CN113959339A - 获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统 - Google Patents
获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统 Download PDFInfo
- Publication number
- CN113959339A CN113959339A CN202111030149.0A CN202111030149A CN113959339A CN 113959339 A CN113959339 A CN 113959339A CN 202111030149 A CN202111030149 A CN 202111030149A CN 113959339 A CN113959339 A CN 113959339A
- Authority
- CN
- China
- Prior art keywords
- crack
- width
- images
- image
- fracture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000010219 correlation analysis Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 8
- 239000002184 metal Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000994 depressogenic effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
Abstract
本发明提供了一种获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统,该方法包括:定时采集裂缝图像;首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;计算标记位置的裂缝像素距离;根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。本发明通过手动标记,选定有代表意义的位置监测裂缝宽度,可以有针对性的选择要监测的位置,通过对标记位置上图像的灰度值进行相关分析,结合裂缝部位的特性进行针对性匹配提取,最终计算出需要的裂缝宽度,不仅大大降低了算法的复杂性,而且有利于提升准确度,可以快速准确的监测固定位置的裂缝变化情况。
Description
技术领域
本发明涉及工程质量监测领域,尤其涉及一种获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统。
背景技术
桥梁、隧道、建筑、混凝土路面、金属表面等裂缝宽度的大小直接反应工程质量,裂缝特征反映了当前的工作和结构状态,当裂缝特征参数超过安全阈值时,不仅会影响建筑设施的美观性、耐久性,甚至会危及人身财产的安全。因此,正确监测建筑物表面裂缝,预测其发展情况,对工程整体结构的评估、鉴定、维护工作以及做好安全管理工作具有非常重要的现实意义。
现在常用的裂缝检测方法为:1、通过标尺和裂缝宽度对比卡来测量裂缝宽度;2、将裂缝图像显示在显示屏上,利用人工读取裂缝宽度;将裂缝图像显示在显示屏上,借助图像处理算法对裂缝图像进行处理和识别,自动判读裂缝宽度。
上述方法存在以下问题:
1、以上方法均不能实现在线实时监测,每次检测都需要人工到达现场进行测量才能获取当前裂缝结果,需投入大量人力和时间,无法达到持续监测的目的。
2、以上方法都含有人为主观因素,由于操作人员经验不同,判断结果准确性低。每次检测的具体裂缝位置不可能完全一致,所以就算测量准确,也无法代表裂缝的变化趋势。
3、以上方法2中,自动判读裂缝图像中的裂缝宽度,存在图像采集设备易受物距、角度、光纤强度环境变化,影响图像的不一致性,最终影响测量精度。
发明内容
本发明的目的在于提供一种获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统,旨在实现在线实时监测裂缝宽度并提高测量的精度。
本发明是这样实现的:
第一方面,本发明提供一种获取裂缝宽度的方法,包括以下步骤:
定时采集裂缝图像;
首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,并将标记信息记录下来,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;
计算标记位置的裂缝像素距离;
根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。
进一步地,所述对裂缝图像中裂缝的待监测部位进行手动标记具体包括:
对裂缝图像中裂缝重点监测部位进行手动标记;或者
对裂缝图像中裂缝成像较佳的部位进行手动标记。
进一步地,所述手动标记为在裂缝图像显示的裂缝上划至少一条垂直于裂缝方向的线段,所述计算标记位置的裂缝像素距离具体包括:
获取划线的线段上每个点的灰度值;
对灰度值进行数据拟合以消除图像上的特异点;
对数据拟合后的灰度值进行阈值过滤;
根据阈值过滤后的灰度值波形,计算每个点处灰度值斜率的大小,并判断各个点是否为折点,以及为下降折点还是上升折点;
根据折点的判断结果确定下凹区域,并计算出最宽的下凹区域的像素距离即为裂缝像素距离。
进一步地,所述获取划线的线段上每个点的灰度值具体包括:
通过DDA算法进行计算获取划线的线段上每个点的灰度值。
进一步地,所述对灰度值进行数据拟合以消除图像上的特异点具体包括:
对灰度值进行一定范围内的加权平均,计算方法如下:
其中,k为拟合范围,Q为权重系数,V为灰度值。
进一步地,所述对数据拟合后的灰度值进行阈值过滤的计算方法如下:
Vthreshold=Min(Vavg,(k*Vmax+(1-k)*Vmin))
其中,Vthreshold为过滤后的阈值,Vavg代表线段平均灰度值,Vmax代表最高灰度,Vmin代表最低灰度,k代表阈值限位比例,范围为0~1。
进一步地,所述裂缝图像实际宽度与像素值的比例关系通过以下方法获取:
裂缝图像采集之前在被测裂缝周边粘贴有刻度线,根据采集的裂缝图像上的刻度线的实际距离和像素距离确定裂缝图像实际宽度与像素值的比例关系。
第二方面,本发明提供一种获取裂缝宽度的装置,包括:
裂缝图像采集模块,用于定时采集裂缝图像;
手动标记模块,用于首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,并将标记信息记录下来,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;
裂缝像素距离计算模块,用于计算标记位置的裂缝像素距离;
裂缝实际宽度计算模块,用于根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。
第三方面,本发明提供一种裂缝监测仪,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
第四方面,本发明提供一种在线裂缝监测系统,包括如上所述的裂缝监测仪以及服务器和客户端,所述裂缝检测仪固定在裂缝位置,所述裂缝监测仪将裂缝图像及裂缝宽度数据上报到服务器,所述服务器将数据转发给所述客户端,所述客户端用于展现裂缝图像并在裂缝图像上自动绘制有电子标尺。
与现有技术相比,本发明具有以下有益效果:
本发明提供的这种获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统,通过对首次采集到的裂缝图像进行手动标记,选定选定有代表意义的位置监测裂缝宽度,可以有针对性的选择要监测的位置,通过对标记位置上图像的灰度值进行相关分析,结合裂缝部位的特性进行针对性匹配提取,最终计算出需要的裂缝宽度,不仅大大降低了算法的复杂性,而且有利于提升准确度,可以快速准确的监测固定位置的裂缝变化情况。
附图说明
图1为本发明实施例提供的一种获取裂缝宽度的方法的流程图;
图2为本发明实施例提供的对裂缝图像划线的示意图;
图3为本发明实施例提供的一种获取裂缝宽度的装置的结构框图;
图4为本发明实施例提供的一种在线裂缝监测系统的结构示意图。
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它实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供一种获取裂缝宽度的方法,包括以下步骤:
S1、定时采集裂缝图像;
本实施例中将裂缝检测仪固定在裂缝位置,通过裂缝监测仪集成的显微摄像头采集裂缝图像,采集之前在被监测裂缝周边粘贴刻度线,保证刻度线处于拍照视野区域,该刻度线用于确定裂缝图像实际宽度与像素值的比例关系,以确保最终计算出的实际宽度结果是准确。本实施例中的刻度线为按一定间距打在金属片上的十字标记,将金属片粘贴在被测裂缝周边即可。
S2、对裂缝图像中裂缝的待监测部位进行手动标记,参见图2所示;
由于监测场景的多样性,被监测裂缝表面拍照成像后,裂缝的像素特性与非裂缝位置的像素特性可能会较为接近,通过整张成像自动识别很容易造成裂缝位置识别错误或宽度测量不准确。
首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,并将标记信息记录下来,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;
手动标记是利用软件在裂缝图像显示的裂缝上进行标记,通过手动标记,选定有代表意义的位置监测裂缝宽度,有利于分析变化趋势,避免自动识别缝隙位置不同造成变化趋势误判。且可根据需要有针对性的选择要监测的位置。一方面可以突出监测重点,对裂缝图像中裂缝重点监测部位进行手动标记,更贴合用户需求;另一方面可以对裂缝图像中裂缝成像较佳的部位进行手动标记,提高算法计算的准确率。
