CN113052804A - 一种混凝土构件外观质量量化评估处理方法和装置 - Google Patents
一种混凝土构件外观质量量化评估处理方法和装置 Download PDFInfo
- Publication number
- CN113052804A CN113052804A CN202110269725.0A CN202110269725A CN113052804A CN 113052804 A CN113052804 A CN 113052804A CN 202110269725 A CN202110269725 A CN 202110269725A CN 113052804 A CN113052804 A CN 113052804A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel value
- concrete member
- photo
- acquiring
- 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
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
- G06T7/0004—Industrial image inspection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种混凝土构件外观质量量化评估处理方法和装置，该方法包括：获取图像，其中，图像是根据照片得到的，照片是对混凝土构件表面进行拍摄得到的表面照片；将图像进行像素化处理，其中，处理之后的图像中的缺陷部分的像素值为第一像素值，处理后的图像中的非缺陷部分的像素值为第二像素值，其中，第一像素值与第二像素值不同；获取图像中像素值为第一像素值的像素的第一数量以及图像中像素值为第二像素值的像素的第二数量；根据第一数量和第二数量确定混凝土构件的外观质量。通过本申请解决了现有技术中通过观察判断混凝土结构表观质量所导致判断存在主观性的问题，提高了混凝土结构表观质量判断的客观性。
Description
技术领域
本申请涉及到土木工程领域，具体而言，涉及一种混凝土构件外观质量量化评估处理方法和装置。
背景技术
混凝土的表观质量不仅是混凝土工程质量和美观的直观体现，更是增强混凝土结构耐久性的有效措施。我国发布的《公路工程质量检验评定标准》、《混凝土结构工程施工质量验收规范》、《城市桥梁工程施工与质量验收规范》都将表观质量作为评定工程质量的必备条件之一。因此，混凝土表观质量是工程质量评定的重要指标。但目前对混凝土结构表观质量的评价和验收都是通过观察判断的方式，存在较大的主观性。
发明内容
本申请实施例提供了一种混凝土构件外观质量量化评估处理方法和装置，以至少解决现有技术中通过观察判断混凝土结构表观质量所导致判断存在主观性的问题。
根据本申请的一个方面，提供了一种混凝土构件外观质量量化评估处理方法，包括：获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。
进一步地，将所述图像进行像素化处理包括：将所述图像进行二值化处理，其中，所述图像中的缺陷部分的像素值为0，所述图像中的非缺陷部分的像素值为255。
进一步地，所述图像包括多个单元图像，获取所述图像包括：获取对部分或全部单元依次进行拍照得到的每个单元的照片，并将所述每个单元的照片作为一个单元图像，其中，所述单元是将所述混凝土构件的表面进行平均分割得到的；或者，获取对所述混凝土构件的表面拍照得到的照片，对所述混凝土构件表面的照片按照预先确定的单元的大小进行平均分割到每个单元的图像，从所有的单元图像中选择部分或全部作为所述图像。
进一步地，将所述图像进行像素化处理包括：对所述图像中的每个单元图像依次进行像素化处理。
进一步地，在所述图像包括所述混凝土构件表面所有单元中的部分单元图像的情况下，获取所述图像包括：根据所述混凝土构件的表面积以及所述单元的面积确定所述单元的个数；使用统计学计算所需抽样的样本数量；获取所述样本数量的单元图像被作为所述图像。
进一步地，获取所述样本数量的单元图像被作为所述图像包括：随机获取所述样本数量的单元图像作为所述图像。
进一步地，根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量包括：根据所述样本数量、所有单元的数量、所述第一数量和第二数量进行统计分析，得到所述混凝土构件的外观质量的量化值。
根据本申请的另一个方面，还提供了一种混凝土构件外观质量量化评估处理装置，包括：第一获取模块，用于获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；处理模块，用于将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；第二获取模块，用于获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；确定模块，用于根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。
