系数包括放大系数、，所述放大系数的获取方式为：
获取激光标定点的像素距离和实际距离；
根据所述像素距离和所述实际距离确定放大系数。
进一步地，根据所述像素距离和所述实际距离确定放大系数，包括：
计算所述实际距离与像素距离的比值，将所述比值确定为放大系数。
进一步地，所述转换系数还包括水平回转角和垂直翻转角，根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度按照如下公式计算：
Wa＝K·W·COSα·COSβ，La＝K·LS·COSα·COSβ，其中，Wa为实际裂纹宽度，La为实际裂纹长度，K为放大系数，W为宽度像素值，LS为长度像素值，α和β分别为摄像机水平方向与竖直方向的倾斜角度。
第三方面，本发明实施例还提供了一种表面裂纹的识别装置，包括：
预处理模块，用于对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；
裂纹边界线提取模块，用于提取所述裂纹特征图像中的两条裂纹边界线；
像素裂纹宽度信息及像素裂纹长度确定模块，用于根据所述两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；
实际裂纹宽度信息及实际裂纹长度获得模块，用于根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
可选的，所述像素裂纹宽度信息包括：最大像素宽度、最小像素宽度和平均像素宽度；像素裂纹宽度信息及像素裂纹长度确定模块还用于：
将所述两条裂纹边界线分为基准线和非基准线，所述基准线上包括至少两个基准点；
在所述非基准线上分别搜索距离所述至少两个基准点最近的邻近点；
分别计算所述至少两个基准点与对应邻近点之间的距离，得到边界宽度集合；
确定所述边界宽度集合中的最大像素宽度、最小像素宽度和平均像素宽度。
可选的，像素裂纹宽度信息及像素裂纹长度确定模块还用于：
获取所述基准点与对应邻近点的中点，确定为骨干点；
计算相邻骨干点之间的距离，并对所述距离依次叠加，获得像素裂纹长度。
可选的，所述转换系数包括放大系数，实际裂纹宽度信息及实际裂纹长度获得模块还用于：
获取激光标定点的像素距离和实际距离；
根据所述像素距离和所述实际距离确定放大系数。
可选的，实际裂纹宽度信息及实际裂纹长度获得模块还用于：
计算所述实际距离与像素距离的比值，将所述比值确定为放大系数。
可选的，所述转换系数还包括水平回转角和垂直翻转角，实际裂纹宽度信息及实际裂纹长度获得模块还用于：
按照如下公式计算：
Wa＝K·W·COSα·COSβ，La＝K·LS·COSα·COSβ，其中，Wa为实际裂纹宽度，La为实际裂纹长度，K为放大系数，W为宽度像素值，LS为长度像素值，α和β分别为摄像机水平方向与竖直方向的倾斜角度。
第四方面，本发明实施例还提供了一种表面裂纹的识别设备，该设备包括：
包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例任一所述的表面裂纹的识别方法。
第五方面，本发明实施例还提供了一种表面裂纹的识别存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例任一所述的表面裂纹的识别方法。
本发明实施例首先对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；然后提取裂纹特征图像中的两条裂纹边界线；再根据两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；最后根据转换系数对像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。本发明实施例提供的表面裂纹的识别方法，利用机器视觉获取裂纹的像素宽度和像素长度，再根据转换系数转换成实际的宽度和长度，实现了对表面裂纹的自动识别，减少了运维人员的工作量，提高了运维工作效率。
附图说明
图1是本发明实施例一中的一种表面裂纹的识别系统的主视图；
图2是本发明实施例一中的一种表面裂纹的识别系统的俯视图；
图3是本发明实施例二中的一种表面裂纹的识别方法流程图；
图4是本发明实施例二中的一种原始裂纹图像预处理过程流程图；
图5是本发明实施例二中的一种裂纹特征图像示意图；
图6是本发明实施例三中的一种表面裂纹的识别装置结构示意图；
图7是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种表面裂纹的识别系统的主视图，本实施例可适用于利用机器视觉对表面裂纹进行识别的情况。如图1所示，表面裂纹的识别系统包括：摄像机、云台及激光标定装置。
其中，摄像机安装于云台上；云台驱动摄像机调整摄像机姿态；激光标定装置安装于摄像机的镜头两侧，激光标定装置的间距用于标定摄像机拍摄的图像；其中，摄像机姿态包括：水平回转角和垂直翻转角。
可选的，云台可以驱动可见光摄像机水平360度回转，垂直±90度翻转，并且可以通过控制器反馈水平回转角度α及垂直翻转角度β。激光标定装置由两个激光灯构成，两个激光灯的实际绝对距离为L0，激光发射方向与镜头轴向平行。图2是本发明实施例一提供的一种表面裂纹的识别系统的俯视图，如图1和图2所示，表面裂纹的识别系统在工作中，云台驱动摄像机调整摄像机姿态，使摄像机与水平方向与垂直方向的角度分别为α和β，从而使摄像机对准缺陷位置进行拍摄。