S3、计算标记位置的裂缝像素距离;
本实施例中手动标记具体为在裂缝图像显示的裂缝上至少一条垂直于裂缝方向的线段,线段的长度大于裂缝的宽度且两端均超出裂缝的边缘,所述计算标记位置的裂缝像素距离具体包括:
S3.1、获取划线的线段上每个点的灰度值;具体可以通过DDA算法进行计算获取划线的线段上每个点的灰度值。
S3.2、对灰度值进行数据拟合以消除图像上的特异点,避免对计算产生影响;具体为对灰度值进行一定范围内的加权平均,计算方法如下:
其中,k为拟合范围,Q为权重系数,V为灰度值。
S3.3、对数据拟合后的灰度值进行阈值过滤;计算方法如下:
Vthreshold=Min(Vavg,(k*Vmax+(1-k)*Vmin))
其中,Vthreshold为过滤后的阈值,Vavg代表线段平均灰度值,Vmax代表最高灰度,Vmin代表最低灰度,k代表阈值限位比例,范围为0~1。
裂缝一般位于灰度值较低的黑色区域,通过阈值过滤后,波形图特征更加明显。
本实施例支持不同场景下算法参数阈值的动态设定。平台提供了算法在线调试工具,能够实时展现不同参数设定下的图形、图像、数据结果,便于用户在不同场景不同图像质量情况下能挑选最优的参数匹配。
S3.4、根据阈值过滤后的灰度值波形,计算每个点处灰度值斜率的大小,并判断各个点是否为折点,以及为下降折点还是上升折点;
裂缝被锁定在有限的几个下凹区域中。折点的提取,即是为了找到这些下凹区域。
S3.5、根据折点的判断结果确定下凹区域,并计算出最宽的下凹区域的像素距离即为裂缝像素距离。
每个下凹区域开始于一个下降折点,终止于一个上升折点。从而可以通过折点的判断结果确定下凹区域,且通过对应的下降折点和上升折点的距离,可以计算出所有下凹区域的宽度。其中最宽的下凹区域,即代表裂缝所在位置,因此最宽的下凹区域的像素距离即为裂缝像素距离。
S4、根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。
所述裂缝图像实际宽度与像素值的比例关系可以通过以下方法获取:
由于在裂缝图像采集之前在被测裂缝周边粘贴有刻度线,因此采集的裂缝图像上带有刻度线,可以根据采集的裂缝图像上的刻度线的实际距离和像素距离确定裂缝图像实际宽度与像素值的比例关系。本实施例中,十字标记的实际距离是提前在金属片上固定好的,而图像上十字标记的像素距离可以通过算法自动获取。本实施例中,十字标记白色,而背景纯黑设计,可以大大降低自动测距算法的复杂性,绝大部分情况下通过二值化等常规手段处理后能获取准确结果。优选地,平台同时提供了图像手动测距工具,可以手动测量十字标记的像素距离,此结果可以用于校正。通过自带刻度线自动标定校准,可以解决因拍照畸变误差导致测量精度误差。
最后将像素距离转为实际距离,即得出了裂缝的实际宽度。计算结果同时可以保存裂缝的起止坐标信息。
优选地,计算的过程以及结果都可以通过图形或图像进行直观展示,大大提高了算法的可信赖度。
本发明提供的这种获取裂缝宽度的方法,通过对首次采集到的裂缝图像进行手动标记,选定选定有代表意义的位置监测裂缝宽度,可以有针对性的选择要监测的位置,通过对标记位置上图像的灰度值进行相关分析,结合裂缝部位的特性进行针对性匹配提取,最终计算出需要的裂缝宽度,不仅大大降低了算法的复杂性,而且有利于提升准确度,可以快速准确的监测固定位置的裂缝变化情况。
基于同一发明构思,本发明实施例还提供一种获取裂缝宽度的装置,由于该装置解决技术问题的原理与上述方法实施例相似,故该装置的实施可以参照上述方法的实施,重复之处不再赘述。
如图3所示,为本发明实施例提供的一种获取裂缝宽度的装置,用于实现上述实施例的方法,该装置包括:
裂缝图像采集模块21,用于采集裂缝图像;
手动标记模块22,用于首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,并将标记信息记录下来,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;
裂缝像素距离计算模块23,用于计算标记位置的裂缝像素距离;
裂缝实际宽度计算模块24,用于根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。
本发明实施例还提供一种裂缝监测仪31,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
如图4所示,本发明实施例提供一种在线裂缝监测系统,包括如上所述的裂缝监测仪31以及服务器32和客户端33,所述裂缝检测仪31固定在裂缝位置,定时采集裂缝图像并采用上述的方法获取裂缝实际宽度,将裂缝图像及裂缝宽度数据上报到服务器32,所述服务器32将数据转发给所述客户端33,所述客户端33用于展现裂缝图像并在裂缝图像上自动绘制有电子标尺。
具体地,该裂缝监测仪31集成显微摄像头进行图像采集,同时集成有4G网络通讯、温度监测、湿度监测等功能。根据设置参数定时采集裂缝图像、温度、湿度数据,处理器进行裂缝算法及逻辑处理,通过4G网络进行数据上报到服务器。采用电池供电,超低功耗待机工作,实现在线实时监测记录数据。采用4G网络通讯,信号覆盖广。还裂缝监测仪安装方便,体积小,采用无线通讯和电池供电不需要布线,采用强力胶粘贴不需要钻孔,无损安装。特别适合偏僻恶劣环境安装。且针对桥梁、金属等监测对象,不允许破坏性安装方式非常适合。裂缝监测仪31的显微摄像头边框与被拍裂缝面采用黑色软胶密封条密封,内部补光采用均匀LED灯,在外界光线变化情况下,拍照补光亮度一致,保证拍照成像质量。
所述服务器32用于转发裂缝监测仪31和客户端33之间数据通讯交互,以及用于云数据存储,保存历史上传的各项数据记录,以供裂缝宽度数据变化趋势分析与预判。
所述客户端33为WEB客户端或者手机客户端,用于将裂缝监测仪上报的数据进行实时显示,且一旦达到设置阈值,则进行消息推送报警提示,还具有历史数据查看及统计分析等功能,以及基于上传裂缝图像,手动编辑添加监测条件等。客户端33显示的被拍裂缝图片,自动绘制电子标尺,支持人工测距。一方面可以校核自动测距算法的准确度,另一方面给用户提供了分析图像的工具,能协助用户获取更多的裂缝信息。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (10)
1.一种获取裂缝宽度的方法,其特征在于,包括以下步骤:
定时采集裂缝图像;
首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,并将标记信息记录下来,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;
计算标记位置的裂缝像素距离;
根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。
2.如权利要求1所述的获取裂缝宽度的方法,其特征在于,所述对裂缝图像中裂缝的待监测部位进行手动标记具体包括:
对裂缝图像中裂缝重点监测部位进行手动标记;或者
对裂缝图像中裂缝成像较佳的部位进行手动标记。
3.如权利要求1所述的获取裂缝宽度的方法,其特征在于,所述手动标记为在裂缝图像显示的裂缝上划至少一条垂直于裂缝方向的线段,所述计算标记位置的裂缝像素距离具体包括:
获取划线的线段上每个点的灰度值;
对灰度值进行数据拟合以消除图像上的特异点;
对数据拟合后的灰度值进行阈值过滤;
根据阈值过滤后的灰度值波形,计算每个点处灰度值斜率的大小,并判断各个点是否为折点,以及为下降折点还是上升折点;
根据折点的判断结果确定下凹区域,并计算出最宽的下凹区域的像素距离即为裂缝像素距离。
4.如权利要求3所述的获取裂缝宽度的方法,其特征在于,所述获取划线的线段上每个点的灰度值具体包括:
通过DDA算法进行计算获取划线的线段上每个点的灰度值。
6.如权利要求3所述的获取裂缝宽度的方法,其特征在于,所述对数据拟合后的灰度值进行阈值过滤的计算方法如下:
Vthreshold=Min(Vavg,(k*Vmax+(1-k)*Vmin))
其中,Vthreshold为过滤后的阈值,Vavg代表线段平均灰度值,Vmax代表最高灰度,Vmin代表最低灰度,k代表阈值限位比例,范围为0~1。
7.如权利要求1所述的获取裂缝宽度的方法,其特征在于,所述裂缝图像实际宽度与像素值的比例关系通过以下方法获取:
裂缝图像采集之前在被测裂缝周边粘贴有刻度线,根据采集的裂缝图像上的刻度线的实际距离和像素距离确定裂缝图像实际宽度与像素值的比例关系。
8.一种获取裂缝宽度的装置,其特征在于,包括:
裂缝图像采集模块,用于定时采集裂缝图像;
手动标记模块,用于首次采集到裂缝图像后对裂缝图像中有代表意义的裂缝进行一次手动标记,并将标记信息记录下来,后面采集到的裂缝图像根据该标记信息计算裂缝宽度;
裂缝像素距离计算模块,用于计算标记位置的裂缝像素距离;
裂缝实际宽度计算模块,用于根据裂缝图像实际宽度与像素值的比例关系将裂缝像素距离转化为裂缝实际宽度。
9.一种裂缝监测仪,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一所述方法的步骤。
10.一种在线裂缝监测系统,其特征在于:包括如权利要求9所述的裂缝监测仪以及服务器和客户端,所述裂缝检测仪固定在裂缝位置,所述裂缝监测仪将裂缝图像及裂缝宽度数据上报到服务器,所述服务器将数据转发给所述客户端,所述客户端用于展现裂缝图像并在裂缝图像上自动绘制有电子标尺。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030149.0A CN113959339A (zh) | 2021-09-03 | 2021-09-03 | 获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030149.0A CN113959339A (zh) | 2021-09-03 | 2021-09-03 | 获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113959339A true CN113959339A (zh) | 2022-01-21 |
Family
ID=79460861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111030149.0A Pending CN113959339A (zh) | 2021-09-03 | 2021-09-03 | 获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113959339A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114814916A (zh) * | 2022-04-01 | 2022-07-29 | 煤炭科学研究总院有限公司 | 地表裂缝定位方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009085785A (ja) * | 2007-09-28 | 2009-04-23 | Sanyo Electric Co Ltd | クラック幅計測システム、操作装置、クラック幅計測方法、及びクラック幅計測プログラム |
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 |
CN107507170A (zh) * | 2017-07-28 | 2017-12-22 | 中国民航大学 | 一种基于多尺度图像信息融合的机场跑道裂缝检测方法 |
CN107504901A (zh) * | 2017-07-01 | 2017-12-22 | 浙江大学宁波理工学院 | 利用无人机监测混凝土结构表面裂缝宽度的方法 |
CN108007355A (zh) * | 2017-10-20 | 2018-05-08 | 西安电子科技大学 | 基于图像距离变换的混凝土裂缝检测方法 |
CN208059799U (zh) * | 2018-03-21 | 2018-11-06 | 南通四建集团有限公司 | 一种裂缝检测系统 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN110136196A (zh) * | 2019-01-30 | 2019-08-16 | 西安电子科技大学 | 一种桥梁裂缝宽度自动测量方法 |
CN110378950A (zh) * | 2019-06-18 | 2019-10-25 | 上海同岩土木工程科技股份有限公司 | 一种基于灰度和梯度融合的隧道结构裂缝识别方法 |
CN110765289A (zh) * | 2019-09-25 | 2020-02-07 | 南京理工大学 | 一种快速低成本获取建筑裂缝开度的方法 |
CN111707197A (zh) * | 2020-06-27 | 2020-09-25 | 南京宥安传感科技有限公司 | 一种基于图像处理技术的裂缝宽度变化测量装置 |
CN112785579A (zh) * | 2021-01-26 | 2021-05-11 | 西京学院 | 基于图像处理技术的混凝土裂缝识别方法 |
-
2021
- 2021-09-03 CN CN202111030149.0A patent/CN113959339A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009085785A (ja) * | 2007-09-28 | 2009-04-23 | Sanyo Electric Co Ltd | クラック幅計測システム、操作装置、クラック幅計測方法、及びクラック幅計測プログラム |
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 |
CN107504901A (zh) * | 2017-07-01 | 2017-12-22 | 浙江大学宁波理工学院 | 利用无人机监测混凝土结构表面裂缝宽度的方法 |
CN107507170A (zh) * | 2017-07-28 | 2017-12-22 | 中国民航大学 | 一种基于多尺度图像信息融合的机场跑道裂缝检测方法 |
CN108007355A (zh) * | 2017-10-20 | 2018-05-08 | 西安电子科技大学 | 基于图像距离变换的混凝土裂缝检测方法 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN208059799U (zh) * | 2018-03-21 | 2018-11-06 | 南通四建集团有限公司 | 一种裂缝检测系统 |
CN110136196A (zh) * | 2019-01-30 | 2019-08-16 | 西安电子科技大学 | 一种桥梁裂缝宽度自动测量方法 |
CN110378950A (zh) * | 2019-06-18 | 2019-10-25 | 上海同岩土木工程科技股份有限公司 | 一种基于灰度和梯度融合的隧道结构裂缝识别方法 |
CN110765289A (zh) * | 2019-09-25 | 2020-02-07 | 南京理工大学 | 一种快速低成本获取建筑裂缝开度的方法 |
CN111707197A (zh) * | 2020-06-27 | 2020-09-25 | 南京宥安传感科技有限公司 | 一种基于图像处理技术的裂缝宽度变化测量装置 |
CN112785579A (zh) * | 2021-01-26 | 2021-05-11 | 西京学院 | 基于图像处理技术的混凝土裂缝识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114814916A (zh) * | 2022-04-01 | 2022-07-29 | 煤炭科学研究总院有限公司 | 地表裂缝定位方法、装置及电子设备 |
CN114814916B (zh) * | 2022-04-01 | 2023-09-26 | 煤炭科学研究总院有限公司 | 地表裂缝定位方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180247121A1 (en) | Systems and methods for surface and subsurface damage assessments, patch scans, and visualization | |
CN104410839B (zh) | 一种移动式输电线杆塔区域山火与山体滑坡灾害在线监测系统与监测方法 | |
KR20190087179A (ko) | 표적을 이용한 구조물 표면 균열 측정 방법 및 이를 기록한 기록매체 | |
CN101713167A (zh) | 桥梁结构健康监测车 | |
CN112802004B (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
CN112903710A (zh) | 桥梁表观病害的监测方法、系统及装置 | |
CN115314637A (zh) | 一种施工现场全景影像的处理系统、处理方法和电子设备 | |
CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
CN113959339A (zh) | 获取裂缝宽度的方法、装置以及裂缝监测仪及监测系统 | |
CN114812403A (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 | |
KR101548077B1 (ko) | 영상 적설량 측정 장치 및 방법 | |
CN107818607A (zh) | 一种基于nfc手持式数据采集器的智能巡检系统 | |
CN111461487A (zh) | 一种基于bim的室内装修工程智慧管理系统 | |
CN113449828B (zh) | 人员现场安全定位管理系统及其管理方法 | |
CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查系统及其排查方法 | |
CN113450471A (zh) | 一种生产园区智能巡检系统 | |
JP3500425B2 (ja) | 可視画像式路面状況把握装置における路面状況判定方法 | |
CN116665125A (zh) | 用于桥隧病害的智能识别系统 | |
CN112781518B (zh) | 一种房屋形变监测方法及系统 | |
KR102036792B1 (ko) | 업무안내용 시설물 안전점검 시스템 및 방법 | |
CN115755069A (zh) | 一种轨道异物检测装置、检测系统及检测方法 | |
CN109000718A (zh) | 一种水工建筑物安全监测系统及方法 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
CN114821025A (zh) | 一种基于深度学习的表计识别方法和系统 | |
CN112712604A (zh) | 一种基于机器视觉的现场巡视质量无感检测方法 |
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 |