CN113379690A - 墙体渗水自动检测方法及系统 - Google Patents
墙体渗水自动检测方法及系统 Download PDFInfo
- Publication number
- CN113379690A CN113379690A CN202110603760.1A CN202110603760A CN113379690A CN 113379690 A CN113379690 A CN 113379690A CN 202110603760 A CN202110603760 A CN 202110603760A CN 113379690 A CN113379690 A CN 113379690A
- Authority
- CN
- China
- Prior art keywords
- wall
- edge
- water seepage
- source image
- area
- 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 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 121
- 239000000463 material Substances 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008595 infiltration Effects 0.000 claims abstract description 19
- 238000001764 infiltration Methods 0.000 claims abstract description 19
- 238000003708 edge detection Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 6
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 210000000476 body water Anatomy 0.000 abstract description 7
- 239000007770 graphite material Substances 0.000 abstract description 3
- 239000002585 base Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004567 concrete Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000011150 reinforced concrete Substances 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- AXCZMVOFGPJBDE-UHFFFAOYSA-L calcium dihydroxide Chemical compound [OH-].[OH-].[Ca+2] AXCZMVOFGPJBDE-UHFFFAOYSA-L 0.000 description 1
- 229910001861 calcium hydroxide Inorganic materials 0.000 description 1
- 239000000920 calcium hydroxide Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001629 suppression 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/10—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
- G06T7/60—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种墙体渗水自动检测方法及系统,所述方法包括:获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料;利用边缘检测算法提取所述墙体源图像中渗水区的边缘;根据所述边缘勾勒出所述渗水区的面积;当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。当待检测墙面遇水后,石墨材料变透明并露出底色,因此显露出底色的渗水区能够与完好区域形成较高的对比度,便于渗水区的边缘提取。本申请能够在检测到墙体渗水后,通过报警提示相关人员建筑物内的墙体有渗水现象,以使相关人员及时进行检修,避免造成财产损失及安全隐患。
Description
技术领域
本申请涉及建筑工程技术领域,尤其涉及一种墙体渗水自动检测方法及系统。
背景技术
在防渗处理不当时,建筑物的墙体会有不同程度的渗水现象。墙体渗水会导致墙体发霉,影响墙体强度和损坏墙体内装饰,长此以往易给建筑物留下安全隐患,带来极大的财产损失。尤其是在一些文书、档案、银行、仓库、文物等重要场所,漏雨将造成难以估量的不可恢复性损失。因此,能够及时发现墙体渗水进而能够及时进行补修是尤为重要的。
目前,建筑物的墙体渗水问题通常是由人员观察发现的。对于住宅用房来说,住户能够及时观察到墙体渗水问题。但是对于一些特殊建筑物,如,城市管廊、各种仓库、配电室、电梯井及地铁轨道线路等,人员流动稀少,从而无法及时发现墙体渗水问题。
发明内容
本申请提供了一种墙体渗水自动检测方法及系统,以解决现有技术中墙体渗水现象无法及时发现的技术问题。
为了解决上述技术问题,本申请实施例公开了如下技术方案:
第一方面,本申请实施例公开了一种墙体渗水自动检测方法,包括获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料,所述底色和所述油墨材料的颜色不同,且所述油墨材料遇水变透明;
利用边缘检测算法提取所述墙体源图像中渗水区的边缘;
根据所述边缘勾勒出所述渗水区的面积;
当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。
可选地,在上述墙体渗水自动检测方法中,所述方法还包括:
根据所述边缘的像素灰度值设置边缘阈值,利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区;
若所述墙体源图像中存在其他渗水区,则依次比较所有渗水区与所述预设警戒值的大小。
可选地,在上述墙体渗水自动检测方法中,在所述生成报警信号进行报警之前,所述方法还包括:
通过比对所述渗水区与图像校准卡的位置,定位出所述渗水区的位置,其中,所述图像校准卡设置于所述待检测墙面上,且所述图像校准卡与所述底色的透射波长相同。
可选地,在上述墙体渗水自动检测方法中,所述利用边缘检测算法提取所述墙体源图像中渗水区的边缘,包括:
利用高斯滤波器处理所述墙体源图像,得到墙体平滑图像;
计算所述墙体平滑图像中像素灰度值的梯度,并对所述梯度值进行非极大值抑制,得到边缘像素点;
利用双阈值算法从所述边缘像素点中提取出实际边缘像素点;
连接所述实际边缘像素点得到所述渗水区的边缘。
可选地,在上述墙体渗水自动检测方法中,所述利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区,包括:
将所述边缘阈值与所述墙体源图像中所有像素点的灰度值进行比较;
若所述墙体源图像中像素点的灰度值大于等于所述边缘阈值,则将像素点的灰度值重置为255;
将所有灰度值为255的像素点所勾勒出的一个或多个封闭区域认定为渗水区。
可选地,在上述墙体渗水自动检测方法中,所述利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区,包括:
将所述边缘阈值与所述墙体源图像中所有像素点的灰度值进行比较;
若所述墙体源图像中像素点的灰度值小于所述边缘阈值,则将像素点的灰度值重置为0;
将所有灰度值为0的像素点所勾勒出的区域认定为干扰区域。
第二方面,本申请实施例公开了一种墙体渗水自动检测系统,所述系统包括:采集装置、传输装置、处理装置以及报警装置,其中:
所述采集装置包括相机及旋转云台,所述相机固定于所述旋转云台上,且用于连续采集待检测墙面的图像,所述旋转云台用于控制所述相机旋转;
所述相机通过所述传输装置连接于所述处理装置,所述处理装置通信连接于所述报警装置;
所述处理装置还包括:
获取模块,用于获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料,所述底色和所述油墨材料的颜色不同,且所述油墨材料遇水变透明;
边缘提取模块,用于利用边缘检测算法提取所述墙体源图像中渗水区的边缘;
划分模块,用于根据所述边缘勾勒出所述渗水区的面积;
报警模块,用于当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。
可选地,在上述墙体渗水自动检测系统中,所述处理装置还包括:
遍历模块,用于根据所述边缘的像素灰度值设置边缘阈值,利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区;
比较模块,用于若所述墙体源图像中存在其他渗水区,则依次比较所有渗水区与所述预设警戒值的大小。
可选地,在上述墙体渗水自动检测系统中,所述相机上还设置有滤光镜头,所述滤光镜头与所述底色的透射波长相同。
可选地,在上述墙体渗水自动检测系统中,所述待检测墙面上设置有图像校准卡,所述图像校准卡与所述底色的透射波长相同;
所述处理装置还包括:定位模块,用于通过比对所述渗水区与图像校准卡的位置,定位出所述渗水区的位置。
与现有技术相比,本申请的有益效果为:
本申请提供了一种墙体渗水自动检测方法及系统,将待检测墙面涂刷颜色不同的底色及油墨材料,对待检测墙面进行拍摄,获取连续拍摄的待检测墙面的图像,得到墙体源图像。利用边缘检测算法提取所述墙体源图像中渗水区的边缘,根据所述边缘勾勒出所述渗水区的面积。当待检测墙面遇水后,石墨材料变透明并露出底色,因此显露出底色的渗水区能够与完好区域形成较高的对比度,便于渗水区的边缘提取。当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警,通过报警提示相关人员建筑物内的墙体有渗水现象,以使相关人员及时进行检修,避免造成财产损失及安全隐患。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例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为本发明实施例提供的一种墙体渗水自动检测方法的流程示意图;
