CN114972722A - 一种新型混凝土生产的远程控制系统 - Google Patents

一种新型混凝土生产的远程控制系统 Download PDF

Info

Publication number
CN114972722A
CN114972722A CN202210887970.2A CN202210887970A CN114972722A CN 114972722 A CN114972722 A CN 114972722A CN 202210887970 A CN202210887970 A CN 202210887970A CN 114972722 A CN114972722 A CN 114972722A
Authority
CN
China
Prior art keywords
concrete
discharge port
slurry
difference
ground
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
Application number
CN202210887970.2A
Other languages
English (en)
Other versions
CN114972722B (zh
Inventor
陈文硕
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.)
Zhongke Qiye Liaocheng Construction Technology Co ltd
Original Assignee
Zhongke Qiye Liaocheng Construction 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 Zhongke Qiye Liaocheng Construction Technology Co ltd filed Critical Zhongke Qiye Liaocheng Construction Technology Co ltd
Priority to CN202210887970.2A priority Critical patent/CN114972722B/zh
Publication of CN114972722A publication Critical patent/CN114972722A/zh
Application granted granted Critical
Publication of CN114972722B publication Critical patent/CN114972722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及远程控制技术领域，具体涉及一种新型混凝土生产的远程控制系统，包括：采集模块：采集混凝土滴浆前后出料口图像和地面图像；识别模块：利用出料口差值图中的连通域识别该差值图中的滴浆；利用地面差值图中每个水料区域的面积识别该差值图中的成片水料区域；计算模块：利用出料口差值图中的滴浆得到滴浆的密集程度值，进而得到混凝土含水量第一指标；利用地面差值图中的流料区域和成片水料区域得到混凝土含水量值，进而得到混凝土含水量第二指标；根据第一和第二指标得到混凝土最终含水量指标；控制模块：主控器根据混凝土最终含水量指标对混凝土生产参数进行调控。上述系统用于混凝土生产的远程控制，可提高生产控制的实时性。

Description

一种新型混凝土生产的远程控制系统
技术领域
本发明涉及远程控制技术领域，具体涉及一种新型混凝土生产的远程控制系统。
背景技术
随着社会经济的不断发展，人们对混凝土的需求量越来越大。在混凝土的生产过程中，混凝土中的含水量不仅对地面的强度等力学性能有重要影响，而且是影响混凝土耐久性的重要因素。因此，工厂检测人员会采集每一批生产后的混凝土样本，然后利用实验仪器对混凝土样本的含水量进行检测，最后根据检测得到的含水量对后续生产过程中混凝土的物料配比进行调控。
然而，现有的混凝土生产控制流程过于复杂，检测效率低，而且无法保证实时性，不利于生产过程的自动化和智能化发展。因此本发明提出一种新型混凝土生产的远程控制系统，用于提高混凝土含水量检测的实时性和效率，实现混凝土生产过程的远程控制。
发明内容
本发明提供一种新型混凝土生产的远程控制系统，以解决现有的混凝土生产控制系统效率低、实时性差的问题。
为达到上述目的，本发明采用如下技术方案，一种新型混凝土生产的远程控制系统，包括采集模块、识别模块、计算模块和控制模块：
采集模块：用于设在搅拌机出料口侧面和上方的相机采集出料口关闭后混凝土滴浆前后出料口图像和地面图像；
识别模块：分别对滴浆前后出料口灰度图和地面灰度图进行作差，获得出料口差值图和地面差值图；
利用出料口差值图中所有连通域大小的方差、相邻两连通域之间距离的方差、所有连通域的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中的连通域为滴浆的可能性；
根据出料口差值图中的连通域为滴浆的可能性识别出出料口差值图中的滴浆；
利用地面差值图中像素点的亮度值获取地面差值图中的水料区域；
根据每个水料区域的面积识别出地面差值图中的成片水料区域；
计算模块：利用出料口差值图中滴浆的数量、相邻两滴浆之间的距离、所有滴浆的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中滴浆的密集程度值；
利用每一个出料口差值图中滴浆的密集程度值计算得到混凝土含水量的第一指标；
利用地面差值图中的流料区域的面积、每个成片水料区域的面积、成片水料区域的数量，计算得到地面差值图中的混凝土含水量值；
利用每一个地面差值图中的混凝土含水量值和存在成片水料区域的地面差值图的数量，计算得到混凝土含水量的第二指标；
根据混凝土含水量的第一指标和第二指标，计算得到混凝土最终的含水量指标；
控制模块：利用计算模块获得的含水量指标对混凝土的物料与水的参数比进行调控。
所述一种新型混凝土生产的远程控制系统，所述识别模块中出料口差值图中的滴浆是按照如下方式识别出：
对滴浆前后出料口图像进行灰度化处理，得到滴浆前后出料口灰度图；
对滴浆前出料口灰度图和滴浆后出料口灰度图进行作差，获得出料口差值图；
对出料口差值图进行二值化和边缘检测，获取出料口差值图中的所有连通域；
统计每个连通域的大小，并计算连通域大小的方差；
计算相邻两连通域之间的距离和相邻两连通域之间距离的方差；
获取每个连通域中竖直方向上两两像素点之间的最大距离，将该最大距离作为每个连通域的长度；
获取所有连通域的长度的最大值；
获取出料口差值图的宽度；
利用连通域大小的方差、相邻两连通域之间距离的方差、所有连通域的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中的连通域为滴浆的可能性；
设置滴浆可能性阈值，对出料口差值图中的连通域为滴浆的可能性进行判断：当出料口差值图中的连通域为滴浆的可能性大于滴浆可能性阈值时，则将该出料口差值图中的连通域识别为滴浆。
所述一种新型混凝土生产的远程控制系统，所述识别模块中地面差值图中的成片水料区域是按照如下方式识别出：
对滴浆前后地面图像进行灰度化处理，得到滴浆前后地面灰度图；
对滴浆前地面灰度图和滴浆后地面灰度图进行作差，获得地面差值图；
对地面差值图进行二值化和边缘检测，获取地面差值图中的连通域，该连通域即为地面差值图中的流料区域；
利用基于亮度值的区域生长法获取地面差值图中的水料区域；
统计每个水料区域的面积；
设置面积阈值，对每个水料区域的面积进行判断：当水料区域的面积大于面积阈值时，则将该水料区域识别为成片水料区域。
所述一种新型混凝土生产的远程控制系统，所述计算模块中混凝土含水量的第一指标是按照如下方式得到：
计算出料口差值图中滴浆的数量和相邻两滴浆之间的距离；
获取每个滴浆中竖直方向上两两像素点之间的最大距离，将该最大距离作为每个滴浆的长度；
获取所有滴浆的长度的最大值；
利用出料口差值图中滴浆的数量、相邻两滴浆之间的距离、所有滴浆的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中滴浆的密集程度值；
利用每一个出料口差值图中滴浆的密集程度值和存在滴浆的出料口差值图的数量，计算得到混凝土最终的滴浆密集程度值；
利用混凝土最终的滴浆密集程度值计算得到混凝土含水量的第一指标。
所述一种新型混凝土生产的远程控制系统，所述计算模块中混凝土含水量的第二指标是按照如下方式得到：
获取地面差值图中的流料区域的面积；
利用地面差值图中的流料区域的面积、每个成片水料区域的面积、成片水料区域的数量，计算得到地面差值图中的混凝土含水量值；
利用每一个地面差值图中的混凝土含水量值和存在成片水料区域的地面差值图的数量，计算得到混凝土含水量的第二指标。
所述一种新型混凝土生产的远程控制系统，所述计算模块中混凝土最终的含水量指标的表达式如下：
Figure 893215DEST_PATH_IMAGE001
式中，
Figure 13618DEST_PATH_IMAGE002
’表示混凝土最终的含水量指标，A表示混凝土含水量的第一指标，B表示混凝土含水量的第二指标。
所述一种新型混凝土生产的远程控制系统，所述采集模块中出料口关闭后混凝土滴浆前后出料口图像和地面图像是按照如下方式采集：
将相机设置在搅拌机出料口的侧面，用于采集出料口关闭后混凝土滴浆前出料口处的图像和混凝土滴浆后出料口处的图像；
将相机设置在搅拌机出料口的上方，用于采集出料口关闭后混凝土滴浆前地面图像和混凝土滴浆后地面图像。
本发明的有益效果是：本发明首先采集滴浆前后出料口图像和地面图像；然后根据出料口图像识别出料口滴浆，根据地面图像识别成片水料区域；利用出料口滴浆和成片水料区域得到混凝土含水量；最后将混凝土含水量实时反馈给混凝土生产的主控系统，及时对混凝土含水量的偏差进行修正，实现生产过程的远程控制。本发明可有效提高混凝土含水量检测的效率和实时性，实现生产过程的自动化和智能化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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新型混凝土生产的远程控制系统流程框图。
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。
需要说明的是：在混凝土的生产过程中，各种原材料按照比例进行混合搅拌，同时含水量对混凝土的质量影响最为直观，常常需要人工现场检测。本发明通过计算机视觉技术判断混凝土的含水量，并将实时处理数据传输到混凝土生产的主控系统，再由系统修正混合水比例，实现一种新型的远程控制。
本发明的一种新型混凝土生产的远程控制系统的实施例，如图1所示，包括：
一、采集模块。
用于设在搅拌机出料口侧面和上方的相机采集出料口关闭后混凝土滴浆前后出料口图像和地面图像。
需要说明的是：在混凝土搅拌完成以后，一般需要用专门的混凝土运输车将混凝土运输到工地等浇筑目的地。搅拌完成的混凝土通过搅拌机出料口注入运输车，在注入完成后，关闭出料口开关。此时出料口还会有少量的混凝土流出，一般流出的混凝土的形态反映混凝土的质量。
所以，需要在混凝土出料口输送结束后对出料口进行图像拍摄，识别判断滴浆的特点。为获得准确的出料口图像，需要在出料口关闭后及时对出料口拍摄图像。此时，连接相机的控制系统与混凝土出料口的控制系统，当出料口关闭时，打开相机开始对出料口拍摄图像，从而及时获得准确的出料口图像。
而对于出料口滴浆滴落在地面形成的流料，其形态同样反映混凝土的质量。所以需要对出料口滴浆滴落在地面时的图像进行拍摄，得到地面图像。
二、识别模块。
需要说明的是：混凝土生产中的含水量直接影响混凝土的质量，水分含量过多过少都会造成混凝土强度等特点的改变。所以本实施例利用计算机视觉技术计算出料口滴浆的密集程度和地面流料堆积中的水料区域的含水量，反映混凝土的含水量，获得混凝土的含水量指标。
1.分别对滴浆前后出料口灰度图和地面灰度图进行作差，获得出料口差值图和地面差值图。
获得图像后需要对图像进行灰度化，获得灰度图，后续计算均基于灰度图进行。
出料之后，出料口边缘一般会有滴浆，滴浆的形态以及滴浆的速度反映混凝土的含水量，滴浆的速度过慢或者不滴浆，表示混凝土的含水量过低；滴浆的速度过快或者滴浆连成线，表示混凝土水含量多。所以，可以根据对出料口拍摄的图像判断混凝土的含水量，首先需要在图像中识别滴浆。
设置相机的拍摄时间间隔为
Figure 262197DEST_PATH_IMAGE003
，已知不存在滴浆时的出料口图像为
Figure 359204DEST_PATH_IMAGE004
，开启拍摄的出料口图像为
Figure 642417DEST_PATH_IMAGE005
，即图像
Figure 668142DEST_PATH_IMAGE005
中可能存在滴浆。所以首先需要根据
Figure 404017DEST_PATH_IMAGE005
与
Figure 71759DEST_PATH_IMAGE004
的差异，识别滴浆，即对图像
Figure 209479DEST_PATH_IMAGE005
与
Figure 406105DEST_PATH_IMAGE004
作差，获得出料口差值图
Figure 130741DEST_PATH_IMAGE006
。同样的，将不存在滴浆时的地面图像与开始拍摄的地面图像进行作差，获得地面差值图
Figure 71015DEST_PATH_IMAGE007
。
2.利用出料口差值图中所有连通域大小的方差、相邻两连通域之间距离的方差、所有连通域的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中的连通域为滴浆的可能性。
需要说明的是：根据滴浆的形态大小特点，在出料口差值图
Figure 63242DEST_PATH_IMAGE006
中识别滴浆。在获得的出料口差值图中，图像信息可能表示滴浆。首先在出料口差值图
Figure 961928DEST_PATH_IMAGE006
中获得连通域，然后判断连通域的分布以及形态来识别滴浆。一般滴浆都是均匀的，而且图像中滴浆区域的大小一般都是近似相等的，同时滴浆的分布一般都是在同一条竖直线上的，但是当滴浆很密集时，可能使得滴浆形成一条直线。
具体过程如下：
对出料口差值图
Figure 672395DEST_PATH_IMAGE006
进行二值化，然后利用边缘检测算法获得图像中的所有轮廓，即当前每一个闭合轮廓区域即为一个连通域，获得出料口差值图
Figure 150781DEST_PATH_IMAGE006
中的所有连通域。
统计每个连通域的大小，并计算连通域大小的方差。
计算相邻两连通域中心之间的距离，并计算相邻两连通域中心之间的距离的方差。
此时连通域为滴浆的可能性表示为：
Figure 263093DEST_PATH_IMAGE008
其中，
Figure 565636DEST_PATH_IMAGE009
表示连通域大小的方差，
Figure 763399DEST_PATH_IMAGE010
表示相邻两连通域中心之间的距离的方差。
Figure 45476DEST_PATH_IMAGE009
越大，表示连通域大小之间的差异越大，
Figure 12295DEST_PATH_IMAGE010
越大，表示连通域距离之间的差异越大，同时连通域的大小以及距离越均匀，连通域区域越有可能为滴浆，即
Figure 252784DEST_PATH_IMAGE009
，
Figure 406684DEST_PATH_IMAGE010
的值越小，连通域区域越有可能为滴浆。
Figure 758031DEST_PATH_IMAGE011
表示所有连通域的长度的最大值，连通域的长度即为连通域中竖直方向上两两像素点之间的最大距离，
Figure 826961DEST_PATH_IMAGE012
表示出料口差值图的宽度，即为图像的竖直方向的大小，
Figure 238351DEST_PATH_IMAGE013
表示连通域大小趋近于
Figure 879548DEST_PATH_IMAGE012
的程度，即密集连通域形成一条直线的程度。在图像中，所获得的连通域的大小为接近于图像的宽度时，判断当前图像中的连通域为一条直线状的滴浆。
Figure 769006DEST_PATH_IMAGE014
表示出料口差值图中的连通域为滴浆的可能性，
Figure 710418DEST_PATH_IMAGE015
表示未相连连通域为滴浆的可能性，
Figure 292709DEST_PATH_IMAGE016
表示直线状连通域为滴浆的可能性，二者都是理论存在的，并且不同时出现，所以二者的关系为互补关系，即用二者可能性的加和判断出料口差值图中的连通域为滴浆的可能性。
3.根据出料口差值图中的连通域为滴浆的可能性识别出出料口差值图中的滴浆。
获得出料口差值图中的连通域为滴浆的可能性
Figure 421202DEST_PATH_IMAGE014
，根据经验设置阈值
Figure 612886DEST_PATH_IMAGE017
，
Figure 877646DEST_PATH_IMAGE018
表示出料口差值图中的连通域为滴浆。
4.利用地面差值图中像素点的亮度值获取地面差值图中的水料区域。
对于出料口滴浆滴落在地面形成的流料，其形态同样反映混凝土的质量。其中流料中水料流动反映混凝土的含水量。成片的水料聚集反映混凝土含水量过多。其中水料表示不含沙石的泥浆。
对于地面流料的形态检测依据地面差值图进行判断。在地面差值图中识别到流料以后，分析流料在不同时刻的形态特征。根据出料口图像的拍摄时间间隔，同样设置第
Figure 630838DEST_PATH_IMAGE019
张地面差值图表示为
Figure 13671DEST_PATH_IMAGE020
，此时的时间记为
Figure 448195DEST_PATH_IMAGE021
。流料在地面上流动时，可能存在水料成片流动，此时需要在地面差值图中识别到成片的水料区域，以反映混凝土过多的含水量。
地面差值图中的成片水料区域一般具有高亮表现，即在地面差值图中成片水料区域的像素点的亮度与其他区域具有一定的差异。所以首先根据区域生长法获得地面差值图中的水料区域：首先对地面差值图进行二值化和边缘检测，获取地面差值图中的连通域，该连通域即为地面差值图中的流料区域；然后在流料区域图像中选择亮度值大于阈值E的像素点，其中E接近于地面差值图中亮度的最高值，保证所选择的像素点为水料区域像素点，然后以所选择的像素点为种子，利用区域生长法在地面差值图中获得水料区域。
5.根据每个水料区域的面积识别出地面差值图中的成片水料区域。
此时获得的水料区域可能为小范围的水滴，为混凝土正常现象，所以需要根据所识别到的水料区域的大小，判断影响混凝土质量的成片水料区域。已知根据区域生长法获得的水料区域的面积分别表示为
Figure 334505DEST_PATH_IMAGE022
，
Figure 993019DEST_PATH_IMAGE023
，
Figure 361683DEST_PATH_IMAGE024
表示地面差值图中的水料区域的数量，根据实际经验设置阈值
Figure 131056DEST_PATH_IMAGE025
，
Figure 901566DEST_PATH_IMAGE026
表示当前水料区域为能够反映混凝土含水量的成片水料区域。
三、计算模块。
1.利用出料口差值图中滴浆的数量、相邻两滴浆之间的距离、所有滴浆的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中滴浆的密集程度值。
混凝土出料口处的滴浆过程，滴浆的密集程度反映混凝土的含水量，滴浆过于密集表示混凝土含水量过高，滴浆越过于稀少或者不滴浆表示混凝土含水量过低。
通过相机拍摄滴浆的过程，相机的拍摄时间间隔为
Figure 730982DEST_PATH_IMAGE003
，在所有存在滴浆的出料口差值图中，计算滴浆的密集程度。同时，图像的拍摄时间与出料口关闭的时间同样影响滴浆的密集程度，因为出料口的滴浆都是在出料过程中附着在管口内的混凝土，所以混凝土滴浆的量是一定的，随着时间的累积，滴浆的量会越来越少，从而影响滴浆的密集程度。
识别的第t张出料口差值图表示为
Figure 321363DEST_PATH_IMAGE027
，此时的时间记为
Figure 658541DEST_PATH_IMAGE028
，首先在每一张存在滴浆的出料口差值图中，计算滴浆的密集程度。在出料口差值图中竖直方向上从上到下的滴浆分别表示为
Figure 17979DEST_PATH_IMAGE029
，滴浆中心与其最近的滴浆中心之间的距离分别表示为
Figure 18296DEST_PATH_IMAGE030
，则滴浆的密集程度值表示为：
Figure 830394DEST_PATH_IMAGE031
其中
Figure 472728DEST_PATH_IMAGE032
表示第t张出料口差值图中滴浆的数量，
Figure 952251DEST_PATH_IMAGE033
表示第t张出料口差值图的宽度，
Figure 389048DEST_PATH_IMAGE034
表示滴浆距离的均值，滴浆距离均值越小，表示滴浆越密集，
Figure 189907DEST_PATH_IMAGE035
表示所有滴浆的长度的最大值，滴浆的长度即为滴浆中竖直方向上两两像素点之间的最大距离，
Figure 635932DEST_PATH_IMAGE036
表示滴浆长度接近于图像竖直大小的程度，反映滴浆连线的程度，
Figure 704382DEST_PATH_IMAGE037
反映图像中滴浆的数量，即滴浆的数量越小，越有可能为滴浆连线。
Figure 312081DEST_PATH_IMAGE038
表示第t张出料口差值图中滴浆的密集程度值，即滴浆之间的距离越小，滴浆的密集程度值越高，当图像中的滴浆连成线时，表示滴浆的密集程度值最高。
2.利用每一个出料口差值图中滴浆的密集程度值计算得到混凝土含水量的第一指标。
对于混凝土出料口的滴浆，一般随着出料口开关关闭的时间推移，出料口滴浆的数量降低，则直接根据每一张图像的滴浆判断滴浆的密集程度是不全面的，所以需要根据图像以及其对应的时间关系，确定滴浆的密集程度。
已知识别的第t张出料口差值图表示为
Figure 364351DEST_PATH_IMAGE027
，此时的时间记为
Figure 817329DEST_PATH_IMAGE028
，此时根据所有的识别到滴浆的出料口差值图判断滴浆的密集程度值，表示为：
Figure 271444DEST_PATH_IMAGE039
其中
Figure 548579DEST_PATH_IMAGE038
表示第t张出料口差值图中获得的滴浆的密集程度值，
Figure 88145DEST_PATH_IMAGE040
表示随着时间的推移，出料口滴浆的数量与滴浆密集程度的关系，即时间越往后，出料管口的混凝土的数量越少，
Figure 344814DEST_PATH_IMAGE041
表示出料口混凝土的数量较少时的速率，
Figure 653436DEST_PATH_IMAGE042
的值根据实际经验给定。
Figure 602937DEST_PATH_IMAGE043
表示所有图像中的滴浆密集程度值的权值，随着t的增加，
Figure 364220DEST_PATH_IMAGE043
减小，即在多张图像中密集程度值计算时所占权重减小。
Figure 424580DEST_PATH_IMAGE044
表示根据所有图像获得的滴浆的密集程度值，即最终的滴浆密集程度值。
Figure 77454DEST_PATH_IMAGE045
表示识别到滴浆的出料口差值图的数量。
根据混凝土出料口滴浆的特点，反映混凝土的含水量，即滴浆越密集，混凝土含水量越多。所以根据滴浆的密集程度值获得混凝土含水量的第一指标，表示为：
Figure 932277DEST_PATH_IMAGE046
，
Figure 446435DEST_PATH_IMAGE044
表示最终的滴浆密集程度值，
Figure 310486DEST_PATH_IMAGE044
越大，表示混凝土的含水量越大，即
Figure 62541DEST_PATH_IMAGE047
越大。
3.利用地面差值图中的流料区域的面积、每个成片水料区域的面积、成片水料区域的数量，计算得到地面差值图中的混凝土含水量值。
根据第
Figure 619425DEST_PATH_IMAGE019
张地面差值图
Figure 588255DEST_PATH_IMAGE020
中的成片水料区域判断混凝土的含水量值，表示为：
Figure 255997DEST_PATH_IMAGE048
其中
Figure 128138DEST_PATH_IMAGE022
表示第
Figure 590344DEST_PATH_IMAGE049
个成片水料区域的面积，
Figure 813515DEST_PATH_IMAGE050
表示成片水料区域的个数，
Figure 19368DEST_PATH_IMAGE051
表示当前图像中的混凝土流料区域的面积，
Figure 746015DEST_PATH_IMAGE052
表示当前流料中成片水料区域的面积在流料中的面积占比，
Figure 146166DEST_PATH_IMAGE052
越大，表示成片水料区域越大，反映混凝土的含水量越多，
Figure 325475DEST_PATH_IMAGE053
表示第
Figure 335019DEST_PATH_IMAGE049
个成片水料区域对于所有成片水料区域的占比，单个成片水料区域的面积越大，反映混凝土含水量越多，
Figure 447332DEST_PATH_IMAGE054
反映所有成片水料区域的大小程度，即大面积的水料区域数量越多，反映混凝土含水量越多。
Figure 985760DEST_PATH_IMAGE055
表示第
Figure 183523DEST_PATH_IMAGE019
张地面差值图中的混凝土含水量值。
4.利用每一个地面差值图中的混凝土含水量值和存在成片水料区域的地面差值图的数量，计算得到混凝土含水量的第二指标。
已知识别到的第
Figure 465600DEST_PATH_IMAGE019
张图像对应的时间表示为
Figure 665375DEST_PATH_IMAGE056
，此时根据所拍摄的所有图像，综合判断混凝土的含水量。不同时刻所拍摄的图像中混凝土流料的量不同，不同时刻的流料堆积的形态发生变化，流料的量越多，所识别到的流料形态信息越准确，即随着拍摄图像时间的推移，图像所反映的混凝土的含水量越可信，即混凝土含水量的第二指标表示为：
Figure 640284DEST_PATH_IMAGE057
其中
Figure 59764DEST_PATH_IMAGE055
表示第
Figure 411111DEST_PATH_IMAGE019
张地面差值图中的混凝土含水量值，
Figure 966858DEST_PATH_IMAGE058
表示以拍摄图像的时刻为权重，表示当前图像反映的混凝土含水量值，
Figure 817395DEST_PATH_IMAGE059
表示地面差值图的数量，已知相机拍摄的时间间隔
Figure 724171DEST_PATH_IMAGE003
，所以根据实际混凝土出料口滴浆的时间判断
Figure 613630DEST_PATH_IMAGE059
的值。
Figure 289462DEST_PATH_IMAGE060
表示混凝土含水量的第二指标。
5.根据混凝土含水量的第一指标和第二指标，计算得到混凝土最终的含水量指标。
根据上述步骤分别由混凝土出料口的滴浆以及混凝土落在地面上的流料形态，判断获得混凝土含水量的指标
Figure 340595DEST_PATH_IMAGE061
，此时结合
Figure 734667DEST_PATH_IMAGE061
获得混凝土最终的含水量指标，表示为：
Figure 926352DEST_PATH_IMAGE062
其中
Figure 456690DEST_PATH_IMAGE061
分别表示混凝土第一指标和第二指标，
Figure 944303DEST_PATH_IMAGE063
表示获得的混凝土最终的含水量指标，
Figure 825671DEST_PATH_IMAGE061
越大，反映混凝土的含水量越大。
四、控制模块。
利用计算模块获得的含水量指标对混凝土的物料与水的参数比进行调控。
根据上述步骤获得混凝土最终的含水量指标，从而反映混凝土的质量。一般根据原材料和实际需要，所生产的混凝土的含水量具有一定的固定指标，所以在生产过程中需要判断当前的混凝土最终的含水量指标是否符合设计要求。
连接当前混凝土含水量计算系统与混凝土生产的主控系统，实时传输当前的混凝土最终的含水量指标，由主控设备或者主控人员判断当前混凝土最终的含水量指标是否符合设计要求，如果不符合，及时修改混凝土生产的控制参数或者通知专业人员，及时补救，实现混凝土生产的远程控制，即图像系统与主控系统构成一套新型的远程控制系统。
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 (7)

1.一种新型混凝土生产的远程控制系统，其特征在于，包括采集模块、识别模块、计算模块和控制模块：
采集模块：用于设在搅拌机出料口侧面和上方的相机采集出料口关闭后混凝土滴浆前后出料口图像和地面图像；
识别模块：分别对滴浆前后出料口灰度图和地面灰度图进行作差，获得出料口差值图和地面差值图；
利用出料口差值图中所有连通域大小的方差、相邻两连通域之间距离的方差、所有连通域的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中的连通域为滴浆的可能性；
根据出料口差值图中的连通域为滴浆的可能性识别出出料口差值图中的滴浆；
利用地面差值图中像素点的亮度值获取地面差值图中的水料区域；
根据每个水料区域的面积识别出地面差值图中的成片水料区域；
计算模块：利用出料口差值图中滴浆的数量、相邻两滴浆之间的距离、所有滴浆的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中滴浆的密集程度值；
利用每一个出料口差值图中滴浆的密集程度值计算得到混凝土含水量的第一指标；
利用地面差值图中的流料区域的面积、每个成片水料区域的面积、成片水料区域的数量，计算得到地面差值图中的混凝土含水量值；
利用每一个地面差值图中的混凝土含水量值和存在成片水料区域的地面差值图的数量，计算得到混凝土含水量的第二指标；
根据混凝土含水量的第一指标和第二指标，计算得到混凝土最终的含水量指标；
控制模块：利用计算模块获得的含水量指标对混凝土的物料与水的参数比进行调控。
2.根据权利要求1所述的一种新型混凝土生产的远程控制系统，其特征在于，所述识别模块中出料口差值图中的滴浆是按照如下方式识别出：
对滴浆前后出料口图像进行灰度化处理，得到滴浆前后出料口灰度图；
对滴浆前出料口灰度图和滴浆后出料口灰度图进行作差，获得出料口差值图；
对出料口差值图进行二值化和边缘检测，获取出料口差值图中的所有连通域；
统计每个连通域的大小，并计算连通域大小的方差；
计算相邻两连通域之间的距离和相邻两连通域之间距离的方差；
获取每个连通域中竖直方向上两两像素点之间的最大距离，将该最大距离作为每个连通域的长度；
获取所有连通域的长度的最大值；
获取出料口差值图的宽度；
利用连通域大小的方差、相邻两连通域之间距离的方差、所有连通域的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中的连通域为滴浆的可能性；
设置滴浆可能性阈值，对出料口差值图中的连通域为滴浆的可能性进行判断：当出料口差值图中的连通域为滴浆的可能性大于滴浆可能性阈值时，则将该出料口差值图中的连通域识别为滴浆。
3.根据权利要求1所述的一种新型混凝土生产的远程控制系统，其特征在于，所述识别模块中地面差值图中的成片水料区域是按照如下方式识别出：
对滴浆前后地面图像进行灰度化处理，得到滴浆前后地面灰度图；
对滴浆前地面灰度图和滴浆后地面灰度图进行作差，获得地面差值图；
对地面差值图进行二值化和边缘检测，获取地面差值图中的连通域，该连通域即为地面差值图中的流料区域；
利用基于亮度值的区域生长法获取地面差值图中的水料区域；
统计每个水料区域的面积；
设置面积阈值，对每个水料区域的面积进行判断：当水料区域的面积大于面积阈值时，则将该水料区域识别为成片水料区域。
4.根据权利要求1所述的一种新型混凝土生产的远程控制系统，其特征在于，所述计算模块中混凝土含水量的第一指标是按照如下方式得到：
计算出料口差值图中滴浆的数量和相邻两滴浆之间的距离；
获取每个滴浆中竖直方向上两两像素点之间的最大距离，将该最大距离作为每个滴浆的长度；
获取所有滴浆的长度的最大值；
利用出料口差值图中滴浆的数量、相邻两滴浆之间的距离、所有滴浆的长度的最大值和出料口差值图的宽度，计算得到出料口差值图中滴浆的密集程度值；
利用每一个出料口差值图中滴浆的密集程度值和存在滴浆的出料口差值图的数量，计算得到混凝土最终的滴浆密集程度值；
利用混凝土最终的滴浆密集程度值计算得到混凝土含水量的第一指标。
5.根据权利要求1所述的一种新型混凝土生产的远程控制系统，其特征在于，所述计算模块中混凝土含水量的第二指标是按照如下方式得到：
获取地面差值图中的流料区域的面积；
利用地面差值图中的流料区域的面积、每个成片水料区域的面积、成片水料区域的数量，计算得到地面差值图中的混凝土含水量值；
利用每一个地面差值图中的混凝土含水量值和存在成片水料区域的地面差值图的数量，计算得到混凝土含水量的第二指标。
6.根据权利要求1所述的一种新型混凝土生产的远程控制系统，其特征在于，所述计算模块中混凝土最终的含水量指标的表达式如下：
Figure 860857DEST_PATH_IMAGE001
式中，
Figure 245702DEST_PATH_IMAGE002
’表示混凝土最终的含水量指标，A表示混凝土含水量的第一指标，B表示混凝土含水量的第二指标。
7.根据权利要求1所述的一种新型混凝土生产的远程控制系统，其特征在于，所述采集模块中出料口关闭后混凝土滴浆前后出料口图像和地面图像是按照如下方式采集：
将相机设置在搅拌机出料口的侧面，用于采集出料口关闭后混凝土滴浆前出料口处的图像和混凝土滴浆后出料口处的图像；
将相机设置在搅拌机出料口的上方，用于采集出料口关闭后混凝土滴浆前地面图像和混凝土滴浆后地面图像。
CN202210887970.2A 2022-07-27 2022-07-27 一种新型混凝土生产的远程控制系统 Active CN114972722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210887970.2A CN114972722B (zh) 2022-07-27 2022-07-27 一种新型混凝土生产的远程控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210887970.2A CN114972722B (zh) 2022-07-27 2022-07-27 一种新型混凝土生产的远程控制系统

Publications (2)

Publication Number Publication Date
CN114972722A true CN114972722A (zh) 2022-08-30
CN114972722B CN114972722B (zh) 2022-10-25

Family

ID=82970222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210887970.2A Active CN114972722B (zh) 2022-07-27 2022-07-27 一种新型混凝土生产的远程控制系统

Country Status (1)

Country Link
CN (1) CN114972722B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013250215A (ja) * 2012-06-01 2013-12-12 Kajima Corp コンクリートの含水状態検出方法及びシステム
CN104175401A (zh) * 2014-09-02 2014-12-03 中国铁道科学研究院铁道建筑研究所 一种混凝土搅拌站配合比动态调整系统
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
CN109732782A (zh) * 2019-03-06 2019-05-10 武汉理工大学 一种混凝土含水率在线监控系统及监控方法
CN110189321A (zh) * 2019-06-03 2019-08-30 中南大学 一种混凝土表面涂料均匀性确定方法及系统
CN110567990A (zh) * 2019-09-25 2019-12-13 北京建筑材料科学研究总院有限公司 混凝土细骨料含水率在线检测装置及混凝土生产系统
CN111060521A (zh) * 2019-12-31 2020-04-24 中国水利水电第十四工程局有限公司 一种预制混凝土t梁表面气泡数量与面积的检测方法
CN111879918A (zh) * 2020-08-21 2020-11-03 福建江夏学院 一种建筑物混凝土品质的无损检测系统及方法
CN112873533A (zh) * 2021-01-15 2021-06-01 清华大学 混凝土自适应智能拌合方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013250215A (ja) * 2012-06-01 2013-12-12 Kajima Corp コンクリートの含水状態検出方法及びシステム
CN104175401A (zh) * 2014-09-02 2014-12-03 中国铁道科学研究院铁道建筑研究所 一种混凝土搅拌站配合比动态调整系统
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
CN109732782A (zh) * 2019-03-06 2019-05-10 武汉理工大学 一种混凝土含水率在线监控系统及监控方法
CN110189321A (zh) * 2019-06-03 2019-08-30 中南大学 一种混凝土表面涂料均匀性确定方法及系统
CN110567990A (zh) * 2019-09-25 2019-12-13 北京建筑材料科学研究总院有限公司 混凝土细骨料含水率在线检测装置及混凝土生产系统
CN111060521A (zh) * 2019-12-31 2020-04-24 中国水利水电第十四工程局有限公司 一种预制混凝土t梁表面气泡数量与面积的检测方法
CN111879918A (zh) * 2020-08-21 2020-11-03 福建江夏学院 一种建筑物混凝土品质的无损检测系统及方法
CN112873533A (zh) * 2021-01-15 2021-06-01 清华大学 混凝土自适应智能拌合方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JONES OWUSU TWUMASI ET AL: "The application of synthetic aperture radar imaging technique to measure moisture content of concrete structures", 《MEASUREMENT》 *
MD. NAZMUL ALAM ET AL: "Concrete Moisture Content Measurement Using Interdigitated Near-Field Sensors", 《IEEE SENSORS JOURNAL》 *
雷雨萌: "基于图像识别的土石坝坝料级配检测方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Also Published As

Publication number Publication date
CN114972722B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CN101430195B (zh) 一种利用视频图像处理技术计算输电线路覆冰厚度的方法
CN101713776B (zh) 一种基于神经网络的尿液中有形成分识别分类方法
CN104036239B (zh) 基于特征融合和聚类的高分辨sar图像快速舰船检测方法
CN110321815A (zh) 一种基于深度学习的道路裂缝识别方法
CN110378799A (zh) 基于多尺度深度卷积网络的氧化铝综合生产指标决策方法
CN109376792A (zh) 基于多通道残差神经网络的光伏电池外观缺陷分类方法
CN112213962A (zh) 一种基于生长模型与声呐反馈的智能投饲系统及方法
CN115619998B (zh) 一种基于图像的污水等级识别方法和装置
CN110070526A (zh) 基于深度神经网络热度图预测的缺陷检测方法
CN106779232B (zh) 一种城市内涝的建模预测方法
CN106245567B (zh) 一种基于云平台的道路清扫系统与方法
CN106530318A (zh) 一种热拌沥青混凝土花白料识别检测算法
JP6941083B2 (ja) 水処理方法および水処理システム
CN103708592A (zh) 一种基于机器视觉的新型水处理方法及其装置
CN110059713A (zh) 一种基于降水粒子多特征参量的降水类型识别方法
CN105261034A (zh) 一种高速公路上车流量的统计方法及装置
CN107758885A (zh) 一种实时污水曝气情况监测方法
CN110488296A (zh) 对流单体降雹偏振雷达zdr柱在线监测数据预警方法
CN106443679A (zh) 一种冷云人工增雨作业条件识别和作业效果分析的方法
CN114694144B (zh) 一种基于深度学习的钢中非金属夹杂物的智能识别和评级方法
CN100434900C (zh) 水中絮体分形脉动影像实时检测方法
CN114639064B (zh) 一种水位识别方法及装置
CN114972722B (zh) 一种新型混凝土生产的远程控制系统
CN111612331A (zh) 基于土壤水势的模糊智能植物生长监控系统及控制目标阈值获取方法
CN115035112B (zh) 一种环保型电化铝镭射着色剂的制备过程控制方法

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