本发明实施例公开了一种表面裂纹的识别系统，包括摄像机、云台及激光标定装置，利用该系统可以执行表面裂纹的识别方法，从而实现对表面裂纹的自动识别，减少运维人员的工作量，提高运维工作效率。
实施例二
图3为本发明实施例二提供的一种表面裂纹的识别方法流程图，本实施例可适用于对管廊等物体表面的裂纹进行长度与宽度等特征进行识别的情况，该方法可以由表面裂纹的识别装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有表面裂纹的识别功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图3所示，具体包括如下步骤：
步骤110、对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像。
其中，摄像机可以是对管廊等物体表面的图像进行采集的设备，原始裂纹图像可以是摄像机直接获取的未经处理的原始图像，裂纹特征图像可以是预处理之后存在裂纹信息与激光标定信息的图像。
图4是本发明实施例二提供的一种原始裂纹图像预处理过程流程图，如图4所示，对原始裂纹图像进行预处理的过程可以包括灰度处理、滤波降噪、阈值分割和二值处理。其中，灰度处理为将原始裂纹图像进行灰度化，即令RGB图像中的R＝G＝B，其中R＝G＝B的值为灰度值。滤波降噪是指减少数字图像中噪声的过程，可以采用均值滤波、高斯滤波、中值滤波、双边滤波等方式进行处理。阈值分割是一种基于区域的图像分割技术，原理是把图像象素点分为若干类，目的是要按照灰度级对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性，这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。二值处理是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。原始裂纹图像经过预处理后得到仅存在裂纹信息和激光标记信息的裂纹特征图像，裂纹特征图像由m×n个像素点组成，建立坐标系，则每一个像素点都有其对应的坐标。
步骤120、提取裂纹特征图像中的两条裂纹边界线。
具体的，每条裂纹包括两条裂纹边界线，可以通过边界提取的方式获得。其中，边界提取是一种图片轮廓的处理方法，对于预处理后的裂纹特征图像，边界即为灰度值变化比较剧烈的地方，经过边界提取可以分别得到由单一连续像素点组成的裂纹骨干方向上的两条边界线。
步骤130、根据两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度。
具体的，裂纹边界线有像素点组成，可以根据像素点坐标获取像素裂纹宽度和长度。
可选的，像素裂纹宽度信息包括：最大像素宽度、最小像素宽度和平均像素宽度。
在本实施例中，根据两条裂纹边界线确定像素裂纹宽度信息的方式可以是：将两条裂纹边界线分为基准线和非基准线，基准线上包括至少两个基准点；在非基准线上分别搜索距离至少两个基准点最近的邻近点；分别计算至少两个基准点与对应邻近点之间的距离，得到边界宽度集合；确定边界宽度集合中的最大像素宽度、最小像素宽度和平均像素宽度。
可选的，提取边界线之后，可以将其中一条边界线LA的像素单元集合A(x0,y0)作为基准，通过建立M×M搜索模板的方式，搜索每一个基准点附近的另外一条边界线LB的邻近点，获得邻近点集合B(x1,y1)，搜索条件为距离最小值：
Figure BDA0002997895260000091
则该距离最小值d即为裂纹在某一基准点处的宽度Ws，单位为像素。全部基准点搜索完成后，可以得到边界宽度集合W(W1,W2,…,Wn)，其中，n为基准点个数。进一步地，可以从边界宽度集合中计算出最大宽度值Wmzx，最小宽度值Wmin，平均宽度值Wavg，单位为像素。
在本实施例中，根据两条裂纹边界线确定像素裂纹长度的方式可以是：获取基准点与对应邻近点的中点，确定为骨干点；计算相邻骨干点之间的距离，并对距离依次叠加，获得像素裂纹长度。
可选的，搜索到边界LA上的基准点对应的边界LB上的邻近点后，可以通过中点插值的方式确定基准点与对应邻近点的中点，即裂纹骨干点，组成像素点集合C(x2,y2)。计算像素点集合C(x2,y2)中相邻点之间的距离，序列叠加得到裂纹长度LS，单位为像素。
步骤140、根据转换系数对像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
其中，由于步骤130中获取的宽度与长度单位均为像素，而实际值的单位为微米、毫米等长度单位，且由于摄像机与水平方向和垂直方向存在水平回转角和垂直翻转角，需要将图像中的长度与宽度投影到法平面才能得到实际值，可以通过转换系数将像素裂纹宽度和像素裂纹长度转换为实际值。
可选的，转换系数包括放大系数。
在本实施例中，放大系数的获取方式为：获取激光标定点的像素距离和实际距离；根据像素距离和实际距离确定放大系数。
进一步地，根据像素距离和实际距离确定放大系数的方式可以是：计算实际距离与像素距离的比值，将比值确定为放大系数。
图5是本发明实施例二提供的一种裂纹特征图像示意图，如图所示，裂纹特征图像中激光标记点P(xp，yp)、Q(xq，yq)间的距离L1，单位为像素，已知两个激光标定点之间的实际距离为L0，则放大系数可以用K表示，
