CN113240649A - 一种基于图像分析的建筑构件检测方法及系统 - Google Patents
一种基于图像分析的建筑构件检测方法及系统 Download PDFInfo
- Publication number
- CN113240649A CN113240649A CN202110544385.8A CN202110544385A CN113240649A CN 113240649 A CN113240649 A CN 113240649A CN 202110544385 A CN202110544385 A CN 202110544385A CN 113240649 A CN113240649 A CN 113240649A
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- suspected
- fracture
- tracking
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000010191 image analysis Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000008439 repair process 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像分析的建筑构件检测方法及系统，所述检测方法包括以下步骤：采集当前待检测墙体的图像为待分析图像，对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像；对疑似裂痕图像进行筛选并从中选出裂痕图像；分析裂痕图像判断是否要传输信息对墙体进行检修，本发明在分析待检测墙体的图像时，先是通过边缘检测初步筛选出疑似裂痕图像，接着再从裂痕的颜色、端点、长度等方面从疑似裂痕图像中筛选出裂痕图像，提高后续对墙体分析是否要进行检修的准确率。
Description
技术领域
本发明涉及建筑检测技术领域，具体为一种基于图像分析的建筑构件检测方法及系统。
背景技术
建筑构件是指构成建筑物各个要素。如果把建筑物看成是一个产品，那建筑构件就是指这个产品当中的零件。建筑物当中的构件主要有：楼(屋)面、墙体、柱子、基础等。受自然环境、施工质量和墙体材料的影响，墙体上的表面会产生裂缝，墙面开裂不仅会影响墙体美观，而且如果不对裂缝及时进行修补，裂缝会不断扩大，产生安全隐患。现有技术中，无法对建筑墙体进行有效监督检测。
发明内容
本发明的目的在于提供一种基于图像分析的建筑构件检测方法及系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于图像分析的建筑构件检测方法，所述检测方法包括以下步骤：
采集当前待检测墙体的图像为待分析图像，对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像；
对疑似裂痕图像进行筛选并从中选出裂痕图像；
分析裂痕图像判断是否要传输信息对墙体进行检修。
进一步的，所述对疑似裂痕图像进行筛选并从中选出裂痕图像包括：
将各个疑似裂痕图像的颜色值作为聚类元素进行聚类处理，得到多个聚类颜色值；
采集定位各个疑似裂痕图像的端点的个数，如果某个疑似裂痕图像的端点个数大于端点个数预设值，那么该疑似裂痕图像为优选疑似裂痕图像；
统计每个聚类颜色值下所属优选疑似裂痕图像的个数与其相应的聚类颜色值下疑似裂痕图像的个数之比为相应的聚类颜色值的第一占比，
如果某个聚类颜色值的第一占比大于等于第一占比阈值，那么该个聚类颜色值下的疑似裂痕图像为裂痕图像；
如果某个聚类颜色值的第一占比小于第一占比阈值，获取该个聚类颜色值所属的优选疑似裂痕图像中两两端点之间的路径的长度，选取两两端点之间的路径的长度最长的路径为主路径，其余的路径为辅路径，
统计该个聚类颜色值所属的每个优选疑似裂痕图像的辅路径的个数并计算其方差，如果方差大于等于方差阈值，那么该个聚类颜色值所属的每个优选疑似裂痕图像为裂痕图像。
进一步的，所述分析裂痕图像判断是否要传输信息对墙体进行检修包括：
分别采集待分析图像上各个裂痕图像的长度，如果某一个裂痕图像的长度大于等于长度阈值，那么该裂痕图像为危险裂痕图像，传输信息对墙体进行检修。