图2为本发明实施例提供的渗水区边缘检测方法的流程示意图;
图3为本发明实施例提供的墙体源图像中渗水区处理前后的示意图;
图4为本发明实施例提供的一种墙体渗水自动检测系统的部分结构示意图;
附图标记说明:1、基座;2、固定支撑杆;3、固定支架;4、旋转云台;5、相机;6、滤光镜头;7、传输装置;8、待检测墙面;9、渗水区;10、图像校准卡。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
建筑物的墙体在防水处理不当时都有不同程度的渗水现象,墙体渗水会使钢筋混凝土内部存在的氢氧化钙溶失,一旦钢筋混凝土所处环境的pH值变小,会导致混凝土结构中的钢筋易发生锈蚀,并会加快结构混凝土的碱骨料反应,从而影响到结构安全,缩短了墙体的使用年限。墙体渗水会对不同的建筑物造成不同的危害,如,渗透水会引起电气设备绝缘性能降低,危害城市管廊和配电室等地的电气设备,易造成墙体附属铁件锈蚀损坏,给电梯井、地铁轨道线路留下安全隐患。基于上述问题,本申请实施例提供了一种墙体渗水自动检测方法及系统。下面结合附图说明一下本申请中的墙体渗水自动检测系统。
参见图1,为本发明实施例提供的一种墙体渗水自动检测方法的流程示意图,本申请实施例所提供的墙体渗水自动检测方法包括以下步骤:
S100:获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料,所述底色和所述油墨材料的颜色不同,且所述油墨材料遇水变透明。
为提高渗水检测的灵敏度和图像对比度,本申请对待检测墙面进行了处理,将所述待检测墙面设计为渗水增强涂装结构,首先在墙面上涂刷底色,在底色之上再涂刷遇水变透明的油墨材料,其中,底色可以为红、黄、蓝等颜色,油墨材料的颜色只要与底色不同即可。墙面在涂刷油墨材料并晾干之后,整体呈现出油墨颜色。一旦发生渗水现象,渗水增强涂装的墙面具有透水效果增强的效果,在渗水区的油墨颜色将变为透明,从而显现出底色,显露出的底色与油墨材料的涂层形成较大的色差。
本申请实施例中,通过相机连续采集待检测墙面的图像,得到墙体源图像,相机通过传输装置将墙体源图像传输至处理装置。处理装置获取连续采集的墙体源图像。需要说明的是,本申请中,相机中可以集成基于STM32的OpenMV摄像模块,传输装置可以采用Zigbee传输方式,处理装置可为PC端,也可以是微型Linux主机。
本申请中,相机所采集到的第一张墙体源图像可作为墙体初始图,后续拍摄到的墙体源图像在于墙体初始图比较之后,即可比较出后续墙体源图像中是否增加了某些区域,从而进一步判断新增区域中是否存在渗水区。
在一些实施例中,墙体源图像新增的区域除了可能是渗水区之外,还有可能是一些污渍造成的干扰区。为了排除干扰区,本申请实施例中的相机上可设置有滤光镜头,该滤光镜头与底色的透射波长相同,因此在相机采集墙体源图像时能够避免拍摄到灰色、黑色等干扰区,仅拍摄到遇水显露出底色的渗水区。即使待检测墙体上新增了一块与墙体底色相同颜色的干扰区,在连续拍摄的墙体源图像中,可想而知,干扰区的面积是一成不变的,而渗水区的面积是会逐渐变大的。
在一些实施例中,考虑到由于曝光度不同拍摄出的图像亮度也不同,那么相机所采集的墙体源图像的亮度就不统一。为了避免上述问题,本申请在待检测墙面上设置有与底色透射波长相同的图像校准卡,通过图像校准卡对采集墙体源图像的色度值进行调整,消除采光干扰问题。其中,与底色投射波长相同是为了防止相机上的滤光镜头将图像校准卡过滤出去。
S200:利用边缘检测算法提取所述墙体源图像中渗水区的边缘。
对于墙体源图像中渗水区的边缘提取的计算方法有很多种,以下仅以一种方式为例对渗水区边缘的提取过程进行说明。
参见图2,为本发明实施例提供的渗水区边缘检测方法的流程示意图,结合图2,墙体源图像中渗水区的边缘提取过程如下:
S201:利用高斯滤波器处理所述墙体源图像,得到墙体平滑图像;
本申请中,滤波的主要目的是降噪,通过高斯滤波器进行滤波,使得图像变得平滑,其计算过程如下:
也就是说,用一个高斯矩阵乘以墙体平滑图像中每一个像素点及其邻域,取其带权重的平均值作为该像素最后的灰度值。
S202:计算所述墙体平滑图像中像素灰度值的梯度,并对所述梯度值进行非极大值抑制,得到边缘像素点。
在墙体平滑图像中,用梯度来表示灰度值的变化程度和方向,其中边缘是灰度值变化较大的像素点的集合,一道黑边一道白边中间就是边缘,它的灰度值变化是最大的。
经过高斯滤波之后,边缘的宽度可能增大了,对梯度值进行非极大值抑制,过滤非边缘的像素点,得到边缘像素点,其中,使边缘的宽度尽可能为1个像素点:如果一个像素点属于边缘,那么这个像素点在梯度方向上的梯度值是最大的。否则不是边缘,将其灰度值设为0。
S203:利用双阈值算法从所述边缘像素点中提取出实际边缘像素点。
在步骤S202之后,墙体平滑图像中剩余的像素点可以较准确地表示出实际边缘。然而,仍然存在由于噪声和颜色变化引起的一些边缘像素。本申请通过双阈值算法抑制这些杂散响应,确定出实际边缘像素点,即通过选择高低阈值,用弱梯度值过滤边缘像素点,并保留具有高梯度值的边缘像素点。如果边缘像素点的梯度值高于高阈值,则将其标记为强边缘像素点;如果边缘像素点的梯度值小于高阈值并且大于低阈值,则将其标记为弱边缘像素点;如果边缘像素点的梯度值小于低阈值,则会被抑制。其中,强边缘像素点即为实际边缘像素点,弱边缘像素点若为强边缘像素点的邻接,则判定为实际边缘像素点;否则为非边缘像素点,会被抑制。
S204:连接所述实际边缘像素点得到所述渗水区的边缘。
参见图3,为本发明实施例提供的墙体源图像中渗水区处理前后的示意图。图3左侧为渗水区原墙面图像,右侧为处理后的图像。
以上为墙体源图像渗水区的边缘提取过程。
S300:根据所述边缘勾勒出所述渗水区的面积。
为了确保没有遗漏的渗水区,处理装置会对所采集的墙体源图像中的像素点进行一一排查。本申请实施例中,根据所述边缘的像素灰度值设置边缘阈值,利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区。根据步骤S200所提取出的边缘,取所有边缘的像素灰度值的平均值为边缘阈值,将边缘阈值与墙体源图像中所有像素点的灰度值进行比较。若墙体源图像中像素点的灰度值大于等于边缘阈值,则将像素点的灰度值重置为255;若墙体源图像中像素点的灰度值小于边缘阈值,则将像素点的灰度值重置为0。将所有灰度值为255的像素点所勾勒出的一个或多个封闭区域认定为渗水区,将所有灰度值为0的像素点所勾勒出的区域认定为干扰区域。
本申请实施例中,若所述墙体源图像中存在其他渗水区,则进行下述步骤S400,依次比较所有渗水区与所述预设警戒值的大小,当满足报警条件时,进行报警。
S400:当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。
本申请实施例中,处理器内设置有预设警戒值,当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。当所述渗水区的面积小于等于预设警戒值时,处理装置将其暂时忽略。
在一些实施例中,报警的形式可以是多样的,例如,处理装置可以将报警信号通过ZigBee传输至检测现场所安装的蜂鸣器,通过蜂鸣器在现场进行报警,或者处理装置将报警信号通过WiFi传输至移动端,便于用户随时随地进行查看。
本申请实施例中,上述图像校准卡除了为调整色度值提供基准以外,还能够作为位置参照物。当处理装置分析出有需要报警的渗水区时,可通过该渗水区与图像校准卡的相对位置,从而进行渗水区的定位。
本申请中,当待检测墙面遇水后,石墨材料变透明并露出底色,因此显露出底色的渗水区能够与完好区域形成较高的对比度,便于渗水区的边缘提取。当所述渗水区的面积增大到需要报警时,能够及时通过报警提示相关人员建筑物内的墙体有渗水现象,以使相关人员及时进行检修,实现了实时预警,避免造成财产损失及安全隐患。
为了进一步说明墙体渗水自动检测的过程,本申请实施例还提供了一种墙体渗水自动检测系统。
参见图4,为本发明实施例提供的一种墙体渗水自动检测系统的部分结构示意图。结合图4,本申请中墙体渗水自动检测系统包括:采集装置、传输装置7、处理装置以及报警装置。对于待检测墙面8来说,依次涂刷有底色和油墨材料,以使遇水后渗水区9的油墨材料变透明并显现出底色。采集装置包括相机5及旋转云台4,相机5固定于旋转云台4上,且用于连续采集待检测墙面的图像,旋转云台4用于控制相机5旋转,便于大面积的完成带检测墙面的扫描。采集装置可以通过固定支架3设置于固定支撑杆2上,固定支撑杆2可通过底座1竖立于地面,通过底座1和固定支撑杆2,可以实现采集装置的移动,便于调整采集装置的位置。当然,采集装置也可直接通过固定支架3固定于建筑物的墙角上。相机5通过传输装置7连接于处理装置,处理装置通信连接于报警装置。
本申请实施例中,若建筑物内是矩形空间的话,采集装置可采用对角安装,若建筑物内是更复杂的空间则需要安装更多的采集装置。
本申请实施例中,处理装置还包括:获取模块,用于获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料,所述底色和所述油墨材料的颜色不同,且所述油墨材料遇水变透明。边缘提取模块,用于利用边缘检测算法提取所述墙体源图像中渗水区的边缘。划分模块,用于根据所述边缘勾勒出所述渗水区的面积。报警模块,用于当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。
本申请实施例中,处理装置还包括:遍历模块,用于根据所述边缘的像素灰度值设置边缘阈值,利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区。比较模块,用于若所述墙体源图像中存在其他渗水区,则依次比较所有渗水区与所述预设警戒值的大小。
本申请实施例中,相机5上还设置有滤光镜头6,滤光镜头6与底色的透射波长相同,因此相机5采集墙体源图像时能够避免拍摄到灰色、黑色等干扰区,只采集与底色的透射波长相同区域。
本申请实施例中,待检测墙面8上设置有图像校准卡10,图像校准卡10与色的透射波长相同,防止被滤光镜头6滤除。处理装置还包括:定位模块,用于通过比对所述渗水区与图像校准卡的位置,定位出所述渗水区的位置。
本申请实施例所提供的墙体渗水自动检测系统能够应用于各种人员流动稀少,有墙体渗水风险且会造成财产损失的建筑物内,当检测到发生渗水时,通过报警提示相关人员建筑物内的墙体有渗水现象,以使相关人员及时进行检修,避免造成财产损失及安全隐患。
由于以上实施方式均是在其他方式之上引用结合进行说明,不同实施例之间均具有相同的部分,本说明书中各个实施例之间相同、相似的部分互相参见即可。在此不再详细阐述。
需要说明的是,在本说明书中,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,而不一定要求或暗示这些实体或操作之间存在任何这种实际的关系或顺序。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电路结构、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电路结构、物品或者设备所固有的要素。在没有更多限制的情况下,有语句“包括一个……”限定的要素,并不排除在包括所述要素的电路结构、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本申请的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求的内容指出。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (10)
1.一种墙体渗水自动检测方法,其特征在于,所述方法包括:
获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料,所述底色和所述油墨材料的颜色不同,且所述油墨材料遇水变透明;
利用边缘检测算法提取所述墙体源图像中渗水区的边缘;
根据所述边缘勾勒出所述渗水区的面积;
当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。
2.根据权利要求1所述的墙体渗水自动检测方法,其特征在于,所述方法还包括:
根据所述边缘的像素灰度值设置边缘阈值,利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区;
若所述墙体源图像中存在其他渗水区,则依次比较所有渗水区与所述预设警戒值的大小。
3.根据权利要求1所述的墙体渗水自动检测方法,其特征在于,在所述生成报警信号进行报警之前,所述方法还包括:
通过比对所述渗水区与图像校准卡的位置,定位出所述渗水区的位置,其中,所述图像校准卡设置于所述待检测墙面上,且所述图像校准卡与所述底色的透射波长相同。
4.根据权利要求1所述的墙体渗水自动检测方法,其特征在于,所述利用边缘检测算法提取所述墙体源图像中渗水区的边缘,包括:
利用高斯滤波器处理所述墙体源图像,得到墙体平滑图像;
计算所述墙体平滑图像中像素灰度值的梯度,并对所述梯度值进行非极大值抑制,得到边缘像素点;
利用双阈值算法从所述边缘像素点中提取出实际边缘像素点;
连接所述实际边缘像素点得到所述渗水区的边缘。
5.根据权利要求2所述的墙体渗水自动检测方法,其特征在于,所述利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区,包括:
将所述边缘阈值与所述墙体源图像中所有像素点的灰度值进行比较;
若所述墙体源图像中像素点的灰度值大于等于所述边缘阈值,则将像素点的灰度值重置为255;
将所有灰度值为255的像素点所勾勒出的一个或多个封闭区域认定为渗水区。
6.根据权利要求2所述的墙体渗水自动检测方法,其特征在于,所述利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区,包括:
将所述边缘阈值与所述墙体源图像中所有像素点的灰度值进行比较;
若所述墙体源图像中像素点的灰度值小于所述边缘阈值,则将像素点的灰度值重置为0;
将所有灰度值为0的像素点所勾勒出的区域认定为干扰区域。
7.一种墙体渗水自动检测系统,其特征在于,所述系统包括:采集装置、传输装置、处理装置以及报警装置,其中:
所述采集装置包括相机及旋转云台,所述相机固定于所述旋转云台上,且用于连续采集待检测墙面的图像,所述旋转云台用于控制所述相机旋转;
所述相机通过所述传输装置连接于所述处理装置,所述处理装置通信连接于所述报警装置;
所述处理装置还包括:
获取模块,用于获取连续采集的待检测墙面的图像,得到墙体源图像,其中所述待检测墙面依次涂刷底色及油墨材料,所述底色和所述油墨材料的颜色不同,且所述油墨材料遇水变透明;
边缘提取模块,用于利用边缘检测算法提取所述墙体源图像中渗水区的边缘;
划分模块,用于根据所述边缘勾勒出所述渗水区的面积;
报警模块,用于当所述渗水区的面积大于预设警戒值时,生成报警信号进行报警。
8.根据权利要求7所述的墙体渗水自动检测系统,其特征在于,所述处理装置还包括:
遍历模块,用于根据所述边缘的像素灰度值设置边缘阈值,利用所述边缘阈值遍历所述墙体源图像中所有像素点的灰度值,排查所述墙体源图像中是否存在其他渗水区;
比较模块,用于若所述墙体源图像中存在其他渗水区,则依次比较所有渗水区与所述预设警戒值的大小。
9.根据权利要求7所述的墙体渗水自动检测系统,其特征在于,所述相机上还设置有滤光镜头,所述滤光镜头与所述底色的透射波长相同。
10.根据权利要求7所述的墙体渗水自动检测系统,其特征在于,所述待检测墙面上设置有图像校准卡,所述图像校准卡与所述底色的透射波长相同;
所述处理装置还包括:定位模块,用于通过比对所述渗水区与图像校准卡的位置,定位出所述渗水区的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603760.1A CN113379690B (zh) | 2021-05-31 | 2021-05-31 | 墙体渗水自动检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603760.1A CN113379690B (zh) | 2021-05-31 | 2021-05-31 | 墙体渗水自动检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379690A true CN113379690A (zh) | 2021-09-10 |
CN113379690B CN113379690B (zh) | 2023-04-07 |
Family
ID=77575090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110603760.1A Active CN113379690B (zh) | 2021-05-31 | 2021-05-31 | 墙体渗水自动检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379690B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113834607A (zh) * | 2021-11-29 | 2021-12-24 | 广东省有色工业建筑质量检测站有限公司 | 外墙淋水数据处理方法与装置 |
WO2022143391A1 (zh) * | 2020-12-28 | 2022-07-07 | 中国第一汽车股份有限公司 | 动力电池渗水监测方法、装置、控制单元及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256157A (zh) * | 2008-03-26 | 2008-09-03 | 广州中国科学院工业技术研究院 | 表面缺陷检测方法、装置 |
CN101839688A (zh) * | 2009-08-21 | 2010-09-22 | 上海铭源数康生物芯片有限公司 | 基于机器视觉的生物芯片点样过程实时检测系统及分析方法 |
CN104614299A (zh) * | 2015-02-11 | 2015-05-13 | 上海同标质量检测技术有限公司 | 一种利用变色油墨的混凝土抗渗试验系统及方法 |
CN105466430A (zh) * | 2015-12-31 | 2016-04-06 | 零度智控(北京)智能科技有限公司 | 一种无人机的定位方法和装置 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CA3012010A1 (en) * | 2017-07-19 | 2019-01-19 | Roofsmart Alert Systems Llp | Moisture detection and indicator tape, system and method of use |
CN110570411A (zh) * | 2019-09-05 | 2019-12-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于变异系数的Mura检测方法及装置 |
CN112614115A (zh) * | 2020-12-28 | 2021-04-06 | 中国第一汽车股份有限公司 | 动力电池渗水监测方法 |
-
2021
- 2021-05-31 CN CN202110603760.1A patent/CN113379690B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256157A (zh) * | 2008-03-26 | 2008-09-03 | 广州中国科学院工业技术研究院 | 表面缺陷检测方法、装置 |
CN101839688A (zh) * | 2009-08-21 | 2010-09-22 | 上海铭源数康生物芯片有限公司 | 基于机器视觉的生物芯片点样过程实时检测系统及分析方法 |
CN104614299A (zh) * | 2015-02-11 | 2015-05-13 | 上海同标质量检测技术有限公司 | 一种利用变色油墨的混凝土抗渗试验系统及方法 |
CN105466430A (zh) * | 2015-12-31 | 2016-04-06 | 零度智控(北京)智能科技有限公司 | 一种无人机的定位方法和装置 |
CA3012010A1 (en) * | 2017-07-19 | 2019-01-19 | Roofsmart Alert Systems Llp | Moisture detection and indicator tape, system and method of use |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN110570411A (zh) * | 2019-09-05 | 2019-12-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于变异系数的Mura检测方法及装置 |
CN112614115A (zh) * | 2020-12-28 | 2021-04-06 | 中国第一汽车股份有限公司 | 动力电池渗水监测方法 |
Non-Patent Citations (2)
Title |
---|
赵小川 著: "《现代数字图像处理技术提高及应用案例详解 MATLAB版》", 30 April 2012, 北京航空航天大学出版社 * |
魏庆葆 等著: "《印刷色彩控制技术 印刷色彩管理》", 31 August 2012, 中国轻工业出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022143391A1 (zh) * | 2020-12-28 | 2022-07-07 | 中国第一汽车股份有限公司 | 动力电池渗水监测方法、装置、控制单元及介质 |
CN113834607A (zh) * | 2021-11-29 | 2021-12-24 | 广东省有色工业建筑质量检测站有限公司 | 外墙淋水数据处理方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113379690B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113379690B (zh) | 墙体渗水自动检测方法及系统 | |
Lin et al. | Automatic water-level detection using single-camera images with varied poses | |
CN106680285B (zh) | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 | |
CN102175613B (zh) | 基于图像亮度特征的ptz视频能见度检测方法 | |
Carbonneau et al. | Feature based image processing methods applied to bathymetric measurements from airborne remote sensing in fluvial environments | |
KR102039955B1 (ko) | 지능형 영상분석을 이용한 기상정보 측정장치 | |
CN107240079A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
Friman et al. | Methods for large-scale monitoring of district heating systems using airborne thermography | |
CN106373134B (zh) | 一种基于线结构光三维测量的公路标线检测方法 | |
Huisman et al. | The use of video imagery to analyse groundwater and shoreline dynamics on a dissipative beach | |
CN108827181A (zh) | 一种基于视觉的板材表面检测方法 | |
CN109460705A (zh) | 基于机器视觉的输油管道监控方法 | |
CN110276787B (zh) | 基于标志物图像检测的导线舞动监测方法 | |
CN111798529B (zh) | 基于图像识别的管网自由出流流量在线监测方法 | |
TWI481824B (zh) | 水位監控方法 | |
CN107256623B (zh) | 信号数据接收和处理系统 | |
CN114723691B (zh) | 基于人工智能的液压系统漏油故障程度检测方法 | |
CN112668478A (zh) | 一种井盖监控方法、装置、电子设备和存储介质 | |
CN111307267A (zh) | 一种基于同心圆检测的导线舞动监测方法 | |
TW201418671A (zh) | 水位量測方法 | |
CN117079212A (zh) | 一种烟雾检测方法、装置、电子设备及存储介质 | |
Tuan et al. | Monitoring urban surface water bodies change using mndwi estimated from pan-sharpened optical satellite images | |
CN116129287A (zh) | 基于遥感的流域水生态风险预警和判别方法、装置及介质 | |
CN109186675B (zh) | 内涝监测方法及装置 | |
CN112001271A (zh) | 一种工地道路保洁方法、装置和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |