CN114708254A - 物联网信息联合大数据采集与治理系统 - Google Patents
物联网信息联合大数据采集与治理系统 Download PDFInfo
- Publication number
- CN114708254A CN114708254A CN202210456523.1A CN202210456523A CN114708254A CN 114708254 A CN114708254 A CN 114708254A CN 202210456523 A CN202210456523 A CN 202210456523A CN 114708254 A CN114708254 A CN 114708254A
- Authority
- CN
- China
- Prior art keywords
- module
- crack
- image
- cracks
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 59
- 208000010392 Bone Fractures Diseases 0.000 claims description 40
- 206010017076 Fracture Diseases 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012502 risk assessment Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 201000010099 disease Diseases 0.000 description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 13
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000004260 weight control Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002994 raw material Substances 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了物联网信息联合大数据采集与治理系统,包括图像采集模块、裂缝识别模块和裂缝区域风险评估模块,所述图像采集模块用于对地铁隧道内壁图像进行采集,所述裂缝识别模块用于对采集到的地铁隧道内壁图像进行裂缝识别,所述裂缝区域风险评估模块用于对裂缝的严重程度进行评估,所述图像采集模块的输出端与裂缝识别模块的输入端电连接,所述裂缝识别模块的输出端与裂缝区域风险评估模块电连接,所述图像采集模块包括面阵相机及闪光灯一体化模块、供电系统、工控机模块,本发明,具有采集范围广和识别精度高的特点。
Description
技术领域
本发明涉及物联网技术领域,具体为物联网信息联合大数据采集与治理系统。
背景技术
近年来,我国的城市轨道交通高速发展,其中隧道总里程位于世界第一。受到施工工艺、温度、载荷等各种因素的影响,地铁隧道表面会有病害发生,其中,隧道表面裂缝是最常见的病害之一,对地铁结构本身安全性、耐久性构成威胁,给地铁的安全运营带来了极大的危害,若对地铁隧道的病害预警不及时,一旦发生事故,将会带来巨大的生命财产损失,因此,裂缝检测是地铁周期性巡检的重要任务。
目前,针对地铁隧道裂缝的检测工作仍以人工巡检为主,虽然已有相关采集系统和识别算法针对地铁隧道的裂缝进行检测识别,但是对于裂缝病害的针对性检测,效果仍然不理想,存在误检、漏检和检测不准确的问题,且地铁隧道环境复杂、隧道表面图像数据量大、裂缝像素比较小等特征,对于地铁隧道裂缝的自动识别和检测成为当前业界的难点。传统的光线传感器探测法、超声波检测法和地质雷达探测法等检测效率低下,检测效果较差,无法满足快速、准确的检测要求,而且由于地铁隧道是弱光环境,隧道表面纹理复杂,噪声干扰大,裂缝区域占比小,多数算法对于地铁隧道裂缝的识别效果不佳,因此,设计采集范围广和识别精度高的物联网信息联合大数据采集与治理系统是很有必要的。
发明内容
本发明的目的在于提供物联网信息联合大数据采集与治理系统,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:物联网信息联合大数据采集与治理系统,包括图像采集模块、裂缝识别模块和裂缝区域风险评估模块,所述图像采集模块的输出端与裂缝识别模块的输入端电连接,所述裂缝识别模块的输出端与裂缝区域风险评估模块电连接,其中,
所述图像采集模块用于对地铁隧道内壁图像进行采集,所述裂缝识别模块用于对采集到的地铁隧道内壁图像进行裂缝识别,所述裂缝区域风险评估模块用于对裂缝的严重程度进行评估。
根据上述技术方案,所述图像采集模块包括面阵相机及闪光灯一体化模块、供电系统、工控机模块,所述面阵相机及闪光灯一体化模块的电源输入端与供电系统电连接,所述面阵相机及闪光灯一体化模块的信号输出端与工控机模块通过网线连接,所述工控机的电源输入端与供电系统电连接,其中,
面阵相机及闪光灯一体化模块用于采集高质量的地铁隧道内壁图像,所述供电系统用于对面阵相机及闪光灯一体化模块及工控机供电,所述工控机模块用于利用串口进行通信并控制面阵相机及闪光灯一体化模块的同步采集,所述面阵相机及闪光灯一体化模块、供电系统、工控机模块共同搭载在同一台可移动的巡检小车上。
根据上述技术方案,所述裂缝识别模块包括图像预处理模块、图像后端处理模块、裂缝二值图像生成模块,所述图像预处理模块的输出端与图像后端处理模块的输入端电连接,所述图像后端处理模块的输出端与裂缝二值图像生成模块得到输入端电连接,其中,
所述图像预处理模块用于对采集到的裂缝区域图像进行预处理,所述图形后端处理模块用于进一步提取裂缝特征,实现精细化检测效果,所述裂缝二值图像生成模块用于将精细化的图像进行二值化输出;面阵相机及闪光灯一体化模块所采集到的地铁隧道内壁图片虽然已经是高清高亮图片,但是其精度与噪声含量达不到图像处理的要求,因此需要进行多次图像处理操作,完善识别过程。
根据上述技术方案,所述裂缝区域风险评估模块包括裂缝像素计算模块、裂缝分类模块、裂缝参数计算模块、裂缝风险计算模块,所述裂缝像素计算模块的输出端与裂缝分类模块的输入端电连接,所述裂缝分类模块的输出端与裂缝参数计算模块、裂缝风险计算模块的输入端电连接,其中,
所述裂缝像素计算模块用于计算固定区域内裂缝总像素并作为第一计算指标,所述裂缝分类模块用于依据裂缝类型作为第二计算指标,所述裂缝参数计算模块用于根据裂缝类型计算裂缝参数作为第三计算指标,所述裂缝风险计算模块用于计算当前裂缝的风险值;在实际地铁隧道健康监测任务中,裂缝的形态、严重程度和变化趋势是地铁运营检修人员关注的重点,为了评估裂缝的严重程度,监测裂缝变化趋势,采用裂缝风险程度评估模块,方便地铁运营人员判断修缮裂缝的优先级。
根据上述技术方案,所述物联网信息联合大数据采集与治理系统的运行方法包括以下步骤:
步骤S1:确定对地铁隧道内壁的图像采集方案,并将采集到的数据发送到裂缝识别模块;
步骤S2:裂缝识别模块通过图像优化算法,对采集到的地铁隧道内壁图像进行预处理与后端处理,并将处理结果进行二值化处理;
步骤S3:将生成的二值化裂缝图像发送至裂缝区域风险评估模块,进行裂缝区域的风险评估;
步骤S4:地铁运营检修人员根据评估结果确定裂缝维修优先级。
根据上述技术方案,所述步骤S1中,对地铁隧道内壁的图像采集方案具体包括以下步骤:
步骤S11:将面阵相机及闪光灯一体化模块、供电系统、工控机模块连接完全后安装到巡检小车上;地铁内照明不足,且对于裂缝的图像获取精度要求较高,采用传统的点阵相机在采集时,巡检小车的速度会影响成像,因此采用面阵相机及闪光灯一体化模块进行采集;
步骤S12:将工控机1作为主控单元,与工控机2、工控机3进行级联,工控机1通过计算机指令控制工控机2与工控机3;工控机可存放采集到的大量地铁隧道图片,并与面阵相机及闪光灯一体化模块通过网线连接,从属工控机通过内置的图像处理器进行图像处理操作,使图像的采集、处理集中到一起,加快巡检效率,同时,任意一个工控机均可以控制面阵相机及闪光灯一体化设备,采集效率更高;
步骤S13:工控机模块通过串口通信发送启停指令到所有采集单元,保持同步采集;面阵相机如果采用单独拍摄的方式进行采集,则先开启的相机会重复拍摄,后开启的相机容易出现漏拍,因此需要串口接入工控机进行启停控制;