进一步的，所述分别采集待分析图像上各个裂痕图像的长度后还包括：
如果某一个裂痕图像的长度小于长度阈值，设该裂痕图像为追踪裂痕图像，
在待分析图像上，如果存在除危险裂痕图像以外的某个裂痕图像的端点与追踪裂痕图像的距离小于警惕距离，或者存在追踪裂痕图像的端点与某个除危险裂痕图像以外的其他各个裂痕图像的距离小于警惕距离，那么该个裂痕图像为追踪裂痕图像的关联图像；
采集追踪裂痕图像及其关联图像在待分析图像上的中心点，并以该中心点为圆心，以追踪裂痕图像及其关联图像上距离中心点的最远距离为半径划分出圆形区域，
获取该圆形区域的面积大小与待分析图像的面积大小的比值为该追踪裂痕图像的第二比值，比较第二比值与第二比值阈值的关系，如果存在某个追踪裂痕图像的第二比值大于等于第二比值阈值，传输信息对墙体进行检修。
进一步的，所述比较第二比值与第二比值阈值的关系还包括：
如果所有追踪裂痕图像的第二比值都小于第二比值阈值，那么分别获取每个追踪裂痕图像所对应的圆形区域与其邻近圆形区域的距离之和的平均值为距离参考值，
如果存在一个追踪裂痕图像的距离参考值大于预设距离参考值，那么传输信息对墙体进行检修。
进一步的，所述比较第二比值与第二比值阈值的关系还包括：
某个追踪裂痕图像所对应的圆形区域的邻近圆形区域为与该追踪裂痕图像所对应的圆形区域的的距离小于预设值的圆形区域。
一种基于图像分析的建筑构件检测系统，所述检测系统包括墙体采集模块、疑似裂痕图像获取模块、裂痕图像选取模块和墙体检修分析模块，所述墙体采集模块采集当前待检测墙体的图像为待分析图像，所述疑似裂痕图像获取模块对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像，所述裂痕图像选取模块对疑似裂痕图像进行筛选并从中选出裂痕图像，所述墙体检修分析模块分析裂痕图像判断是否要传输信息对墙体进行检修。
进一步的，所述裂痕图像选取模块包括颜色聚类模块、优选疑似裂痕图像选取模块、第一占比比较模块、路径分类模块和方差计算比较模块，所述颜色聚类模块将各个疑似裂痕图像的颜色值作为聚类元素进行聚类处理，得到多个聚类颜色值，所述优选疑似裂痕图像选取模块采集定位各个疑似裂痕图像的端点的个数，如果某个疑似裂痕图像的端点个数大于端点个数预设值，选取该疑似裂痕图像为优选疑似裂痕图像，所述第一占比比较模块统计每个聚类颜色值下所属优选疑似裂痕图像的个数与其相应的聚类颜色值下疑似裂痕图像的个数之比为相应的聚类颜色值的第一占比，如果某个聚类颜色值的第一占比大于等于第一占比阈值时，该个聚类颜色值下的疑似裂痕图像为裂痕图像，如果某个聚类颜色值的第一占比小于第一占比阈值，那么路径分类模块获取该个聚类颜色值所属的优选疑似裂痕图像中两两端点之间的路径的长度，选取两两端点之间的路径的长度最长的路径为主路径，其余的路径为辅路径，所述方差计算比较模块统计该个聚类颜色值所属的每个优选疑似裂痕图像的辅路径的个数并计算其方差，如果方差大于等于方差阈值，那么该个聚类颜色值所属的每个优选疑似裂痕图像为裂痕图像。
进一步的，所述墙体检修分析模块包括长度比较模块、警惕距离比较模块、圆形区域划分模块、第二比值比较模块、距离参考值比较模块和信息传输模块，所述长度比较模块、警惕距离比较模块、圆形区域划分模块、第二比值比较模块、距离参考值比较模块和信息传输模块，所述信息传输模块用于传输信息对墙体进行检修，所述长度比较模块采集待分析图像上各个裂痕图像的长度，在某一个裂痕图像的长度大于等于长度阈值时，判断该裂痕图像为危险裂痕图像，令信息传输模块工作；在某一个裂痕图像的长度小于长度阈值时，设该裂痕图像为追踪裂痕图像，令警惕距离比较模块判断在待分析图像上，是否存在除危险裂痕图像以外的某个裂痕图像的端点与追踪裂痕图像的距离小于警惕距离，或者存在追踪裂痕图像的端点与某个除危险裂痕图像以外的其他各个裂痕图像的距离小于警惕距离，如果存在，那么该个裂痕图像为追踪裂痕图像的关联图像，所述圆形区域划分模块采集追踪裂痕图像及其关联图像在待分析图像上的中心点，并以该中心点为圆心，以追踪裂痕图像及其关联图像上距离中心点的最远距离为半径划分出圆形区域，所述第二比值比较模块获取该圆形区域的面积大小与待分析图像的面积大小的比值为该追踪裂痕图像的第二比值，比较第二比值与第二比值阈值的关系，在存在某个追踪裂痕图像的第二比值大于等于第二比值阈值时，令信息传输模块工作，在所有追踪裂痕图像的第二比值都小于第二比值阈值时，所述距离参考值比较模块分别获取每个追踪裂痕图像所对应的圆形区域与其邻近圆形区域的距离之和的平均值为距离参考值，在存在一个追踪裂痕图像的距离参考值大于预设距离参考值，令信息传输模块工作，其中，某个追踪裂痕图像所对应的圆形区域的邻近圆形区域为与该追踪裂痕图像所对应的圆形区域的的距离小于预设值的圆形区域。