根据本申请的另一个方面，还提供了一种存储器，用于存储软件，所述软件用于执行上述的方法。
根据本申请的另一个方面，还提供了一种处理器，用于执行软件，所述软件用于执行上述的方法。
在本申请实施例中，采用了获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。通过本申请解决了现有技术中通过观察判断混凝土结构表观质量所导致判断存在主观性的问题，提高了混凝土结构表观质量判断的客观性。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种混凝土构件外观质量量化评估处理方法的流程图；
图2是根据本申请实施例的混凝土结构分割单元的示意图；
图3是根据本申请实施例的混凝土结构分割单元的标注序号的示意图；
图4是根据本申请实施例的混凝土样本照片的示意图；
图5是根据本申请实施例的混凝土样本照片二值化后的示意图；以及，
图6是根据本申请实施例的计算结果的软件界面示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种混凝土构件外观质量量化评估处理方法，图1是根据本申请实施例的一种混凝土构件外观质量量化评估处理方法的流程图，如图1所示，该流程包括如下步骤：
步骤S102，获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；
步骤S104，将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；
进行像素化处理可以通过程序执行，可以划分一个阈值，对于像素值小于该阈值的则调整为第一像素值，对于像素值大于或等于该阈值的，则调整为第二像素值，其中，第一像素值小于所述阈值，第二像素值大于所述阈值。或者也可以设置一个阈值范围，对于像素值小于该阈值范围最小值的，调整为第一像素值，对于像素值超过该阈值范围最大值的调整为第二像素值。上述是将缺陷部分调暗，当然也可以将缺陷部分调亮，在此不再赘述。
作为另一个可选的实施方式，服务器如果积累了比较多的原图像和二值化后的图像，则可以使用这些数据训练出一个模型，该模型使用多组训练数据训练后得到，该模型为机器学习模型。多组训练数据中的每一组训练数据均包括两张图：一张原图像、另一种为二值化后的图像，训练后的目的是为了使模型在输入原图之后，得到二值化后的图像。模型训练后之后，可以输入所述图像，然后模型输出二值化后的图像。
步骤S106，获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；
步骤S108，根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。
上述步骤可以放在服务器上执行，通过安装在移动设备上的客户端软件对混凝土构件的表面进行拍照，然后将需要的照片上传到服务器，服务器可以执行上述步骤S102至步骤S108，执行之后将结果反馈给移动设备。
服务器如果积累了比较多的图像和该图像对应的外观质量值，则可以使用这些数据训练出一个另一个模型，该模型使用多组训练数据训练后得到，该模型为机器学习模型。多组训练数据中的每一组训练数据均包括：一张原图像和标签，该标签的值就是用于表征外观质量的值，训练后的目的是为了使模型在输入原图之后，该用于指示外观质量的标签。模型训练后之后，可以输入所述图像，然后模型输出用于指示外观质量的标签。这种处理方式采用人工智能的方式，在数据量比较大的时候，判断会更精准一些。
通过上述步骤，使用计算设备将图像中的带缺陷的部分进行统计，然后根据带缺陷的像素点就可以确定外观质量，这种数据化评价外观质量的做法更加客观。因此，通过上述步骤解决了现有技术中通过观察判断混凝土结构表观质量所导致判断存在主观性的问题，提高了混凝土结构表观质量判断的客观性。
进行像素的过程中，只要把缺陷部分和非缺陷部分的像素值区分开即可，作为一个比较优的实施例，可以进行二值化处理，即将所述图像进行像素化处理的步骤可以包括：将所述图像进行二值化处理，其中，所述图像中的缺陷部分的像素值为0，所述图像中的非缺陷部分的像素值为255。这种处理方式是的黑色和白色区分更加明显。
在实施的时候，可以将整个混凝土构件的外表面进行拍照后均进行分析。这种分析的方式需要计算机的计算能力稍大。为了能够使计算更加效率，可以选择将混凝土构件分割成多个单元。
分割的方式有两种，一种对每个单元进行单独拍照，例如，所述图像包括多个单元图像，获取所述图像包括：获取对部分或全部单元依次进行拍照得到的每个单元的照片，并将所述每个单元的照片作为一个单元图像，其中，所述单元是将所述混凝土构件的表面进行平均分割得到的。