步骤S14:对于多个面阵相机的架设方法,将多个面阵相机的支架方向连接所在圆与隧道内壁弧所在圆形保持同心,使得每台相机到隧道表面的距离均固定;由于标准盾构隧道的性状参数是固定的,因此,每台相机到隧道表面得到距离固定可以使得所获取得到图像尺寸比例具有普适性,且可以根据需要的图像脱影精度确定巡检小车的移动速度。
根据上述技术方案,所述步骤S2中,对采集到的裂缝图像进行优化处理的方法包括以下步骤:
步骤S21:基于大数据技术构建地铁隧道内壁裂缝图像样本库,从大数据中筛选出含有裂缝的图片;目前的地铁隧道内壁病害中,不仅仅只有裂缝这种病害,还包含其他类型的病害,因此需要基于大数据将裂缝病害筛选出来,建立专门的地铁隧道内壁裂缝图像样本库,实现样本需求;
步骤S22:对裂缝的检测进行算法优化,具体为基于边缘检测算法的裂缝检测;裂缝大多呈现不规则曲线,且图像中的背景噪声多为斑点状,裂缝区域经过闪光灯照射后,裂缝区域相比于其他区域会更暗,背景像素存在突变,因此采用边缘检测算法,提高检测精度;
步骤S23:检测到地铁隧道内壁的裂缝后,将确认为裂缝的图片发送到自适应阈值分割单元进行自适应阈值分割;对于一些对比度较低的裂缝像素来说,出现漏识别的概率很高,因此需要进行自适应阈值分割,将这些裂缝像素保留;
步骤S24:接入连通域滤波模块,设置像素范围,将不在像素范围的散点噪声滤除,同时使用形态学运算补全图像;部分裂缝图中存在一些肉眼难以察觉的噪声,这些噪声的像素数值与裂缝像素值相差较大,因此设置像素范围,滤除噪声,保留裂缝图像,同时,噪声滤除后,图像中会出现原本噪声所在的空缺像素,因此采用形态学运算补齐空缺像素,同时平滑边缘,改善裂缝边缘锯齿化严重的问题,避免出现裂缝断裂影响识别效果;
步骤S25:完成上述操作后将图像进行二值化输出。
根据上述技术方案,所述步骤S14中,面阵相机的固定方法及相机数量的确定方法进一步包括以下步骤:
步骤A:获取隧道圆心距离轨道面的距离L、隧道半径R和逃生平台的高度L0;
步骤B:计算隧道圆心和逃生平台的连线与隧道圆心到逃生平台所在平面的垂线之间的夹角θ;
步骤C:计算逃生平台以上隧道截面的圆弧对应的圆心角,即相机视场角总和需要达到的最小值α;
步骤D:根据单台相机的视场角β,计算覆盖整个隧道断面需要的相机数量N。
根据上述技术方案,所述步骤B中,隧道圆心和逃生平台的连线与隧道圆心到逃生平台所在平面的垂线之间的夹角θ的计算公式为:
所述步骤C中,相机视场角总和需要达到的最小值α的计算公式为:
α=360-2θ
所述步骤D中,覆盖整个隧道断面需要的相机数量N的计算公式为:
计算出相机数量,并依据“向后取整”的原则,保证整个地铁隧道内壁均能被阵面相机采集到,同时避免阵面相机过多导致采集数据量增大,加大了后续图像处理的难度。
根据上述技术方案,所述步骤S3中,裂缝区域的风险评估方法包括以下步骤:
步骤S31:遍历整个地铁隧道内壁裂缝图,以固定单位区域计算风险程度指标;
步骤S32:根据像素数量对裂缝进行分类,具体分为像素量多的复杂裂缝与像素量少的简单线性裂缝,其中简单线性裂缝包含纵向裂缝、斜向裂缝、环向裂缝;
步骤S33:根据不同类型的裂缝设定相应权重参数,进行参数计算,具体计算方法为:
对于复杂裂缝,计算其密度与重心分布;
对于简单线性裂缝,计算其长度与宽度;
步骤S34:计算裂缝风险程度,具体计算方法为:
将裂缝像素数量与权重一相乘,得到第一部分的指标;将不同的裂缝类型对应的参数与权重二相乘,得到第二部分的指标;将参与计算的参数归一化到0,1]区间内与权重三相乘,得到第三部分的指标,将所有指标相加即为裂缝的风险程度;将裂缝风险程度分化为三个权重控制的参数,得出的结果更能反应裂缝的风险程度,帮助地铁运营人员掌握隧道表面裂缝的基本情况,确定修缮优先级,意义重大。
与现有技术相比,本发明所达到的有益效果是:本发明,
(1)通过设置有图像采集模块,对地铁隧道内壁的图像进行采集,实现对裂缝的筛查;
(2)通过设置有工控机模块,提供存储空间与指令交互空间,对相机进行指令控制;
(3)通过设置有裂缝识别模块,对检测到的图片进行裂缝检测,减少多余图片带来的额外算力损耗,提高检测效率;
(4)通过设置有裂缝风险计算模块,对裂缝进行定量风险计算,更直观地显示当前裂缝的风险程度,为检修人员的检修优先级提供参考;
(5)通过设置有形态学闭运算模块,对原有的噪声部分滤除后形成的缺口进行补偿,保证图像的完整性。