Figure BDA0002997895260000101
可选的，转换系数还包括水平回转角度α及垂直翻转角度β。
根据转换系数对像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度可以按照如下公式计算：
Wa＝K·W·COSα·COSβ，
La＝K·LS·COSα·COSβ，
其中，Wa为实际裂纹宽度，La为实际裂纹长度，K为放大系数，W为宽度像素值，LS为长度像素值，α和β分别为摄像机水平方向与竖直方向的倾斜角度。
本发明实施例首先对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；然后提取裂纹特征图像中的两条裂纹边界线；再根据两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；最后根据转换系数对像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。本发明实施例提供的表面裂纹的识别方法，利用机器视觉获取裂纹的像素宽度和像素长度，再根据转换系数转换成实际的宽度和长度，实现了对表面裂纹的自动识别，减少了运维人员的工作量，提高了运维工作效率。
实施例三
图6为本发明实施例三提供的一种表面裂纹的识别装置结构示意图。如图6所示，该装置包括：预处理模块210，裂纹边界线提取模块220，像素裂纹宽度信息及像素裂纹长度确定模块230，实际裂纹宽度信息及实际裂纹长度获得模块240。
预处理模块210，用于对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像.
裂纹边界线提取模块220，用于提取裂纹特征图像中的两条裂纹边界线。
像素裂纹宽度信息及像素裂纹长度确定模块230，用于根据两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度。
可选的，像素裂纹宽度信息包括：最大像素宽度、最小像素宽度和平均像素宽度；像素裂纹宽度信息及像素裂纹长度确定模块230还用于：
将两条裂纹边界线分为基准线和非基准线，基准线上包括至少两个基准点；在非基准线上分别搜索距离至少两个基准点最近的邻近点；分别计算至少两个基准点与对应邻近点之间的距离，得到边界宽度集合；确定边界宽度集合中的最大像素宽度、最小像素宽度和平均像素宽度。
可选的，像素裂纹宽度信息及像素裂纹长度确定模块230还用于：
获取基准点与对应邻近点的中点，确定为骨干点；计算相邻骨干点之间的距离，并对距离依次叠加，获得像素裂纹长度。
实际裂纹宽度信息及实际裂纹长度获得模块240，用于根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
可选的，转换系数包括放大系数，实际裂纹宽度信息及实际裂纹长度获得模块240还用于：
获取激光标定点的像素距离和实际距离；根据像素距离和实际距离确定放大系数。
可选的，实际裂纹宽度信息及实际裂纹长度获得模块240还用于：
计算实际距离与像素距离的比值，将比值确定为放大系数。
可选的，转换系数还包括水平回转角和垂直翻转角，实际裂纹宽度信息及实际裂纹长度获得模块240还用于：
按照如下公式计算：
Wa＝K·W·COSα·COSβ，
La＝K·LS·COSα·COSβ，
其中，Wa为实际裂纹宽度，La为实际裂纹长度，K为放大系数，W为宽度像素值，LS为长度像素值，α和β分别为摄像机水平方向与竖直方向的倾斜角度。
上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。
实施例四
图7为本发明实施例四提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的计算机设备312的框图。图7显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的表面裂纹的识别计算设备。
如图7所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的表面裂纹的识别方法。
实施例五
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例中的表面裂纹的识别方法。本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；提取裂纹特征图像中的两条裂纹边界线；根据两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；根据转换系数对像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络连接到用户计算机，包括局域网(LAN)或广域网(WAN)，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种表面裂纹的识别系统，其特征在于，包括：摄像机、云台及激光标定装置；
所述摄像机安装于所述云台上；所述云台驱动所述摄像机调整摄像机姿态；所述激光标定装置安装于所述摄像机的镜头两侧，所述激光标定装置的间距用于标定所述摄像机拍摄的图像；其中，所述摄像机姿态包括：水平回转角和垂直翻转角。
2.一种表面裂纹的识别方法，其特征在于，包括：
对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；
提取所述裂纹特征图像中的两条裂纹边界线；
根据所述两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；
根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
3.根据权利要求2所述的方法，其特征在于，所述像素裂纹宽度信息包括：最大像素宽度、最小像素宽度和平均像素宽度；根据所述两条裂纹边界线确定像素裂纹宽度信息，包括：
将所述两条裂纹边界线分为基准线和非基准线，所述基准线上包括至少两个基准点；
在所述非基准线上分别搜索距离所述至少两个基准点最近的邻近点；
分别计算所述至少两个基准点与对应邻近点之间的距离，得到边界宽度集合；
确定所述边界宽度集合中的最大像素宽度、最小像素宽度和平均像素宽度。
4.根据权利要求3所述的方法，其特征在于，根据所述两条裂纹边界线确定像素裂纹长度，包括：
获取所述基准点与对应邻近点的中点，确定为骨干点；
计算相邻骨干点之间的距离，并对所述距离依次叠加，获得像素裂纹长度。
5.根据权利要求2所述的方法，其特征在于，所述转换系数包括放大系数，所述放大系数的获取方式为：
获取激光标定点的像素距离和实际距离；
根据所述像素距离和所述实际距离确定放大系数。
6.根据权利要求5所述的方法，其特征在于，根据所述像素距离和所述实际距离确定放大系数，包括：
计算所述实际距离与像素距离的比值，将所述比值确定为放大系数。
7.根据权利要求5所述的方法，其特征在于，所述转换系数还包括水平回转角和垂直翻转角，根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度按照如下公式计算：
Wa＝K·W·COSα·COSβ，La＝K·LS·COSα·COSβ，其中，Wa为实际裂纹宽度，La为实际裂纹长度，K为放大系数，W为宽度像素值，LS为长度像素值，α和β分别为摄像机水平方向与竖直方向的倾斜角度。
8.一种表面裂纹的识别装置，其特征在于，包括：
预处理模块，用于对摄像机获取的原始裂纹图像进行预处理，得到裂纹特征图像；
裂纹边界线提取模块，用于提取所述裂纹特征图像中的两条裂纹边界线；
像素裂纹宽度信息及像素裂纹长度确定模块，用于根据所述两条裂纹边界线确定像素裂纹宽度信息及像素裂纹长度；
实际裂纹宽度信息及实际裂纹长度获得模块，用于根据转换系数对所述像素裂纹宽度信息及像素裂纹长度进行转换，获得实际裂纹宽度信息及实际裂纹长度。
9.一种计算机设备，其特征在于，所述设备包括：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求2-7任一所述的表面裂纹特征识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求2-7中任一所述的表面裂纹特征识别方法。
CN202110336454.6A 2021-03-29 2021-03-29 一种表面裂纹的识别系统、方法、装置、设备及存储介质 Pending CN113052089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110336454.6A CN113052089A (zh) 2021-03-29 2021-03-29 一种表面裂纹的识别系统、方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110336454.6A CN113052089A (zh) 2021-03-29 2021-03-29 一种表面裂纹的识别系统、方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113052089A true CN113052089A (zh) 2021-06-29

Family

ID=76516228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110336454.6A Pending CN113052089A (zh) 2021-03-29 2021-03-29 一种表面裂纹的识别系统、方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113052089A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680480A (zh) * 2012-05-03 2012-09-19 中南大学 一种混凝土结构裂缝智能化检测方法
CN104034733A (zh) * 2014-07-02 2014-09-10 中国人民解放军国防科学技术大学 基于双目视觉监测与表面裂纹图像识别的寿命预测方法
CN104089580A (zh) * 2014-06-26 2014-10-08 华南理工大学 基于智能手机实现的混凝土表面裂缝宽度测量仪及方法
JP2017049152A (ja) * 2015-09-03 2017-03-09 株式会社 日立産業制御ソリューションズ クラック幅計測システム
CN108921813A (zh) * 2018-05-16 2018-11-30 中设设计集团股份有限公司 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法
KR101932214B1 (ko) * 2017-11-30 2018-12-24 한국과학기술원 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법
KR20200025480A (ko) * 2018-08-30 2020-03-10 한국철도기술연구원 경계선 기반 구조물의 균열 검출 장치 및 방법
CN110926342A (zh) * 2019-11-27 2020-03-27 北京工业大学 裂缝宽度测量方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680480A (zh) * 2012-05-03 2012-09-19 中南大学 一种混凝土结构裂缝智能化检测方法
CN104089580A (zh) * 2014-06-26 2014-10-08 华南理工大学 基于智能手机实现的混凝土表面裂缝宽度测量仪及方法
CN104034733A (zh) * 2014-07-02 2014-09-10 中国人民解放军国防科学技术大学 基于双目视觉监测与表面裂纹图像识别的寿命预测方法
JP2017049152A (ja) * 2015-09-03 2017-03-09 株式会社 日立産業制御ソリューションズ クラック幅計測システム
KR101932214B1 (ko) * 2017-11-30 2018-12-24 한국과학기술원 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법
CN108921813A (zh) * 2018-05-16 2018-11-30 中设设计集团股份有限公司 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法
KR20200025480A (ko) * 2018-08-30 2020-03-10 한국철도기술연구원 경계선 기반 구조물의 균열 검출 장치 및 방법
CN110926342A (zh) * 2019-11-27 2020-03-27 北京工业大学 裂缝宽度测量方法及装置

Similar Documents

Publication Publication Date Title
US11676257B2 (en) Method and device for detecting defect of meal box, server, and storage medium
CN109525194B (zh) 光伏板故障光斑检测识别方法和系统
JP7292979B2 (ja) 画像処理装置及び画像処理方法
US11965967B2 (en) Apparatus and method for detecting intersection edges
JP2007058634A (ja) 画像処理方法及び装置、デジタルカメラ装置、並びに画像処理プログラムを記録した記録媒体
CN113724135A (zh) 图像拼接方法、装置、设备及存储介质
JP2007026255A (ja) 画像中の変状点の進展状況を抽出する方法
CN112991218B (zh) 图像处理的方法、装置、设备以及存储介质
CN109146832A (zh) 一种视频图像的拼接方法、装置、终端设备及存储介质
CN111126381A (zh) 一种基于r-dfpn算法的绝缘子倾斜定位与识别方法
CN111667470A (zh) 一种基于数字图像的工业管道探伤内壁检测方法
CN111046950A (zh) 一种图像处理方法、装置、存储介质和电子装置
CN116758425A (zh) 一种大基地光伏电站自动验收方法和装置
JP2020088647A (ja) 情報処理装置、情報処理方法及びプログラム
CN115639248A (zh) 一种用于建筑外墙质量检测的系统及方法
CN115240089A (zh) 一种航空遥感图像的车辆检测方法
CN113240672A (zh) 镜头污染物的检测方法、装置、设备及存储介质
Attard et al. Image mosaicing of tunnel wall images using high level features
JP7410323B2 (ja) 異常検出装置、異常検出方法及び異常検出システム
CN112348085A (zh) 一种电力数据监测系统与方法
CN111738264A (zh) 一种机房设备显示面板数据的智能采集方法
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN113052089A (zh) 一种表面裂纹的识别系统、方法、装置、设备及存储介质
CN116342693A (zh) 一种基于点云和卷积神经网络的桥梁缆索表面损伤快速定位方法
CN114663299A (zh) 适用于煤矿井下的图像去雾模型的训练方法及其装置

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