与现有技术相比，本发明所达到的有益效果是：本发明在分析待检测墙体的图像时，先是通过边缘检测初步筛选出疑似裂痕图像，接着再从裂痕的颜色、端点、长度等方面从疑似裂痕图像中筛选出裂痕图像，便于后续根据裂痕分析判断是否要检修墙体，同时在通过裂痕图像分析是否要检修时，不仅仅通过单个裂痕本身的长度来进行判断，还将各个裂痕互相关联起来进行判断分析，从而进一步提高对墙体判断分析是否要进行检修的准确率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于图像分析的建筑构件检测系统的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：一种基于图像分析的建筑构件检测方法，所述检测方法包括以下步骤：
采集当前待检测墙体的图像为待分析图像，对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像；
对疑似裂痕图像进行筛选并从中选出裂痕图像，所述对疑似裂痕图像进行筛选并从中选出裂痕图像包括：
将各个疑似裂痕图像的颜色值作为聚类元素进行聚类处理，得到多个聚类颜色值；由于经常会发生有人在墙体上乱涂乱画的情况，在通过图像进行分析墙体的裂缝或者裂痕时，容易将涂画的内容错认为是墙体的裂缝或者裂痕；本申请中的墙体的裂缝裂痕的识别检测是针对纯色墙体，尤其是白色墙体，因为一块墙体上所采用的材料往往是不变的，一块墙体上的不同裂缝或者裂痕的颜色往往是相同，基于这一点，通过颜色聚类来辨别是裂痕还是涂画，在对颜色值进行聚类时，先从聚类元素中随机选取M个聚类元素作为M个初始聚类中心，接着根据这M个初始聚类中心，对所有的聚类元素进行聚类处理，确定M个最终聚类中心以及M个聚类中心所对应的M个聚类集合，根据最终的聚类集合，确定M个聚类颜色值，其中M大于1；因为不同裂缝或者裂痕的颜色往往是相同，所以裂缝或者裂痕的图像所对应的颜色值会聚类到一个颜色值下，接着对属于同一个颜色值的疑似裂痕图像进行分析；
采集定位各个疑似裂痕图像的端点的个数，如果某个疑似裂痕图像的端点个数大于端点个数预设值，那么该疑似裂痕图像为优选疑似裂痕图像；
统计每个聚类颜色值下所属优选疑似裂痕图像的个数与其相应的聚类颜色值下疑似裂痕图像的个数之比为相应的聚类颜色值的第一占比，墙体上的裂缝或者裂痕在开裂的过程中会产生很多的分叉，会呈现一条主裂缝上缠身类似树枝叶那种分叉而涂画往往就是单纯的一条线，本实施例中，端点个数预设值为两个，当某个疑似裂痕图像的端点个数只有两个时，说明该疑似裂痕图像是一条线，当某个疑似裂痕图像的端点个数三个或者三个以上时，说明该疑似裂痕图像上存在开叉；
如果某个聚类颜色值的第一占比大于等于第一占比阈值，那么该个聚类颜色值下的疑似裂痕图像为裂痕图像；
如果某个聚类颜色值的第一占比小于第一占比阈值，获取该个聚类颜色值所属的优选疑似裂痕图像中两两端点之间的路径的长度，选取两两端点之间的路径的长度最长的路径为主路径，其余的路径为辅路径，主路径相当于是上文所属的主裂缝，辅路径相当于是上文所说的分叉；
统计该个聚类颜色值所属的每个优选疑似裂痕图像的辅路径的个数并计算其方差，如果方差大于等于方差阈值，那么该个聚类颜色值所属的每个优选疑似裂痕图像为裂痕图像。裂缝的分叉产生过程具有随意性，产生的分叉裂缝的个数具有随意性，不同主裂缝之间的分叉裂缝个数差别应当很大，因此当某个聚类颜色值下的优选疑似裂痕图像的方差比较大时，说明该个聚类颜色下的优选疑似裂痕图像的分叉裂缝个数差别很大，说明他们是裂痕图像；
在计算方差时，先计算优选疑似裂痕图像的辅路径的平均个数，再根据平均个数及各个优选疑似裂痕图像的辅路径的个数计算方差；