另一种方式是对整个表面拍照之后对照片进行分割，例如，获取对所述混凝土构件的表面拍照得到的照片，对所述混凝土构件表面的照片按照预先确定的单元的大小进行平均分割到每个单元的图像，从所有的单元图像中选择部分或全部作为所述图像。
在实际实施时，采用上述两种方式都可以。可以根据情况灵活进行选择。如果是采用单元的方式，则需要对所述图像中的每个单元图像依次进行像素化处理。
选择单元的时候，可以选择全部的单元，也可以选择部分的单元，选择部分单元的时候作为一种比较优的实施方式，可以按照统计学来进行选择。例如，在所述图像包括所述混凝土构件表面所有单元中的部分单元图像的情况下，获取所述图像包括：根据所述混凝土构件的表面积以及所述单元的面积确定所述单元的个数；使用统计学计算所需抽样的样本数量；获取所述样本数量的单元图像被作为所述图像。可选的，可以随机获取所述样本数量的单元图像作为所述图像。
在使用统计学抽取样本的时候，根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量可以包括：根据所述样本数量、所有单元的数量、所述第一数量和第二数量进行统计分析，得到所述混凝土构件的外观质量的量化值。
下面结合一个优选的实施例来进行说明，在本优选实施例中提供了一种科学、准确、简单、可操作性较强的混凝土结构表观质量定量评价方法。该优选实施例针对现有对混凝土构件表观质量评价方法多为主观评判且有关技术较为复杂难以普遍推广的问题，提供了一种方法简单且可操作性较强的混凝土构件表观质量定量评价方法。
该优选实施例的技术方案为：将待测构件看做由若干单元组成，将构件视为总体，单元视为样本，并设定单元尺寸。然后使用统计学原理计算所需样本容量，采用随机取样的方法选取样本。再使用便携式移动拍照设备并利用固定框架对样本进行定位框取拍照，将照片裁剪后使用数字图像处理软件进行局部二值化处理，把照片中混凝土正常饰面和表观缺陷分割开来，计算二值化图片中表观缺陷部分所占像素点比例获得样本表观质量量化数值。最后使用统计学原理分析样本表观质量量化数值计算待测构件的表观质量量化数值。
该优选实施例在实际应用的过程中可以选择如下操作步骤：
1)测量待测构件尺寸，根据构件尺寸和单元尺寸的比例计算总体数，并使用统计学计算所需抽样样本容量。
例如，由于数据类型为百分数，采用不重复抽样的方式计算样本容量。设计分割单元尺寸为20*20cm2，若测构件的面积为Scm2。则:
总体数为N＝S/(20*20)；
样本容量n＝P(1-P)/(e2/Z2+P(1-P)/N)；
设计结果在95％的置信范围以内，既Z＝1.96。目标误差在正负0.1之间即e＝0.1，既并以变异程度最大时计算，既P＝0.5；
2)对各样本进行编号定位，使用数据分析软件产生编号范围内的和样本容量数量一致的随机数，将随机数对应的样本编号区域作为样本，实现随机取样。
该步骤可以使用如下可选实施方式：首先将待测构件看着由不同单元组成，给每个单元顺序编号。然后使用数据分析软件生成在1～N范围内的n个随机数，并将随机数代表的样本位置的坐标进行计算，获得样本的位置坐标(以构件的左下边缘为坐标原点)。
3)使用固定框架框取样本，利用便携式移动拍照设备在固定距离范围内拍照取样。
在该步骤中可以使用如下可选实施方式：使用预先制作的固定尺寸的框架对样本对应坐标位置框取区域，使用便携式移动拍照设备拍照取样，并保证拍照距离在0.5m以内，像素在2000万以上。
4)将取得的样本裁剪后使用数字图像处理软件进行局部二值化，使表观缺陷的灰度值全部设为0，正常饰面灰度值设为255，并计算灰度值为0像素点数量和样本像素点数量的比例。
在该步骤中可以使用如下可选实施方式：将照片沿框架内边沿进行裁剪，将裁剪后的样本照片使用数字图像处理软件对图像进行局部二值化处理，使得照片中的表观缺陷部分灰度值设为0，正常饰面部分灰度值设为255，形成二值化图像，实现对表观缺陷和正常饰面的图像分割。计算二值化图像中的总像素点数量和灰度值为0的像素点数量，并计算表观缺陷部分对应像素点数量占比。
5)使用统计学方法将各样本表观质量量化数值进行统计分析，计算构件表观质量量化数值。
在该步骤中可以使用如下可选实施方式：使用样本二值化中图像表观缺陷部分像素点比例的平均值来表征和量化混凝土构件表观质量。
本优选实施例有如下效果：
1)本实施例首次在混凝土构件表观质量量化方法中提出了将构件视为分割的单元，将构件分割单元进行定位并使用随机数获取样本的方法，避免了传统随机取样的不规范和取样误差大的问题，提高分析混凝土构件表观质量量化数值的精度。
2)本实施例首次在混凝土构件表观质量量化方法中提出了样本取样使用框架框取拍照的方法，大幅提高了样本取样的效率和准确性，简化了过程方法，提高了取样效率。
3)本实施例首次在混凝土构件表观质量量化方法中提出了使用便携式移动拍照设备拍照取样的方法及适用条件，大幅提高了混凝土构件表观质量量化方法的适用性及推广性。
4)本实施例首次在混凝土构件表观质量量化方法中提出了使用数字图像处理软件对样本图像进行局部二值化处理的方案，避免照片中的光线明暗对图像二值化分割结果的影响，提高混凝土构件表观质量量化处理的精度。
下面结合附图来说明对一个例子进行说明。
在该例子中，本实施例中混凝土构件使用的配合比如下：
表1混凝土构件配合比(kg/m3)
| 标号 | 水 | 水泥 | 粉煤灰 | 矿粉 | 机制砂 | 碎石 | 外加剂 |
| C50 | 170 | 380 | 20 | 90 | 850 | 950 | 10 |
该混凝土构件的表观质量量化方法，步骤如下：
将对墙柱的一侧面进行表观质量量化，该墙柱体积为80*80*360cm3，其待测面的面积为80*360cm2。
1.测量待测构件尺寸，根据构件尺寸和单元尺寸的比例计算总体数，并使用统计学计算所需抽样样本容量：
选用单元尺寸为20cm*20cm；
总体数N＝80*360/20*20＝72；
样本数n＝P(1-P)/(e2/Z2+P(1-P)/N)＝41(其中p＝0.5，e＝0.1，z＝1.96)；
混凝土结构分割单元设计图如图2所示。
2.对各样本进行编号定位，使用数据分析软件产生编号范围内的和样本容量数量一致的随机数，将随机数对应的样本编号区域作为样本实现随机取样。
使用excel生成41个1-72以内的不重复随机数如表2所示；
表2样本随机数表
图3示出了该混凝土结构分割单元的标注序号，其中样本区已用黑色圆点标出。
3.使用固定框架框取样本，利用便携式移动拍照设备在固定距离拍照取样：
使用预先制备好的固定尺寸的框架在样本所在固定位置拍照，获取样本照片，将照片沿框架轮廓裁剪，裁剪后如图4所示。
4.将取得的样本裁剪后使用数字图像处理软件进行局部二值化，使表观缺陷的灰度值全部设为0，正常饰面灰度值设为255，并计算灰度值为0像素点和样本像素点的比例：
使用matelab对裁剪后图像进行局部二值化处理并计算像素点比例，为避免光线对二值化图像结果的影响，采用ernsen算法对图像进行局部二值化，二值化图像如图5所示。计算结果如图6所示，其中的ratio即为黑色像素点所占比值，即代表表观缺陷面积占该样本面积的百分比，图6中该样本图像的表观缺陷面积比值为15.4875％。依次计算其余样本照片二值化图像的缺陷面积占比，结果如表3所示；
表3各样本像素点比例值
5.使用统计学方法将各样本表观质量量化数值进行统计分析，计算构件表观质量量化数值：
计算各样本图像缺陷面积比例值的平均值来代表该混凝土构件表观质量量化数值，该值越大代表表观质量越差，计算结果为12.1025％。
在本例子中，将混凝土待测构件表面分割为固定尺寸(例如，固定尺寸的单元为10cm*10cm至80cm*80cm范围内的固定面积的正方形框取)的单元，使用统计学原理计算样本容量，并随机抽样选取单元作为样本。过程中使用固定框架(固定框架为内部框取尺寸为和单元固定尺寸一致的正方形框架)框取样本，利用便携式移动拍照设备(便携式移动拍照设备为像素大于2000万的便捷拍照设备，包括相机和/或手机)在固定距离拍照取样，采用数字图像处理软件(例如，数字图像处理软件为可进行图像局部二值化处理并带有数字图像计算功能的相关数字图像软件，包括matelab、opencv)对照片进行局部二值化处理，并计算表观缺陷像素点占比，最后统计构件表观质量量化数值。
该方法的步骤可以如下：1)测量待测构件尺寸，根据构件尺寸和单元尺寸的比例计算总体数，并使用统计学计算样本容量。2)对各样本进行编号定位，使用数据分析软件产生编号范围内的和样本容量数量一致的随机数，将随机数对应的样本编号区域作为样本实现随机取样。3)使用固定框架框取样本，利用便携式移动拍照设备在固定距离拍照取样4)将取得的样本裁剪后使用数字图像处理软件进行局部二值化，使表观缺陷的灰度值全部设为0，正常饰面灰度值设为255，并计算灰度值为0像素点和样本像素点的比例。5)使用统计学方法将各样本表观质量量化数值进行统计分析，计算构件表观质量量化数值。通过本例子实现了混凝土结构表观质量缺陷的量化，提高了混凝土构件表观质量量化方法的可操作性、推广性及量化效率。
在本实施例中还提供一种混凝土构件外观质量量化评估处理装置，该装置用于执行上述方法中的步骤，该装置中的模块对应与上述实施例中的步骤。该装置包括：第一获取模块，用于获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；处理模块，用于将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；第二获取模块，用于获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；确定模块，用于根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。
在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。
这些计算机程序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，对应与不同的步骤可以通过不同的模块来实现。
上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种混凝土构件外观质量量化评估处理方法，其特征在于，包括：
获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；
将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；
获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；
根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。
2.根据权利要求1所述的方法，其特征在于，将所述图像进行像素化处理包括：
将所述图像进行二值化处理，其中，所述图像中的缺陷部分的像素值为0，所述图像中的非缺陷部分的像素值为255。
3.根据权利要求1所述的方法，其特征在于，所述图像包括多个单元图像，获取所述图像包括：
获取对部分或全部单元依次进行拍照得到的每个单元的照片，并将所述每个单元的照片作为一个单元图像，其中，所述单元是将所述混凝土构件的表面进行平均分割得到的；或者，
获取对所述混凝土构件的表面拍照得到的照片，对所述混凝土构件表面的照片按照预先确定的单元的大小进行平均分割到每个单元的图像，从所有的单元图像中选择部分或全部作为所述图像。
4.根据权利要求3所述的方法，其特征在于，将所述图像进行像素化处理包括：
对所述图像中的每个单元图像依次进行像素化处理。
5.根据权利要求3所述的方法，其特征在于，在所述图像包括所述混凝土构件表面所有单元中的部分单元图像的情况下，获取所述图像包括：
根据所述混凝土构件的表面积以及所述单元的面积确定所述单元的个数；
使用统计学计算所需抽样的样本数量；
获取所述样本数量的单元图像被作为所述图像。
6.根据权利要求5所述的方法，其特征在于，获取所述样本数量的单元图像被作为所述图像包括：
随机获取所述样本数量的单元图像作为所述图像。
7.根据权利要求5或6所述的方法，其特征在于，根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量包括：
根据所述样本数量、所有单元的数量、所述第一数量和第二数量进行统计分析，得到所述混凝土构件的外观质量的量化值。
8.一种混凝土构件外观质量量化评估处理装置，其特征在于，包括：
第一获取模块，用于获取图像，其中，所述图像是根据照片得到的，所述照片是对混凝土构件表面进行拍摄得到的表面照片；
处理模块，用于将所述图像进行像素化处理，其中，处理之后的所述图像中的缺陷部分的像素值为第一像素值，处理后的所述图像中的非缺陷部分的像素值为第二像素值，其中，所述第一像素值与所述第二像素值不同；
第二获取模块，用于获取所述图像中像素值为第一像素值的像素的第一数量以及所述图像中像素值为第二像素值的像素的第二数量；
确定模块，用于根据所述第一数量和所述第二数量确定所述混凝土构件的外观质量。
9.一种存储器，其特征在于，用于存储软件，所述软件用于执行权利要求1至7中任一项所述的方法。
10.一种处理器，其特征在于，用于执行软件，所述软件用于执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110269725.0A CN113052804A (zh) | 2021-03-12 | 2021-03-12 | 一种混凝土构件外观质量量化评估处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110269725.0A CN113052804A (zh) | 2021-03-12 | 2021-03-12 | 一种混凝土构件外观质量量化评估处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113052804A true CN113052804A (zh) | 2021-06-29 |
Family
ID=76512058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110269725.0A Pending CN113052804A (zh) | 2021-03-12 | 2021-03-12 | 一种混凝土构件外观质量量化评估处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113052804A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538172A (zh) * | 2021-07-12 | 2021-10-22 | 中建西部建设贵州有限公司 | 一种智能获取混凝土针状石块含量的方法和装置 |
| CN115272292A (zh) * | 2022-08-26 | 2022-11-01 | 中建西部建设(广东)有限公司 | 一种基于数字图像的粉煤灰珠形颗粒量化方法和系统 |
| CN117538289A (zh) * | 2024-01-10 | 2024-02-09 | 中铁十六局集团第一工程有限公司 | 一种型钢混凝土结构节点施工质量无损检测方法 |
-
2021
- 2021-03-12 CN CN202110269725.0A patent/CN113052804A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538172A (zh) * | 2021-07-12 | 2021-10-22 | 中建西部建设贵州有限公司 | 一种智能获取混凝土针状石块含量的方法和装置 |
| CN115272292A (zh) * | 2022-08-26 | 2022-11-01 | 中建西部建设(广东)有限公司 | 一种基于数字图像的粉煤灰珠形颗粒量化方法和系统 |
| CN117538289A (zh) * | 2024-01-10 | 2024-02-09 | 中铁十六局集团第一工程有限公司 | 一种型钢混凝土结构节点施工质量无损检测方法 |
| CN117538289B (zh) * | 2024-01-10 | 2024-03-22 | 中铁十六局集团第一工程有限公司 | 一种型钢混凝土结构节点施工质量无损检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113052804A (zh) | 一种混凝土构件外观质量量化评估处理方法和装置 | |
| CN111179229A (zh) | 一种基于深度学习的工业ct缺陷检测方法 | |
| JP2024509411A (ja) | 欠陥検出方法、装置及びシステム | |
| CN110245697B (zh) | 一种表面脏污检测方法、终端设备及存储介质 | |
| CN111598827A (zh) | 外观瑕疵检测方法、电子装置及存储介质 | |
| CN111079773A (zh) | 一种基于Mask R-CNN网络的砾石参数获取方法、装置、设备及存储介质 | |
| CN111612787B (zh) | 混凝土裂纹高分图像无损语义分割方法、装置及存储介质 | |
| CN111768405A (zh) | 处理标注图像的方法、装置、设备和存储介质 | |
| Lang et al. | Pavement cracking detection and classification based on 3d image using multiscale clustering model | |
| CN111144425A (zh) | 检测拍屏图片的方法、装置、电子设备及存储介质 | |
| CN112345548A (zh) | 一种燃料电池石墨板表面成型光洁程度检测方法及装置 | |
| CN116958960A (zh) | 一种基于机器学习随机森林算法的鸡蛋暗斑检测方法 | |
| CN115761613B (zh) | 一种基于卷积网络的隧道裂缝自动检测方法 | |
| CN114332092B (zh) | 缺陷图像检测方法、系统、智能终端和介质 | |
| CN112990350B (zh) | 目标检测网络训练方法及基于目标检测网络煤矸识别方法 | |
| CN115880257A (zh) | 海洋多孔礁灰岩强度快速预测方法 | |
| CN112165616B (zh) | 一种摄像头模组的测试方法、装置、电子设备及存储介质 | |
| CN112613521B (zh) | 基于数据转换的多层次数据分析系统及方法 | |
| CN114565749A (zh) | 一种电力建设现场签证文档关键内容识别方法及系统 | |
| CN113034432A (zh) | 一种产品缺陷检测方法、系统、装置及存储介质 | |
| CN115719326A (zh) | Pcb板缺陷检测方法及装置 | |
| Shuang-rui et al. | Concrete crack width detecting system for android platform | |
| CN117522848A (zh) | 一种基于物联网的扩散板缺陷检测方法、系统及介质 | |
| CN117522869B (zh) | 图像处理方法和缺陷检测方法、系统、电子设备 | |
| CN111784635B (zh) | 一种基于图像颜色空间的皮肤表面荧光点检测与评估方法 |
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 |