CN114384073B - 一种地铁隧道裂纹检测方法及系统 - Google Patents

一种地铁隧道裂纹检测方法及系统 Download PDF

Info

Publication number
CN114384073B
CN114384073B CN202111445143.XA CN202111445143A CN114384073B CN 114384073 B CN114384073 B CN 114384073B CN 202111445143 A CN202111445143 A CN 202111445143A CN 114384073 B CN114384073 B CN 114384073B
Authority
CN
China
Prior art keywords
image
detected
crack
range
tunnel
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.)
Active
Application number
CN202111445143.XA
Other languages
English (en)
Other versions
CN114384073A (zh
Inventor
杨杰
邓成呈
程云
汪春
张猛
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.)
Hangzhou Shenhao Technology Co Ltd
Original Assignee
Hangzhou Shenhao Technology 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 Hangzhou Shenhao Technology Co Ltd filed Critical Hangzhou Shenhao Technology Co Ltd
Priority to CN202111445143.XA priority Critical patent/CN114384073B/zh
Publication of CN114384073A publication Critical patent/CN114384073A/zh
Application granted granted Critical
Publication of CN114384073B publication Critical patent/CN114384073B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于地铁隧道裂纹检测方法及系统，方法包括：获取地铁隧道内当前的温度值；判断地铁隧道内当前的温度值是否达到预先设定的温度范围，若达到，则获取第一图像集合；提取每一张所述第一待检测图像的特征信息，并根据特征信息得到每一张待检测图像的第一检查结果；若第一检查结果为包含裂缝，则针对第二待检测图像进行分析，获取第二待检测图像中裂缝的尺寸信息；第二待检测图像为所述第一检查结果为包含裂缝的第一待检测图像；根据地铁隧道内当前的温度值、第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录信息，获取每一张第二待检测图像的第一指数，若所述第一指数高于预设阈值，则发出预警信号。

Description

一种地铁隧道裂纹检测方法及系统
技术领域
本发明涉及隧道检测技术领域，尤其涉及一种地铁隧道裂纹检测方法及系统。
背景技术
在工程实践中，裂纹是隧道工程的常见病害，而且形式多种多样，但是一般可以分为三大类：温度裂纹、施工缝裂纹、沉降缝收缩裂纹。其中，温度裂纹也叫温差裂纹，多由于温差较大引起的，表面温度裂缝走向无一定规律，而且，裂缝宽度大小不一，表面温度裂缝多发生在施工期间，裂缝受到温度变化影响较为明显，冬季较宽，夏季较窄。
现有的隧道裂缝的检测方法中，并没有考虑到温度的因素，只是通过图片进行检测，获取检查结果，如公开号为CN109029381B的专利，公开了一种隧道裂缝的检测方法，仅仅给出了隧道裂缝的检查结果，提高了检测效率，但是对于隧道裂缝在不同温度情况的情况，并没有考虑到。
公开号为CN108287164B的专利公开了一种裂纹检测系统，虽然能够根据高清相机拍摄的裂纹图像，最终能够计算出裂纹的宽度和长度。以及公开号为CN111008956A的专利公开了一种基于图像处理的梁底裂纹检测方法，但是，上述两个专利均没有考虑到如何对裂纹进行预警。
并且，以上的专利文件中的方案，在对隧道的裂缝检测是都是对隧道内部的全部位置检测，并没有具有针对性的检测。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种地铁隧道裂纹检测方法及系统，其解决了现有技术中隧道检测没有针对性、不考虑温度的影响从而导致检测效率低的技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
第一方面，本发明实施例提供一种地铁隧道裂纹检测方法，包括：
S1、获取地铁隧道内当前的温度值；
S2、判断所述地铁隧道内当前的温度值是否达到预先设定的温度范围，若达到，则获取第一图像集合；
所述第一图像集合包括地铁隧道内预先指定的n个第一区域分别一一所对应的n张第一待检测图像；
其中，第一区域的中心点为预先指定的地铁隧道内的第一位置；
所述第一待检测图像为高清相机所采集地铁隧道内的第一区域的图像；
S3、提取每一张所述第一待检测图像的特征信息，并根据所述特征信息得到每一张所述待检测图像的第一检查结果；
S4、若第一检查结果为包含裂缝，则针对第二待检测图像进行分析，获取所述第二待检测图像中裂缝的尺寸信息；
所述第二待检测图像为所述第一检查结果为包含裂缝的第一待检测图像；
所述裂缝的尺寸信息包括裂缝的长度和宽度；
S5、根据所述地铁隧道内当前的温度值、所述第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录信息，获取每一张第二待检测图像的第一指数，若所述第一指数高于预设阈值，则发出预警信号；
所述隧道裂缝的历史维修记录信息包括当前地铁隧道内至少一个裂缝的历史维修次数。
优选的，
所述预先设定的温度范围包括第一范围、第二范围、第三范围、第四范围、第五范围、第六范围；
所述第一范围为35℃-40℃；
所述第二范围为25℃-30℃；
所述第三范围为15℃-20℃；
所述第四范围为5℃-10℃；
所述第五范围为－5℃-0℃；
所述第六范围为－15℃-－10℃。
优选的，所述S5包括：
S51、根据所述地铁隧道内当前的温度值，确定温度系数；
S52、根据所述温度系数、所述第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录，获取每一第二待检测图像的第一指数。
优选的，所述S51具体包括：
若所述当前温度在第一范围内，则确定温度系数为1.5；
若所述当前温度在第二范围内，则确定温度系数为1.2；
若所述当前温度在第三范围内，则确定温度系数为1；
若所述当前温度在第四范围内，则确定温度系数为1.2；
若所述当前温度在第五范围内，则确定温度系数为1.5；
若所述当前温度在第六范围内，则确定温度系数为2。
优选的，所述S52具体包括：
根据所述温度系数、所述第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录，采用公式(1)获取每一第二待检测图像的第一指数；
其中，公式(1)为：
B＝a×L×H；
其中，B为第一指数；a为温度系数；L为第二待检测图像中的裂缝的长度；H为第二待检测图像中的裂缝的宽度。
优选的，在S1之前还包括：
A1、获取地铁隧道中不同区域分别所对应的第三待检测图像；
其中，每一第三待检测图像分别一一对应该第三待检测图像所属的隧道中区域的实际位置的信息；
A2、提取每一所述第三待检测图像的特征信息，并根据所述特征信息得到每一所述第三待检测图像的第一检查结果；
A3、若所述第三待检测图像的第一检查结果为包含裂缝，则针对第四待检测图像继续进行分析，获取第四待检测图像中的裂缝的尺寸信息；
所述第四待检测图像为所述第一检查结果为包含裂缝的第三待检测图像；
A4、根据隧道裂缝的历史维修记录和所述第四待检测图像中的裂缝的尺寸信息确定第四待检测图像所对应的等级；
A5、基于所述第四待检测图像所对应的等级以及每一第四待检测图像分别一一对应该第四待检测图像所属的隧道中区域的实际位置的信息，确定地铁隧道中的第一位置。
优选的，所述A4具体包括：
根据隧道裂缝的历史维修记录和所述第四待检测图像中的裂缝的尺寸信息，采用公式(2)确定每一第四待检测图像所对应的等级；
其中，公式(2)为：
R＝0.42×H+0.34×L+0.24×N；
其中，R为等级；N为第四待检测图像中的裂缝的历史维修次数。
优选的，所述A5具体包括：
基于所述第四待检测图像所对应的等级和每一第四待检测图像分别一一对应的该第四待检测图像所属的隧道中区域的实际位置的信息，通过K-means算法对所述第四待检测图像进行聚类，获取n个聚类中心，并将n个该聚类中心分别作为n个第一位置；
所述K-means算法中的第四待检测图像所对应的位置到聚类中心Oi的距离D的计算公式为：
其中，W为该第四待检测图像所属的隧道中区域的实际位置；oi为第i个聚类中心。
另一方面，本实施例还提供一种地铁隧道裂纹检测系统，所述系统包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述任一所述的地铁隧道裂纹检测方法。
(三)有益效果
本发明的有益效果是：本发明的一种地铁隧道裂纹检测方法及系统，由于首先考虑到了温度因素，同时针对性的对地铁隧道的第一区域的图像进行的检测，提高了地铁隧道裂纹检测的效率。
附图说明
图1为本发明提供的一种基于地铁隧道裂纹检测方法流程图；
图2为本发明实施例中的一种基于地铁隧道裂纹检测方法在获取地铁隧道内当前的温度值之前的步骤流程图；
图3为本发明提供的一种基于地铁隧道裂纹检测系统示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
参见图1，本实施例提供一种基于地铁隧道裂纹检测方法，包括：
S1、获取地铁隧道内当前的温度值。
S2、判断所述地铁隧道内当前的温度值是否达到预先设定的温度范围，若达到，则获取第一图像集合。
所述第一图像集合包括地铁隧道内预先指定的n个第一区域分别一一所对应的n张第一待检测图像。
其中，第一区域的中心点为预先指定的地铁隧道内的第一位置。
所述第一待检测图像为高清相机所采集地铁隧道内的第一区域的图像。
S3、提取每一张所述第一待检测图像的特征信息，并根据所述特征信息得到每一张所述待检测图像的第一检查结果。
在本实施例中，现有技术提供了通过预设训练后的自编码器提取待检测图像的特征信息。具体来说，提取每一张所述第一待检测图像的特征信息，包括对第一待检测图像进行灰度化处理，得到灰度图像，然后对灰度图像进行分割，得到多个子图像，然后将每个子图像输入到已经训练好的自编码器(稀疏自编码器，基于自编码算法，可以进行无监督学习)中，得到该自编码器输出的特征信息。
训练好的自编码器具有对裂缝区域特征与非裂缝区域特征的分类能力。因此，提取待检测图像对应的子图像的特征信息，并分别将子图像的特征信息输入至预设训练后的分类器中，预设训练后的分类器基于子图像的特征信息确定对应的子图像是否包含裂缝，从而输出检查结果，检查结果包括包含裂缝和不包含裂缝。
以上，关于提取每一张所述第一待检测图像的特征信息，并根据所述特征信息得到每一张所述待检测图像的第一检查结果，的具体描述，仅仅是一个具体例子，本实施例中对于提取每一张所述第一待检测图像的特征信息，并根据所述特征信息得到每一张所述待检测图像的第一检查结果，并不做具体的限定。
S4、若第一检查结果为包含裂缝，则针对第二待检测图像进行分析，获取所述第二待检测图像中裂缝的尺寸信息。
具体的，本实施例中可采用现有技术对第二待检测图像进行处理分析可获得第二待检测图像中裂缝的尺寸信息。对此本实施例并不做具体的限定。
所述第二待检测图像为所述第一检查结果为包含裂缝的第一待检测图像。
所述裂缝的尺寸信息包括裂缝的长度和宽度。
S5、根据所述地铁隧道内当前的温度值、所述第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录信息，获取每一张第二待检测图像的第一指数，若所述第一指数高于预设阈值，则发出预警信号。
所述隧道裂缝的历史维修记录信息包括当前地铁隧道内至少一个裂缝的历史维修次数。
在本实施例的实际应用中，所述预先设定的温度范围包括第一范围、第二范围、第三范围、第四范围、第五范围、第六范围。
所述第一范围为35℃-40℃；所述第二范围为25℃-30℃；所述第三范围为15℃-20℃；所述第四范围为5℃-10℃；所述第五范围为－5℃-0℃；所述第六范围为－15℃-－10℃。
在本实施例的实际应用中，所述S5包括：
S51、根据所述地铁隧道内当前的温度值，确定温度系数。
S52、根据所述温度系数、所述第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录，获取每一第二待检测图像的第一指数。
在本实施例的实际应用中，所述S51具体包括：
若所述当前温度在第一范围内，则确定温度系数为1.5。
若所述当前温度在第二范围内，则确定温度系数为1.2。
若所述当前温度在第三范围内，则确定温度系数为1。
若所述当前温度在第四范围内，则确定温度系数为1.2。
若所述当前温度在第五范围内，则确定温度系数为1.5。
若所述当前温度在第六范围内，则确定温度系数为2。
在本实施例的实际应用中，所述S52具体包括：
根据所述温度系数、所述第二待检测图像中裂缝的尺寸信息和预先获取的隧道裂缝的历史维修记录，采用公式(1)获取每一第二待检测图像的第一指数。
其中，公式(1)为：
B＝a×L×H；
其中，B为第一指数；a为温度系数；L为第二待检测图像中的裂缝的长度；H为第二待检测图像中的裂缝的宽度。
在本实施例的实际应用中，参见图2，在S1之前还包括：
A1、获取地铁隧道中不同区域分别所对应的第三待检测图像。
其中，每一第三待检测图像分别一一对应该第三待检测图像所属的隧道中区域的实际位置的信息。
A2、提取每一所述第三待检测图像的特征信息，并根据所述特征信息得到每一所述第三待检测图像的第一检查结果。
A3、若所述第三待检测图像的第一检查结果为包含裂缝，则针对第四待检测图像继续进行分析，获取第四待检测图像中的裂缝的尺寸信息。
所述第四待检测图像为所述第一检查结果为包含裂缝的第三待检测图像。
A4、根据隧道裂缝的历史维修记录和所述第四待检测图像中的裂缝的尺寸信息确定第四待检测图像所对应的等级。
A5、基于所述第四待检测图像所对应的等级以及每一第四待检测图像分别一一对应该第四待检测图像所属的隧道中区域的实际位置的信息，确定地铁隧道中的第一位置。
在本实施例的实际应用中，所述A4具体包括：
根据隧道裂缝的历史维修记录和所述第四待检测图像中的裂缝的尺寸信息，采用公式(2)确定每一第四待检测图像所对应的等级。
其中，公式(2)为：
R＝0.42×H+0.34×L+0.24×N；
其中，R为等级；N为第四待检测图像中的裂缝的历史维修次数。
在本实施例的实际应用中，所述A5具体包括：
基于所述第四待检测图像所对应的等级和每一第四待检测图像分别一一对应的该第四待检测图像所属的隧道中区域的实际位置的信息，通过K-means算法对所述第四待检测图像进行聚类，获取n个聚类中心，并将n个该聚类中心分别作为n个第一位置。
所述K-means算法中的第四待检测图像所对应的位置到聚类中心Oi的距离D的计算公式为：
其中，W为第四待检测图像所属的隧道中区域的实际位置；oi为第i个聚类中心。
本实施例具体应用中通过K-means算法对所述第四待检测图像进行聚类，获取n个聚类中心，并将n个该聚类中心分别作为n个第一位置，例如：
步骤1、从所有第四待检测图像所属的隧道中区域的实际位置中随机选取n个实际位置作为聚类中心。
步骤2、计算剩余的第四待检测图像所属的隧道中区域的实际位置到每个聚类中心的距离，并把它归到最近的聚类中心的类。
其中，第四待检测图像所属的隧道中区域的实际位置W到n个聚类中心的第i个聚类中心Oi的距离D的计算公式为：
步骤3、重新计算已经得到的各个类的聚类中心。
步骤4、重复步骤2至步骤3，直至新的聚类中心与原聚类中心相等或小于指定的阈值，算法结束。将此时的n个聚类中心确定为n个第一位置。
本实施例提供的一种基于地铁隧道裂纹检测方法，可以实现：在地铁隧道内当前的温度值达到预先设定的温度范围时，获取的第一图像集合中的n张第一待检测图像中是高清相机针对地铁隧道中相对重要的区域所拍的图像，能够初步的针对这些区域的图片进行检测，提高检测效率。
另一方面，参见图3，本实施例还提供一种基于地铁隧道裂纹检测系统，所述系统包括：
至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述任一的基于地铁隧道裂纹检测方法。
本实施例提供的一种基于地铁隧道裂纹检测方法及系统，由于首先考虑到了温度因素，同时针对性的对地铁隧道的第一区域的图像进行的检测，提高了地铁隧道裂纹检测的效率。
由于本发明上述实施例所描述的系统，为实施本发明上述实施例的方法所采用的系统，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了解该系统的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统都属于本发明所欲保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (6)

1.一种地铁隧道裂纹检测方法，其特征在于，包括：
S1、获取地铁隧道内当前的温度值；
S2、判断所述地铁隧道内当前的温度值是否达到预先设定的温度范围，若达到，则获取第一图像集合；
所述第一图像集合包括地铁隧道内预先指定的n个第一区域分别一一所对应的n张第一待检测图像；
其中，第一区域的中心点为预先指定的地铁隧道内的第一位置；
所述第一待检测图像为高清相机所采集地铁隧道内的第一区域的图像；
S3、提取每一张所述第一待检测图像的特征信息，并根据所述特征信息得到每一张所述待检测图像的第一检查结果；
S4、若第一检查结果为包含裂缝，则针对第二待检测图像进行分析，获取所述第二待检测图像中裂缝的尺寸信息；
所述第二待检测图像为所述第一检查结果为包含裂缝的第一待检测图像；
所述裂缝的尺寸信息包括裂缝的长度和宽度；
S5、根据所述地铁隧道内当前的温度值、所述第二待检测图像中裂缝的尺寸信息，获取每一张第二待检测图像的第一指数，若所述第一指数高于预设阈值，则发出预警信号；
在S1之前还包括：
A1、获取地铁隧道中不同区域分别所对应的第三待检测图像；
其中，每一第三待检测图像分别一一对应该第三待检测图像所属的隧道中区域的实际位置的信息；
A2、提取每一所述第三待检测图像的特征信息，并根据所述特征信息得到每一所述第三待检测图像的检查结果；
A3、若所述第三待检测图像的检查结果为包含裂缝，则针对第四待检测图像继续进行分析，获取第四待检测图像中的裂缝的尺寸信息；
所述第四待检测图像为检查结果为包含裂缝的第三待检测图像；
A4、根据隧道裂缝的历史维修记录和所述第四待检测图像中的裂缝的尺寸信息确定第四待检测图像所对应的等级；
A5、基于所述第四待检测图像所对应的等级以及每一第四待检测图像分别一一对应该第四待检测图像所属的隧道中区域的实际位置的信息，确定地铁隧道中的第一位置；
所述A4具体包括：
根据隧道裂缝的历史维修记录和所述第四待检测图像中的裂缝的尺寸信息，采用公式(2)确定每一第四待检测图像所对应的等级；
其中，公式(2)为：
R＝0.42×H0+0.34×L0+0.24×N；
其中，R为等级；N为第四待检测图像中的裂缝的历史维修次数；
所述A5具体包括：
基于所述第四待检测图像所对应的等级和每一第四待检测图像分别一一对应的该第四待检测图像所属的隧道中区域的实际位置的信息，通过K-means算法对所述第四待检测图像进行聚类，获取n个聚类中心，并将n个该聚类中心分别作为n个第一位置；
所述K-means算法中的第四待检测图像所对应的位置到聚类中心Oi的距离D的计算公式为：
其中，W为该第四待检测图像所属的隧道中区域的实际位置；oi为第i个聚类中心。
2.根据权利要求1所述的方法，其特征在于，
所述预先设定的温度范围包括第一范围、第二范围、第三范围、第四范围、第五范围、第六范围；
所述第一范围为35℃-40℃；
所述第二范围为25℃-30℃；
所述第三范围为15℃-20℃；
所述第四范围为5℃-10℃；
所述第五范围为－5℃-0℃；
所述第六范围为－15℃-－10℃。
3.根据权利要求2所述的方法，其特征在于，所述S5包括：
S51、根据所述地铁隧道内当前的温度值，确定温度系数；
S52、根据所述温度系数、所述第二待检测图像中裂缝的尺寸信息，获取每一第二待检测图像的第一指数。
4.根据权利要求3所述的方法，其特征在于，所述S51具体包括：
若所述当前温度在第一范围内，则确定温度系数为1.5；
若所述当前温度在第二范围内，则确定温度系数为1.2；
若所述当前温度在第三范围内，则确定温度系数为1；
若所述当前温度在第四范围内，则确定温度系数为1.2；
若所述当前温度在第五范围内，则确定温度系数为1.5；
若所述当前温度在第六范围内，则确定温度系数为2。
5.根据权利要求4所述的方法，其特征在于，所述S52具体包括：
根据所述温度系数、所述第二待检测图像中裂缝的尺寸信息，采用公式(1)获取每一第二待检测图像的第一指数；
其中，公式(1)为：
B＝a×L×H；
其中，B为第一指数；a为温度系数；L为第二待检测图像中的裂缝的长度；H为第二待检测图像中的裂缝的宽度。
6.一种地铁隧道裂纹检测系统，其特征在于，所述系统包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5中任一所述的地铁隧道裂纹检测方法。
CN202111445143.XA 2021-11-30 2021-11-30 一种地铁隧道裂纹检测方法及系统 Active CN114384073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111445143.XA CN114384073B (zh) 2021-11-30 2021-11-30 一种地铁隧道裂纹检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111445143.XA CN114384073B (zh) 2021-11-30 2021-11-30 一种地铁隧道裂纹检测方法及系统

Publications (2)

Publication Number Publication Date
CN114384073A CN114384073A (zh) 2022-04-22
CN114384073B true CN114384073B (zh) 2023-08-04

Family

ID=81196757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111445143.XA Active CN114384073B (zh) 2021-11-30 2021-11-30 一种地铁隧道裂纹检测方法及系统

Country Status (1)

Country Link
CN (1) CN114384073B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115308310B (zh) * 2022-09-29 2022-12-20 誉隆半导体设备(江苏)有限公司 一种管路内壁的超声探伤识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490317A (zh) * 2018-12-04 2019-03-19 广东交科检测有限公司 一种隧道快速检测车裂缝检测精度校准方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100924149B1 (ko) * 2006-10-31 2009-10-28 한국지질자원연구원 저온 열 균열 현상을 이용한 암반 내 초기응력 측정방법
JP5342987B2 (ja) * 2009-12-02 2013-11-13 三井住友建設株式会社 コンクリート表面検査装置
GB201711412D0 (en) * 2016-12-30 2017-08-30 Maxu Tech Inc Early entry
JP7098301B2 (ja) * 2017-10-20 2022-07-11 神鋼検査サービス株式会社 亀裂検出方法
CN108229461B (zh) * 2018-01-16 2021-12-28 上海同岩土木工程科技股份有限公司 一种基于深度学习的隧道裂缝快速识别方法
CN109029381B (zh) * 2018-10-19 2021-04-06 石家庄铁道大学 一种隧道裂缝的检测方法、系统及终端设备
CN110246118B (zh) * 2019-05-07 2021-06-01 中国人民解放军陆军工程大学 一种缺陷深度检测方法
CN110246130B (zh) * 2019-06-21 2023-03-31 中国民航大学 基于红外和可见光图像数据融合的机场道面裂缝检测方法
JP7285174B2 (ja) * 2019-09-04 2023-06-01 株式会社トプコン 壁面のひび割れ測定機および測定方法
CN111305873B (zh) * 2020-02-25 2021-08-10 中铁十九局集团第三工程有限公司 隧道裂缝修复系统及其修复方法
US11386545B2 (en) * 2020-03-31 2022-07-12 The Boeing Company Surface crack detection
CN111794802B (zh) * 2020-07-16 2022-06-24 四川省交通勘察设计研究院有限公司 一种隧道中央排水沟温度确定方法、装置、设备及介质
CN112229333A (zh) * 2020-09-30 2021-01-15 威海华菱光电股份有限公司 裂缝变化监测装置、方法、存储介质及处理器
CN113029080B (zh) * 2021-03-22 2022-08-02 上海同岩土木工程科技股份有限公司 一种隧道裂缝深度的非接触移动式快速测量方法与装置
CN113569428A (zh) * 2021-08-26 2021-10-29 华能西藏雅鲁藏布江水电开发投资有限公司 隧洞异常检测方法、装置及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490317A (zh) * 2018-12-04 2019-03-19 广东交科检测有限公司 一种隧道快速检测车裂缝检测精度校准方法

Also Published As

Publication number Publication date
CN114384073A (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN110678901B (zh) 信息处理设备、信息处理方法和计算机可读存储介质
US11922615B2 (en) Information processing device, information processing method, and storage medium
Siriborvornratanakul An automatic road distress visual inspection system using an onboard in‐car camera
Vigneshwar et al. Detection and counting of pothole using image processing techniques
CN109903296B (zh) 一种基于LBP-Adaboost算法的数字PCR液滴检测方法
CN110991447B (zh) 基于深度学习的列车车号精确定位与识别方法
CN114511568B (zh) 基于无人机的高速公路桥梁检修方法
Azad et al. A novel and robust method for automatic license plate recognition system based on pattern recognition
CN111898627B (zh) 一种基于pca的svm云微粒子优化分类识别方法
CN112580447B (zh) 一种基于边缘二阶统计与融合的电力线检测方法
CN110599453A (zh) 一种基于图像融合的面板缺陷检测方法、装置及设备终端
Zuo et al. Classifying cracks at sub-class level in closed circuit television sewer inspection videos
CN114384073B (zh) 一种地铁隧道裂纹检测方法及系统
CN115995056A (zh) 一种基于深度学习的桥梁病害自动识别方法
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
Katsamenis et al. A few-shot attention recurrent residual U-Net for crack segmentation
CN105469099B (zh) 基于稀疏表示分类的路面裂缝检测和识别方法
WO2007026951A1 (ja) 画像検索方法及び装置
CN111179278B (zh) 一种图像检测的方法、装置、设备和存储介质
CN101414352B (zh) 信息处理设备和信息处理方法
CN113158954A (zh) 交通非现场的基于ai技术的斑马线区域自动检测方法
CN117115412A (zh) 一种基于加权得分标签分配的小目标检测方法
CN111160183A (zh) 一种车辆闯红灯检测方法及装置
CN115457044A (zh) 基于类激活映射的路面裂缝分割方法
CN113191398A (zh) 一种基于改进Faster R-CNN的路面破损识别方法

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