或者直接通过计算每个优选裂痕图像的端点的个数的方差来判断是否为裂痕图像，端点个数大于等于方差阈值时，判断为裂痕图像；
分析裂痕图像判断是否要传输信息对墙体进行检修，所述分析裂痕图像判断是否要传输信息对墙体进行检修包括：
分别采集待分析图像上各个裂痕图像的长度，如果某一个裂痕图像的长度大于等于长度阈值，那么该裂痕图像为危险裂痕图像，传输信息对墙体进行检修；
如果某一个裂痕图像的长度小于长度阈值，设该裂痕图像为追踪裂痕图像，
在待分析图像上，如果存在除危险裂痕图像以外的某个裂痕图像的端点与追踪裂痕图像的距离小于警惕距离，或者存在追踪裂痕图像的端点与某个除危险裂痕图像以外的其他各个裂痕图像的距离小于警惕距离，那么该个裂痕图像为追踪裂痕图像的关联图像；墙体上的裂痕长度大小是会进行延伸的，裂痕延伸的方向也不仅仅局限于当前的方向，任何一个方向都有可能，虽然说可能当前的一个裂痕很短，但是如果他的周围有很多裂痕，一旦这些裂痕连接起来，那墙体的危险性便会加大；
采集追踪裂痕图像及其关联图像在待分析图像上的中心点，并以该中心点为圆心，以追踪裂痕图像及其关联图像上距离中心点的最远距离为半径划分出圆形区域，本申请中“以追踪裂痕图像及其关联图像上距离中心点的最远距离”是指追踪裂痕图像上或者其关联图像上的主裂缝上的点与中心点的最远距离，主裂缝是指主路径，裂痕图像上两两端点之间的路径的长度最长的路径为主裂缝；
获取该圆形区域的面积大小与待分析图像的面积大小的比值为该追踪裂痕图像的第二比值，比较第二比值与第二比值阈值的关系，如果存在某个追踪裂痕图像的第二比值大于等于第二比值阈值，传输信息对墙体进行检修；
如果所有追踪裂痕图像的第二比值都小于第二比值阈值，那么分别获取每个追踪裂痕图像所对应的圆形区域与其邻近圆形区域的距离之和的平均值为距离参考值，
如果存在一个追踪裂痕图像的距离参考值大于预设距离参考值，那么传输信息对墙体进行检修；
其中，某个追踪裂痕图像所对应的圆形区域的邻近圆形区域为与该追踪裂痕图像所对应的圆形区域的距离小于预设值的圆形区域，这个预设值是根据实际待检测墙体的大小来确定的；与该追踪裂痕图像所对应的圆形区域的距离小于预设值的圆形区域中的这个距离是指圆形区域的圆边缘之间的距离；
一种基于图像分析的建筑构件检测系统，所述检测系统包括墙体采集模块、疑似裂痕图像获取模块、裂痕图像选取模块和墙体检修分析模块，所述墙体采集模块采集当前待检测墙体的图像为待分析图像，所述疑似裂痕图像获取模块对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像，所述裂痕图像选取模块对疑似裂痕图像进行筛选并从中选出裂痕图像，所述墙体检修分析模块分析裂痕图像判断是否要传输信息对墙体进行检修。
所述裂痕图像选取模块包括颜色聚类模块、优选疑似裂痕图像选取模块、第一占比比较模块、路径分类模块和方差计算比较模块，所述颜色聚类模块将各个疑似裂痕图像的颜色值作为聚类元素进行聚类处理，得到多个聚类颜色值，所述优选疑似裂痕图像选取模块采集定位各个疑似裂痕图像的端点的个数，如果某个疑似裂痕图像的端点个数大于端点个数预设值，选取该疑似裂痕图像为优选疑似裂痕图像，所述第一占比比较模块统计每个聚类颜色值下所属优选疑似裂痕图像的个数与其相应的聚类颜色值下疑似裂痕图像的个数之比为相应的聚类颜色值的第一占比，如果某个聚类颜色值的第一占比大于等于第一占比阈值时，该个聚类颜色值下的疑似裂痕图像为裂痕图像，如果某个聚类颜色值的第一占比小于第一占比阈值，那么路径分类模块获取该个聚类颜色值所属的优选疑似裂痕图像中两两端点之间的路径的长度，选取两两端点之间的路径的长度最长的路径为主路径，其余的路径为辅路径，所述方差计算比较模块统计该个聚类颜色值所属的每个优选疑似裂痕图像的辅路径的个数并计算其方差，如果方差大于等于方差阈值，那么该个聚类颜色值所属的每个优选疑似裂痕图像为裂痕图像。