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是本发明的系统模块组成示意图;
图2是本发明的地铁隧道内壁图像采集系统的连接示意图;
图3是本发明的相机数量计算示意图。
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1-3,本发明提供技术方案:物联网信息联合大数据采集与治理系统,包括图像采集模块、裂缝识别模块和裂缝区域风险评估模块,图像采集模块的输出端与裂缝识别模块的输入端电连接,裂缝识别模块的输出端与裂缝区域风险评估模块电连接,其中,
图像采集模块用于对地铁隧道内壁图像进行采集,裂缝识别模块用于对采集到的地铁隧道内壁图像进行裂缝识别,裂缝区域风险评估模块用于对裂缝的严重程度进行评估。
图像采集模块包括面阵相机及闪光灯一体化模块、供电系统、工控机模块,面阵相机及闪光灯一体化模块的电源输入端与供电系统电连接,面阵相机及闪光灯一体化模块的信号输出端与工控机模块通过网线连接,工控机的电源输入端与供电系统电连接,其中,
面阵相机及闪光灯一体化模块用于采集高质量的地铁隧道内壁图像,供电系统用于对面阵相机及闪光灯一体化模块及工控机供电,工控机模块用于利用串口进行通信并控制面阵相机及闪光灯一体化模块的同步采集,面阵相机及闪光灯一体化模块、供电系统、工控机模块共同搭载在同一台可移动的巡检小车上。
裂缝识别模块包括图像预处理模块、图像后端处理模块、裂缝二值图像生成模块,图像预处理模块的输出端与图像后端处理模块的输入端电连接,图像后端处理模块的输出端与裂缝二值图像生成模块得到输入端电连接,其中,
图像预处理模块用于对采集到的裂缝区域图像进行预处理,图形后端处理模块用于进一步提取裂缝特征,实现精细化检测效果,裂缝二值图像生成模块用于将精细化的图像进行二值化输出;面阵相机及闪光灯一体化模块所采集到的地铁隧道内壁图片虽然已经是高清高亮图片,但是其精度与噪声含量达不到图像处理的要求,因此需要进行多次图像处理操作,完善识别过程。
裂缝区域风险评估模块包括裂缝像素计算模块、裂缝分类模块、裂缝参数计算模块、裂缝风险计算模块,裂缝像素计算模块的输出端与裂缝分类模块的输入端电连接,裂缝分类模块的输出端与裂缝参数计算模块、裂缝风险计算模块的输入端电连接,其中,
裂缝像素计算模块用于计算固定区域内裂缝总像素并作为第一计算指标,裂缝分类模块用于依据裂缝类型作为第二计算指标,裂缝参数计算模块用于根据裂缝类型计算裂缝参数作为第三计算指标,裂缝风险计算模块用于计算当前裂缝的风险值;在实际地铁隧道健康监测任务中,裂缝的形态、严重程度和变化趋势是地铁运营检修人员关注的重点,为了评估裂缝的严重程度,监测裂缝变化趋势,采用裂缝风险程度评估模块,方便地铁运营人员判断修缮裂缝的优先级。
物联网信息联合大数据采集与治理系统的运行方法包括以下步骤:
步骤S1:确定对地铁隧道内壁的图像采集方案,并将采集到的数据发送到裂缝识别模块;
步骤S2:裂缝识别模块通过图像优化算法,对采集到的地铁隧道内壁图像进行预处理与后端处理,并将处理结果进行二值化处理;
步骤S3:将生成的二值化裂缝图像发送至裂缝区域风险评估模块,进行裂缝区域的风险评估;
步骤S4:地铁运营检修人员根据评估结果确定裂缝维修优先级。
步骤S1中,对地铁隧道内壁的图像采集方案具体包括以下步骤:
步骤S11:将面阵相机及闪光灯一体化模块、供电系统、工控机模块连接完全后安装到巡检小车上;地铁内照明不足,且对于裂缝的图像获取精度要求较高,采用传统的点阵相机在采集时,巡检小车的速度会影响成像,因此采用面阵相机及闪光灯一体化模块进行采集;
步骤S12:将工控机1作为主控单元,与工控机2、工控机3进行级联,工控机1通过计算机指令控制工控机2与工控机3;工控机可存放采集到的大量地铁隧道图片,并与面阵相机及闪光灯一体化模块通过网线连接,从属工控机通过内置的图像处理器进行图像处理操作,使图像的采集、处理集中到一起,加快巡检效率,同时,任意一个工控机均可以控制面阵相机及闪光灯一体化设备,采集效率更高;
步骤S13:工控机模块通过串口通信发送启停指令到所有采集单元,保持同步采集;面阵相机如果采用单独拍摄的方式进行采集,则先开启的相机会重复拍摄,后开启的相机容易出现漏拍,因此需要串口接入工控机进行启停控制;
步骤S14:对于多个面阵相机的架设方法,将多个面阵相机的支架方向连接所在圆与隧道内壁弧所在圆形保持同心,使得每台相机到隧道表面的距离均固定;由于标准盾构隧道的性状参数是固定的,因此,每台相机到隧道表面得到距离固定可以使得所获取得到图像尺寸比例具有普适性,且可以根据需要的图像脱影精度确定巡检小车的移动速度。
步骤S2中,对采集到的裂缝图像进行优化处理的方法包括以下步骤:
步骤S21:基于大数据技术构建地铁隧道内壁裂缝图像样本库,从大数据中筛选出含有裂缝的图片;目前的地铁隧道内壁病害中,不仅仅只有裂缝这种病害,还包含其他类型的病害,因此需要基于大数据将裂缝病害筛选出来,建立专门的地铁隧道内壁裂缝图像样本库,实现样本需求;
步骤S22:对裂缝的检测进行算法优化,具体为基于边缘检测算法的裂缝检测;裂缝大多呈现不规则曲线,且图像中的背景噪声多为斑点状,裂缝区域经过闪光灯照射后,裂缝区域相比于其他区域会更暗,背景像素存在突变,因此采用边缘检测算法,提高检测精度;
步骤S23:检测到地铁隧道内壁的裂缝后,将确认为裂缝的图片发送到自适应阈值分割单元进行自适应阈值分割;对于一些对比度较低的裂缝像素来说,出现漏识别的概率很高,因此需要进行自适应阈值分割,将这些裂缝像素保留;
步骤S24:接入连通域滤波模块,设置像素范围,将不在像素范围的散点噪声滤除,同时使用形态学运算补全图像;部分裂缝图中存在一些肉眼难以察觉的噪声,这些噪声的像素数值与裂缝像素值相差较大,因此设置像素范围,滤除噪声,保留裂缝图像,同时,噪声滤除后,图像中会出现原本噪声所在的空缺像素,因此采用形态学运算补齐空缺像素,同时平滑边缘,改善裂缝边缘锯齿化严重的问题,避免出现裂缝断裂影响识别效果;
步骤S25:完成上述操作后将图像进行二值化输出。
步骤S14中,面阵相机的固定方法及相机数量的确定方法进一步包括以下步骤:
步骤A:获取隧道圆心距离轨道面的距离L、隧道半径R和逃生平台的高度L0;
步骤B:计算隧道圆心和逃生平台的连线与隧道圆心到逃生平台所在平面的垂线之间的夹角θ;
步骤C:计算逃生平台以上隧道截面的圆弧对应的圆心角,即相机视场角总和需要达到的最小值α;
步骤D:根据单台相机的视场角β,计算覆盖整个隧道断面需要的相机数量N。
步骤B中,隧道圆心和逃生平台的连线与隧道圆心到逃生平台所在平面的垂线之间的夹角θ的计算公式为:
所述步骤C中,相机视场角总和需要达到的最小值α的计算公式为:
α=360-2θ
所述步骤D中,覆盖整个隧道断面需要的相机数量N的计算公式为:
计算出相机数量,并依据“向后取整”的原则,保证整个地铁隧道内壁均能被阵面相机采集到,同时避免阵面相机过多导致采集数据量增大,加大了后续图像处理的难度。
步骤S3中,裂缝区域的风险评估方法包括以下步骤:
步骤S31:遍历整个地铁隧道内壁裂缝图,以固定单位区域计算风险程度指标;
步骤S32:根据像素数量对裂缝进行分类,具体分为像素量多的复杂裂缝与像素量少的简单线性裂缝,其中简单线性裂缝包含纵向裂缝、斜向裂缝、环向裂缝;
步骤S33:根据不同类型的裂缝设定相应权重参数,进行参数计算,具体计算方法为:
对于复杂裂缝,计算其密度与重心分布;
对于简单线性裂缝,计算其长度与宽度;
步骤S34:计算裂缝风险程度,具体计算方法为:
将裂缝像素数量与权重一相乘,得到第一部分的指标;将不同的裂缝类型对应的参数与权重二相乘,得到第二部分的指标;将参与计算的参数归一化到[0,1]区间内与权重三相乘,得到第三部分的指标,将所有指标相加即为裂缝的风险程度;将裂缝风险程度分化为三个权重控制的参数,得出的结果更能反应裂缝的风险程度,帮助地铁运营人员掌握隧道表面裂缝的基本情况,确定修缮优先级,意义重大。
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 (10)
1.物联网信息联合大数据采集与治理系统,包括图像采集模块、裂缝识别模块和裂缝区域风险评估模块,其特征在于:所述图像采集模块的输出端与裂缝识别模块的输入端电连接,所述裂缝识别模块的输出端与裂缝区域风险评估模块电连接,其中,
所述图像采集模块用于对地铁隧道内壁图像进行采集,所述裂缝识别模块用于对采集到的地铁隧道内壁图像进行裂缝识别,所述裂缝区域风险评估模块用于对裂缝的严重程度进行评估。
2.根据权利要求1所述的物联网信息联合大数据采集与治理系统,其特征在于:所述图像采集模块包括面阵相机及闪光灯一体化模块、供电系统、工控机模块,所述面阵相机及闪光灯一体化模块的电源输入端与供电系统电连接,所述面阵相机及闪光灯一体化模块的信号输出端与工控机模块通过网线连接,所述工控机的电源输入端与供电系统电连接,其中,
所述面阵相机及闪光灯一体化模块用于采集高质量的地铁隧道内壁图像,所述供电系统用于对面阵相机及闪光灯一体化模块及工控机供电,所述工控机模块用于利用串口进行通信并控制面阵相机及闪光灯一体化模块的同步采集,所述面阵相机及闪光灯一体化模块、供电系统、工控机模块共同搭载在同一台可移动的巡检小车上。
3.根据权利要求2所述的物联网信息联合大数据采集与治理系统,其特征在于:所述裂缝识别模块包括图像预处理模块、图像后端处理模块、裂缝二值图像生成模块,所述图像预处理模块的输出端与图像后端处理模块的输入端电连接,所述图像后端处理模块的输出端与裂缝二值图像生成模块得到输入端电连接,其中,
所述图像预处理模块用于对采集到的裂缝区域图像进行预处理,所述图形后端处理模块用于进一步提取裂缝特征,实现精细化检测效果,所述裂缝二值图像生成模块用于将精细化的图像进行二值化输出。
4.根据权利要求3所述的物联网信息联合大数据采集与治理系统,其特征在于:所述裂缝区域风险评估模块包括裂缝像素计算模块、裂缝分类模块、裂缝参数计算模块、裂缝风险计算模块,所述裂缝像素计算模块的输出端与裂缝分类模块的输入端电连接,所述裂缝分类模块的输出端与裂缝参数计算模块、裂缝风险计算模块的输入端电连接,其中,
所述裂缝像素计算模块用于计算固定区域内裂缝总像素并作为第一计算指标,所述裂缝分类模块用于依据裂缝类型作为第二计算指标,所述裂缝参数计算模块用于根据裂缝类型计算裂缝参数作为第三计算指标,所述裂缝风险计算模块用于计算当前裂缝的风险值。
5.根据权利要求4所述的物联网信息联合大数据采集与治理系统,其特征在于:所述物联网信息联合大数据采集与治理系统的运行方法包括以下步骤:
步骤S1:确定对地铁隧道内壁的图像采集方案,并将采集到的数据发送到裂缝识别模块;
步骤S2:裂缝识别模块通过图像优化算法,对采集到的地铁隧道内壁图像进行预处理与后端处理,并将处理结果进行二值化处理;
步骤S3:将生成的二值化裂缝图像发送至裂缝区域风险评估模块,进行裂缝区域的风险评估;
步骤S4:地铁运营检修人员根据评估结果确定裂缝维修优先级。
6.根据权利要求5所述的物联网信息联合大数据采集与治理系统,其特征在于:所述步骤S1中,对地铁隧道内壁的图像采集方案具体包括以下步骤:
步骤S11:将面阵相机及闪光灯一体化模块、供电系统、工控机模块连接完全后安装到巡检小车上;
步骤S12:将工控机1作为主控单元,与工控机2、工控机3进行级联,工控机1通过计算机指令控制工控机2与工控机3;
步骤S13:工控机模块通过串口通信发送启停指令到所有采集单元,保持同步采集;
步骤S14:对于多个面阵相机的架设方法,将多个面阵相机的支架方向连接所在圆与隧道内壁弧所在圆形保持同心,使得每台相机到隧道表面的距离均固定。
7.根据权利要求6所述的物联网信息联合大数据采集与治理系统,其特征在于:所述步骤S2中,对采集到的裂缝图像进行优化处理的方法包括以下步骤:
步骤S21:基于大数据技术构建地铁隧道内壁裂缝图像样本库,从大数据中筛选出含有裂缝的图片;
步骤S22:对裂缝的检测进行算法优化,具体为基于边缘检测算法的裂缝检测;
步骤S23:检测到地铁隧道内壁的裂缝后,将确认为裂缝的图片发送到自适应阈值分割单元进行自适应阈值分割;
步骤S24:接入连通域滤波模块,设置像素范围,将不在像素范围的散点噪声滤除,同时使用形态学运算补全图像;
步骤S25:完成上述操作后将图像进行二值化输出。
8.根据权利要求7所述的物联网信息联合大数据采集与治理系统,其特征在于:所述步骤S14中,面阵相机的固定方法及相机数量的确定方法进一步包括以下步骤:
步骤A:获取隧道圆心距离轨道面的距离L、隧道半径R和逃生平台的高度L0;
步骤B:计算隧道圆心和逃生平台的连线与隧道圆心到逃生平台所在平面的垂线之间的夹角θ;
步骤C:计算逃生平台以上隧道截面的圆弧对应的圆心角,即相机视场角总和需要达到的最小值α;
步骤D:根据单台相机的视场角β,计算覆盖整个隧道断面需要的相机数量N。
10.根据权利要求9所述的物联网信息联合大数据采集与治理系统,其特征在于:所述步骤S3中,裂缝区域的风险评估方法包括以下步骤:
步骤S31:遍历整个地铁隧道内壁裂缝图,以固定单位区域计算风险程度指标;
步骤S32:根据像素数量对裂缝进行分类,具体分为像素量多的复杂裂缝与像素量少的简单线性裂缝,其中简单线性裂缝包含纵向裂缝、斜向裂缝、环向裂缝;
步骤S33:根据不同类型的裂缝设定相应权重参数,进行参数计算,具体计算方法为:
对于复杂裂缝,计算其密度与重心分布;
对于简单线性裂缝,计算其长度与宽度;
步骤S34:计算裂缝风险程度,具体计算方法为:
将裂缝像素数量与权重一相乘,得到第一部分的指标;将不同的裂缝类型对应的参数与权重二相乘,得到第二部分的指标;将参与计算的参数归一化到[0,1]区间内与权重三相乘,得到第三部分的指标,将所有指标相加即为裂缝的风险程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210456523.1A CN114708254A (zh) | 2022-04-27 | 2022-04-27 | 物联网信息联合大数据采集与治理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210456523.1A CN114708254A (zh) | 2022-04-27 | 2022-04-27 | 物联网信息联合大数据采集与治理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708254A true CN114708254A (zh) | 2022-07-05 |
Family
ID=82176385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210456523.1A Pending CN114708254A (zh) | 2022-04-27 | 2022-04-27 | 物联网信息联合大数据采集与治理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708254A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483330A (zh) * | 2014-11-11 | 2015-04-01 | 浙江大学 | 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法 |
CN106780284A (zh) * | 2016-12-28 | 2017-05-31 | 中铁工程装备集团有限公司 | 隧道洞壁围岩完整性信息采集装置及评价方法 |
CN109146859A (zh) * | 2018-08-03 | 2019-01-04 | 深圳万智联合科技有限公司 | 一种基于机器视觉的路面裂缝检测系统 |
CN109816426A (zh) * | 2018-12-17 | 2019-05-28 | 江苏能云大数据有限公司 | 一种新型零售方法及系统 |
CN110487816A (zh) * | 2019-10-08 | 2019-11-22 | 上海市东方海事工程技术有限公司 | 一种隧道巡检图像采集装置及隧道巡检系统 |
CN111289535A (zh) * | 2020-03-25 | 2020-06-16 | 中铁二院成都勘察设计研究院有限责任公司 | 一种隧道病害检测装置及其检测方法 |
-
2022
- 2022-04-27 CN CN202210456523.1A patent/CN114708254A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483330A (zh) * | 2014-11-11 | 2015-04-01 | 浙江大学 | 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法 |
CN106780284A (zh) * | 2016-12-28 | 2017-05-31 | 中铁工程装备集团有限公司 | 隧道洞壁围岩完整性信息采集装置及评价方法 |
CN109146859A (zh) * | 2018-08-03 | 2019-01-04 | 深圳万智联合科技有限公司 | 一种基于机器视觉的路面裂缝检测系统 |
CN109816426A (zh) * | 2018-12-17 | 2019-05-28 | 江苏能云大数据有限公司 | 一种新型零售方法及系统 |
CN110487816A (zh) * | 2019-10-08 | 2019-11-22 | 上海市东方海事工程技术有限公司 | 一种隧道巡检图像采集装置及隧道巡检系统 |
CN111289535A (zh) * | 2020-03-25 | 2020-06-16 | 中铁二院成都勘察设计研究院有限责任公司 | 一种隧道病害检测装置及其检测方法 |
Non-Patent Citations (1)
Title |
---|
周维桢: "隧道图像采集系统与裂缝智能识别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Real-time tunnel crack analysis system via deep learning | |
CN109580657B (zh) | 一种桥梁质量检测中的裂缝检测方法 | |
CN104914111B (zh) | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 | |
CN106052575B (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
CN115082418B (zh) | 一种汽车零部件精密识别方法 | |
CN105158257B (zh) | 滑板测量方法及装置 | |
CN105588439B (zh) | 烧结机台车篦条检测方法 | |
CN101082592B (zh) | 不均检查方法及不均检查装置 | |
Schmugge et al. | Crack segmentation by leveraging multiple frames of varying illumination | |
WO2015055060A1 (zh) | 一种连铸坯表面质量在线检测方法 | |
CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
CN103619238A (zh) | 用于确定皮炎值的装置和方法 | |
CN108564577A (zh) | 基于卷积神经网络的太阳能电池片断栅缺陷检测方法 | |
CN108711148A (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
CN113362276B (zh) | 板材视觉检测方法及系统 | |
CN108802052A (zh) | 一种关于拉链缺陷的检测系统及其检测方法 | |
CN115423785A (zh) | 一种缺陷检测系统、方法、装置、电子设备及存储介质 | |
CN108317966B (zh) | 一种阳极导杆钢爪变形检测方法及装置 | |
Foglia et al. | An inspection system for pharmaceutical glass tubes | |
CN114708254A (zh) | 物联网信息联合大数据采集与治理系统 | |
Xuan et al. | Intelligent identification method of insulator defects based on CenterMask | |
Mustaffar et al. | Automated pavement imaging program (APIP) for pavement cracks classification and quantification-a photogrammetric approach | |
CN112630153A (zh) | 一种镜头盖玻璃缺陷的检测方法、设备、存储介质 | |
CN105354848B (zh) | 一种热镀锌产线的康耐视表面质量检测系统的优化方法 |
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 |