所述墙体检修分析模块包括长度比较模块、警惕距离比较模块、圆形区域划分模块、第二比值比较模块、距离参考值比较模块和信息传输模块，所述长度比较模块、警惕距离比较模块、圆形区域划分模块、第二比值比较模块、距离参考值比较模块和信息传输模块，所述信息传输模块用于传输信息对墙体进行检修，所述长度比较模块采集待分析图像上各个裂痕图像的长度，在某一个裂痕图像的长度大于等于长度阈值时，判断该裂痕图像为危险裂痕图像，令信息传输模块工作；在某一个裂痕图像的长度小于长度阈值时，设该裂痕图像为追踪裂痕图像，令警惕距离比较模块判断在待分析图像上，是否存在除危险裂痕图像以外的某个裂痕图像的端点与追踪裂痕图像的距离小于警惕距离，或者存在追踪裂痕图像的端点与某个除危险裂痕图像以外的其他各个裂痕图像的距离小于警惕距离，如果存在，那么该个裂痕图像为追踪裂痕图像的关联图像，所述圆形区域划分模块采集追踪裂痕图像及其关联图像在待分析图像上的中心点，并以该中心点为圆心，以追踪裂痕图像及其关联图像上距离中心点的最远距离为半径划分出圆形区域，所述第二比值比较模块获取该圆形区域的面积大小与待分析图像的面积大小的比值为该追踪裂痕图像的第二比值，比较第二比值与第二比值阈值的关系，在存在某个追踪裂痕图像的第二比值大于等于第二比值阈值时，令信息传输模块工作，在所有追踪裂痕图像的第二比值都小于第二比值阈值时，所述距离参考值比较模块分别获取每个追踪裂痕图像所对应的圆形区域与其邻近圆形区域的距离之和的平均值为距离参考值，在存在一个追踪裂痕图像的距离参考值大于预设距离参考值，令信息传输模块工作，其中，某个追踪裂痕图像所对应的圆形区域的邻近圆形区域为与该追踪裂痕图像所对应的圆形区域的的距离小于预设值的圆形区域。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于图像分析的建筑构件检测方法，其特征在于，所述检测方法包括以下步骤：
采集当前待检测墙体的图像为待分析图像，对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像；
对疑似裂痕图像进行筛选并从中选出裂痕图像；
分析裂痕图像判断是否要传输信息对墙体进行检修。
2.根据权利要求1所述的一种基于图像分析的建筑构件检测方法，其特征在于：所述对疑似裂痕图像进行筛选并从中选出裂痕图像包括：
将各个疑似裂痕图像的颜色值作为聚类元素进行聚类处理，得到多个聚类颜色值；
采集定位各个疑似裂痕图像的端点的个数，如果某个疑似裂痕图像的端点个数大于端点个数预设值，那么该疑似裂痕图像为优选疑似裂痕图像；
统计每个聚类颜色值下所属优选疑似裂痕图像的个数与其相应的聚类颜色值下疑似裂痕图像的个数之比为相应的聚类颜色值的第一占比，
如果某个聚类颜色值的第一占比大于等于第一占比阈值，那么该个聚类颜色值下的疑似裂痕图像为裂痕图像；
如果某个聚类颜色值的第一占比小于第一占比阈值，获取该个聚类颜色值所属的优选疑似裂痕图像中两两端点之间的路径的长度，选取两两端点之间的路径的长度最长的路径为主路径，其余的路径为辅路径，
统计该个聚类颜色值所属的每个优选疑似裂痕图像的辅路径的个数并计算其方差，如果方差大于等于方差阈值，那么该个聚类颜色值所属的每个优选疑似裂痕图像为裂痕图像。
3.根据权利要求1所述的一种基于图像分析的建筑构件检测方法，其特征在于：所述分析裂痕图像判断是否要传输信息对墙体进行检修包括：
分别采集待分析图像上各个裂痕图像的长度，如果某一个裂痕图像的长度大于等于长度阈值，那么该裂痕图像为危险裂痕图像，传输信息对墙体进行检修。
4.根据权利要求3所述的一种基于图像分析的建筑构件检测方法，其特征在于：所述分别采集待分析图像上各个裂痕图像的长度后还包括：
如果某一个裂痕图像的长度小于长度阈值，设该裂痕图像为追踪裂痕图像，
在待分析图像上，如果存在除危险裂痕图像以外的某个裂痕图像的端点与追踪裂痕图像的距离小于警惕距离，或者存在追踪裂痕图像的端点与某个除危险裂痕图像以外的其他各个裂痕图像的距离小于警惕距离，那么该个裂痕图像为追踪裂痕图像的关联图像；
采集追踪裂痕图像及其关联图像在待分析图像上的中心点，并以该中心点为圆心，以追踪裂痕图像及其关联图像上距离中心点的最远距离为半径划分出圆形区域，
获取该圆形区域的面积大小与待分析图像的面积大小的比值为该追踪裂痕图像的第二比值，比较第二比值与第二比值阈值的关系，如果存在某个追踪裂痕图像的第二比值大于等于第二比值阈值，传输信息对墙体进行检修。
5.根据权利要求4所述的一种基于图像分析的建筑构件检测方法，其特征在于：所述比较第二比值与第二比值阈值的关系还包括：
如果所有追踪裂痕图像的第二比值都小于第二比值阈值，那么分别获取每个追踪裂痕图像所对应的圆形区域与其邻近圆形区域的距离之和的平均值为距离参考值，
如果存在一个追踪裂痕图像的距离参考值大于预设距离参考值，那么传输信息对墙体进行检修。
6.根据权利要求5所述的一种基于图像分析的建筑构件检测方法，其特征在于：所述比较第二比值与第二比值阈值的关系还包括：
某个追踪裂痕图像所对应的圆形区域的邻近圆形区域为与该追踪裂痕图像所对应的圆形区域的的距离小于预设值的圆形区域。
7.一种基于图像分析的建筑构件检测系统，其特征在于：所述检测系统包括墙体采集模块、疑似裂痕图像获取模块、裂痕图像选取模块和墙体检修分析模块，所述墙体采集模块采集当前待检测墙体的图像为待分析图像，所述疑似裂痕图像获取模块对待分析图像进行边缘检测得到待分析图像上的疑似裂痕图像，所述裂痕图像选取模块对疑似裂痕图像进行筛选并从中选出裂痕图像，所述墙体检修分析模块分析裂痕图像判断是否要传输信息对墙体进行检修。
8.根据权利要求7所述的一种基于图像分析的建筑构件检测系统，其特征在于：所述裂痕图像选取模块包括颜色聚类模块、优选疑似裂痕图像选取模块、第一占比比较模块、路径分类模块和方差计算比较模块，所述颜色聚类模块将各个疑似裂痕图像的颜色值作为聚类元素进行聚类处理，得到多个聚类颜色值，所述优选疑似裂痕图像选取模块采集定位各个疑似裂痕图像的端点的个数，如果某个疑似裂痕图像的端点个数大于端点个数预设值，选取该疑似裂痕图像为优选疑似裂痕图像，所述第一占比比较模块统计每个聚类颜色值下所属优选疑似裂痕图像的个数与其相应的聚类颜色值下疑似裂痕图像的个数之比为相应的聚类颜色值的第一占比，如果某个聚类颜色值的第一占比大于等于第一占比阈值时，该个聚类颜色值下的疑似裂痕图像为裂痕图像，如果某个聚类颜色值的第一占比小于第一占比阈值，那么路径分类模块获取该个聚类颜色值所属的优选疑似裂痕图像中两两端点之间的路径的长度，选取两两端点之间的路径的长度最长的路径为主路径，其余的路径为辅路径，所述方差计算比较模块统计该个聚类颜色值所属的每个优选疑似裂痕图像的辅路径的个数并计算其方差，如果方差大于等于方差阈值，那么该个聚类颜色值所属的每个优选疑似裂痕图像为裂痕图像。
9.根据权利要求8所述的一种基于图像分析的建筑构件检测系统，其特征在于：所述墙体检修分析模块包括长度比较模块、警惕距离比较模块、圆形区域划分模块、第二比值比较模块、距离参考值比较模块和信息传输模块，所述长度比较模块、警惕距离比较模块、圆形区域划分模块、第二比值比较模块、距离参考值比较模块和信息传输模块，所述信息传输模块用于传输信息对墙体进行检修，所述长度比较模块采集待分析图像上各个裂痕图像的长度，在某一个裂痕图像的长度大于等于长度阈值时，判断该裂痕图像为危险裂痕图像，令信息传输模块工作；在某一个裂痕图像的长度小于长度阈值时，设该裂痕图像为追踪裂痕图像，令警惕距离比较模块判断在待分析图像上，是否存在除危险裂痕图像以外的某个裂痕图像的端点与追踪裂痕图像的距离小于警惕距离，或者存在追踪裂痕图像的端点与某个除危险裂痕图像以外的其他各个裂痕图像的距离小于警惕距离，如果存在，那么该个裂痕图像为追踪裂痕图像的关联图像，所述圆形区域划分模块采集追踪裂痕图像及其关联图像在待分析图像上的中心点，并以该中心点为圆心，以追踪裂痕图像及其关联图像上距离中心点的最远距离为半径划分出圆形区域，所述第二比值比较模块获取该圆形区域的面积大小与待分析图像的面积大小的比值为该追踪裂痕图像的第二比值，比较第二比值与第二比值阈值的关系，在存在某个追踪裂痕图像的第二比值大于等于第二比值阈值时，令信息传输模块工作，在所有追踪裂痕图像的第二比值都小于第二比值阈值时，所述距离参考值比较模块分别获取每个追踪裂痕图像所对应的圆形区域与其邻近圆形区域的距离之和的平均值为距离参考值，在存在一个追踪裂痕图像的距离参考值大于预设距离参考值，令信息传输模块工作，其中，某个追踪裂痕图像所对应的圆形区域的邻近圆形区域为与该追踪裂痕图像所对应的圆形区域的的距离小于预设值的圆形区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110544385.8A CN113240649B (zh) | 2021-05-19 | 2021-05-19 | 一种基于图像分析的建筑构件检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110544385.8A CN113240649B (zh) | 2021-05-19 | 2021-05-19 | 一种基于图像分析的建筑构件检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113240649A true CN113240649A (zh) | 2021-08-10 |
| CN113240649B CN113240649B (zh) | 2023-12-19 |
Family
ID=77137537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110544385.8A Active CN113240649B (zh) | 2021-05-19 | 2021-05-19 | 一种基于图像分析的建筑构件检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240649B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557971A (zh) * | 2024-01-12 | 2024-02-13 | 湖北神龙工程测试技术有限公司 | 基于物联网的危房监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105158258A (zh) * | 2015-07-15 | 2015-12-16 | 广西师范大学 | 一种基于计算机视觉的竹条表面缺陷检测方法 |
| CN105975972A (zh) * | 2016-04-27 | 2016-09-28 | 湖南桥康智能科技有限公司 | 基于影像的桥梁裂缝检测与特征提取方法 |
| CN106611431A (zh) * | 2015-10-22 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 图片检测方法和装置 |
| CN107240079A (zh) * | 2017-06-09 | 2017-10-10 | 南京理工大学 | 一种基于图像处理的路面裂缝检测方法 |
| CN108764251A (zh) * | 2018-05-03 | 2018-11-06 | 四川斐讯信息技术有限公司 | 一种工件表面裂缝检测方法及系统 |
| CN108921076A (zh) * | 2018-09-21 | 2018-11-30 | 南京信息工程大学 | 基于图像的道面裂缝病害自适应恒虚警检测方法 |
-
2021
- 2021-05-19 CN CN202110544385.8A patent/CN113240649B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105158258A (zh) * | 2015-07-15 | 2015-12-16 | 广西师范大学 | 一种基于计算机视觉的竹条表面缺陷检测方法 |
| CN106611431A (zh) * | 2015-10-22 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 图片检测方法和装置 |
| CN105975972A (zh) * | 2016-04-27 | 2016-09-28 | 湖南桥康智能科技有限公司 | 基于影像的桥梁裂缝检测与特征提取方法 |
| CN107240079A (zh) * | 2017-06-09 | 2017-10-10 | 南京理工大学 | 一种基于图像处理的路面裂缝检测方法 |
| CN108764251A (zh) * | 2018-05-03 | 2018-11-06 | 四川斐讯信息技术有限公司 | 一种工件表面裂缝检测方法及系统 |
| CN108921076A (zh) * | 2018-09-21 | 2018-11-30 | 南京信息工程大学 | 基于图像的道面裂缝病害自适应恒虚警检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| BARKAVI T ET AL: "Processing Digital Image for Measurement of Crack Dimensions in Concrete", 《CIVIL ENGINEERING INFRASTRUCTURES JOURNAL》 * |
| 董安国 等: "混凝土表面裂缝检测的多级聚类算法", 《交通运输工程学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557971A (zh) * | 2024-01-12 | 2024-02-13 | 湖北神龙工程测试技术有限公司 | 基于物联网的危房监测方法 |
| CN117557971B (zh) * | 2024-01-12 | 2024-03-26 | 湖北神龙工程测试技术有限公司 | 基于物联网的危房监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113240649B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102508110B (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
| CN109816678B (zh) | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 | |
| CN114419025A (zh) | 一种基于图像处理的纤维板质量评估方法 | |
| CN109655298B (zh) | 一种大跨度金属屋面的故障实时预警方法及装置 | |
| CN109002974A (zh) | 一种钢卷表面质量分级判定方法及装置 | |
| CN110675588B (zh) | 一种森林火灾检测装置和方法 | |
| CN102628854A (zh) | 汽车仪表板检测系统及方法 | |
| CN105894015B (zh) | 一种道闸状态分析方法和系统 | |
| CN105654051B (zh) | 一种视频检测方法及系统 | |
| CN113344745A (zh) | 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台 | |
| CN110084169A (zh) | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 | |
| CN111767913A (zh) | 一种基于深度学习的动车组车辆故障动态图像检测方法 | |
| CN113240649A (zh) | 一种基于图像分析的建筑构件检测方法及系统 | |
| CN102129685A (zh) | 一种基于高斯金字塔分解的不规则圆检测方法 | |
| CN116519699A (zh) | 一种结构损伤检测系统及结构损伤检测方法 | |
| CN106526558B (zh) | 基于多普勒天气雷达资料的阵风锋自动识别方法 | |
| CN108931774A (zh) | 基于闪电资料的对流性降水识别产品检验方法及系统 | |
| CN115660288A (zh) | 一种基于互联网大数据的分析管理系统 | |
| CN102496030B (zh) | 电力监测系统中危险目标的识别方法及装置 | |
| CN103996266B (zh) | 基于视频分析的尾矿库安全监测装置 | |
| CN116614366B (zh) | 一种基于边缘计算的工业互联网优化方法及系统 | |
| CN112016206A (zh) | 判定塔架失稳状态的方法、系统、计算机设备及应用 | |
| CN116309788A (zh) | 一种3d点云铁路接触线横截面积检测方法 | |
| CN114742826B (zh) | 一种用于市政服装清洗装置的生产异常监测方法 | |
| CN110986787A (zh) | 基于点云数据的变电站支撑式管母形变预警方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |