CN115184378A - 一种基于移动设备的混凝土结构病害检测系统及方法 - Google Patents
一种基于移动设备的混凝土结构病害检测系统及方法 Download PDFInfo
- Publication number
- CN115184378A CN115184378A CN202211118124.0A CN202211118124A CN115184378A CN 115184378 A CN115184378 A CN 115184378A CN 202211118124 A CN202211118124 A CN 202211118124A CN 115184378 A CN115184378 A CN 115184378A
- Authority
- CN
- China
- Prior art keywords
- disease
- concrete structure
- detection result
- physical characteristic
- image
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 286
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 286
- 238000001514 detection method Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 208000037921 secondary disease Diseases 0.000 claims description 26
- 238000007639 printing Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 7
- 208000037920 primary disease Diseases 0.000 claims description 7
- 208000024335 physical disease Diseases 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims 3
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000003902 lesion Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Biochemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于移动设备的混凝土结构病害检测系统及方法,涉及混凝土结构病害检测技术领域,该系统包括:移动设备和云服务器;所述移动设备至少包括双目相机和混凝土结构病害初步检测APP;所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块。本发明能够高效准确检测混凝土结构的病害结果并实现可视化展示。
Description
技术领域
本发明涉及混凝土结构病害检测技术领域,特别是涉及一种基于移动设备的混凝土结构病害检测系统及方法。
背景技术
混凝土表面裂缝是混凝土材料中最常见的一种损伤,它会降低混凝土结构的耐久性和安全性。很多混凝土结构的破坏也都是从裂缝开始的。
在现有技术中,大部分是采用单目机器视觉原理实现混凝土结构裂缝检测。其中,大部分单目机器为单目相机,并当单目相机的光轴不垂直于被测结构表面或是被测结构表面不是平面时,将带来一定的误差。同时为了获得比例因子(单个像素对应的物理尺寸),需要外加测距装置获得裂缝距离相机的距离或者拍摄裂缝时需要同时拍摄一个具有已知尺寸的标准块,其检测过程较为繁琐。
发明内容
本发明的目的是提供一种基于移动设备的混凝土结构病害检测系统及方法,能够高效准确检测混凝土结构的病害结果。
为实现上述目的,本发明提供了如下方案:
第一方面,本发明提供了一种基于移动设备的混凝土结构病害检测系统,包括:移动设备和云服务器;
所述移动设备至少包括双目相机和混凝土结构病害初步检测APP;
所述双目相机,用于:拍摄被测混凝土结构的局部病害图像;
所述混凝土结构病害初步检测APP,用于:
对所述局部病害图像进行处理,得到初步病害像素特征检测结果;
根据所述初步病害像素特征检测结果和景深信息确定初步病害物理特征检测结果;所述景深信息是根据所述双目相机的内外部参数确定的;
所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块;所述混凝土结构病害二次检测模型是基于机器学习算法确定的;
所述混凝土结构病害二次检测模型,用于:
对所述局部病害图像进行处理,得到二次病害像素特征检测结果;
根据所述二次病害像素特征检测结果和所述景深信息确定二次病害物理特征检测结果;
所述病害结果确定模块,用于:汇总多张所述局部病害图像对应的初步病害物理特征检测结果和二次病害物理特征检测结果,得到所述被测混凝土结构的全景病害图像以及所述全景病害图像对应的病害物理特征检测结果;
所述模型贴图模块,用于:
根据被测混凝土结构三维模型、所述全景病害图像以及所述全景病害图像对应的病害物理特征检测结果,确定带有病害物理特征检测结果的被测混凝土结构三维模型;
其中,病害物理特征检测结果包括病害区域物理特征信息和病害区域位置信息;所述病害区域物理特征信息至少包括裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。
可选地,所述移动设备还包括显示模块;
所述显示模块,用于显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
可选地,在所述对所述局部病害图像进行处理,得到初步病害像素特征检测结果方面,所述混凝土结构病害初步检测APP,具体包括:
对所述局部病害图像进行预处理;
采用基于阈值分割的病害检测算法、基于形态学的病害检测算法或基于渗流模型的病害检测算法,对预处理后的局部病害图像进行病害特征检测,得到初步病害像素特征检测结果。
可选地,所述移动设备为手机或者平板。
可选地,所述混凝土结构病害二次检测模型的确定过程为:
获取样本数据;所述样本数据包括样本输入数据以及对应的标签数据;所述样本输入数据为所述局部病害图像;所述标签数据为所述病害区域物理特征信息和所述病害区域位置信息;
采用所述样本数据对深度卷积神经网络进行训练,得到混凝土结构病害二次检测模型。
可选地,所述云服务器还包括云数据库;
所述云数据库用于存储所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
可选地,还包括客户端;
所述客户端至少包括查询虚拟按钮和打印虚拟按钮;
所述客户端至少包括查询显示模块和虚拟打印模块;
所述查询显示模块,用于查询显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型;
所述虚拟打印模块,用于输出打印指令;所述打印指令用于打印所述被测混凝土结构的病害物理特征检测结果。
可选地,还包括:三维激光扫描仪;
所述三维激光扫描仪,用于:获取所述被测混凝土结构的三维信息;
所述云服务器,用于:根据所述三维信息,构建被测混凝土结构三维模型。
第二方面,本发明提供了一种基于移动设备的混凝土结构病害检测方法,该混凝土结构病害检测方法应用于移动设备和云服务器;所述移动设备至少包括双目相机和混凝土结构病害初步检测APP;所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块;所述混凝土结构病害二次检测模型是基于机器学习算法确定的;所述混凝土结构病害检测方法,包括:
所述双目相机拍摄被测混凝土结构的局部病害图像;
所述混凝土结构病害初步检测APP对所述局部病害图像进行处理,得到初步病害像素特征检测结果,并根据所述初步病害像素特征检测结果和景深信息确定初步病害物理特征检测结果;所述景深信息是根据所述双目相机的内外部参数确定的;
所述混凝土结构病害二次检测模型对所述局部病害图像进行处理,得到二次病害像素特征检测结果,并根据所述二次病害像素特征检测结果和所述景深信息确定二次病害物理特征检测结果;
所述病害结果确定模块汇总多张所述局部病害图像对应的初步病害物理特征检测结果和二次病害物理特征检测结果,得到所述被测混凝土结构的全景病害图像以及所述全景病害图像对应的病害物理特征检测结果;
所述模型贴图模块根据被测混凝土结构三维模型、所述全景病害图像以及所述全景病害图像对应的病害物理特征检测结果,确定带有病害物理特征检测结果的被测混凝土结构三维模型;
其中,病害物理特征检测结果包括病害区域物理特征信息和病害区域位置信息;所述病害区域物理特征信息至少包括裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。
可选地,还包括:
显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
1、现场检测只需要一台集成有双目相机和混凝土结构病害初步检测APP的移动设备即可快速得到准确、可靠的初步病害物理特征检测结果;且利用双目相机直接获得局部病害图像的景深信息,无需标准块或测距装置,极大提高了病害检测工作的效率而不失其测量准确性,大大降低了整体操作流程的复杂度,能够应对现有检测方法难以开展作业的各种复杂施工环境。
2、云服务器对局部病害图像进行二次识别,得到二次病害物理特征检测结果,并将初步病害物理特征检测结果和二次病害物理特征检测结果汇总,作为被测混凝土结构最终的病害物理特征检测结果,进一步提高病害检测工作的准确性。
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性的前提下,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基于移动设备的混凝土结构病害检测系统的结构框图;
图2为本发明实施例提供的一种基于移动设备的混凝土结构病害检测方法的流程示意图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
针对混凝土结构病害如何快速准确检测及复测的问题,本发明提供了基于多摄的智能手机等移动设备的混凝土结构病害检测系统及方法,利用智能手机自带的双目相机采集局部病害图像,经由一系列图像算法处理后将病害检测初步结果、检测人、病害位置、检测时间等信息发送至云服务器,再由云服务器进一步进行处理,包括生成全景图像并结合混凝土结构的三维模型,实现模型贴图。
实施例一
本发明实施例提供了一种基于移动设备的混凝土结构病害检测系统,如图1所示,包括:移动设备和云服务器。所述移动设备为手机或者平板。
所述移动设备至少包括双目相机和混凝土结构病害初步检测APP。
所述双目相机,用于:拍摄被测混凝土结构的局部病害图像。
局部病害图像的概念:由于病害所覆盖的面积可能比较大,故双目相机拍摄时不能全部覆盖,所以分区域拍摄局部病害图像,然后通过图像拼接技术成为全景病害图像。
所述混凝土结构病害初步检测APP,用于:
对所述局部病害图像进行处理,得到初步病害像素特征检测结果。
根据所述初步病害像素特征检测结果和景深信息确定初步病害物理特征检测结果;所述景深信息是根据所述双目相机的内外部参数确定的。
由于没有使用标准块或测距装置,因此并不能直接计算出裂缝物理宽度及长度(以mm为单位)、物理麻面面积(以mm2为单位)。故根据双目相机的内外部参数,获得每个像点的景深信息,然后根据景深信息确定物理级别的识别结果,即得到初步病害物理特征检测结果。
所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块;所述混凝土结构病害二次检测模型是基于机器学习算法确定的。
所述混凝土结构病害二次检测模型,用于:
对所述局部病害图像进行处理,得到二次病害像素特征检测结果。
根据所述二次病害像素特征检测结果和所述景深信息确定二次病害物理特征检测结果。
所述病害结果确定模块,用于:汇总多张所述局部病害图像对应的初步病害物理特征检测结果和二次病害物理特征检测结果,得到所述被测混凝土结构的全景病害图像以及所述全景病害图像对应的病害物理特征检测结果;
所述模型贴图模块,用于:
根据被测混凝土结构三维模型、所述全景病害图像以及所述全景病害图像对应的病害物理特征检测结果,确定带有病害物理特征检测结果的被测混凝土结构三维模型;
其中,病害像素特征检测结果包括病害区域像素特征信息和病害区域位置信息;病害物理特征检测结果包括病害区域物理特征信息和病害区域位置信息;所述病害区域物理特征信息至少包括物理级别的裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。所述病害区域像素特征信息至少包括像素级别的裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。
所述混凝土结构病害二次检测模型的确定过程为:
获取样本数据;所述样本数据包括样本输入数据以及对应的标签数据;所述样本输入数据为所述局部病害图像;所述标签数据为所述病害区域物理特征信息和所述病害区域位置信息;采用所述样本数据对深度卷积神经网络进行训练,得到混凝土结构病害二次检测模型。
所述双目相机的内外部参数确定过程为:
对双目相机进行标定,以获取双目相机的内外部参数。
内部参数:左右相机的内部参数以及左右相机的畸变向量。
外部参数:右相机相对于左相机的旋转矩阵和右相机相对于左相机的平移向量。
进一步地,所述移动设备还包括显示模块和数据传输模块。
所述显示模块,用于显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
所述数据传输模块用于将数据包传输至云服务器;所述数据包至少包括局部病害图像对应的初步病害像素特征检测结果和初步病害物理特征检测结果、以及检测人以及检测时间。
进一步地,在所述对所述局部病害图像进行处理,得到初步病害像素特征检测结果方面,所述混凝土结构病害初步检测APP,具体包括:
对所述局部病害图像进行预处理;预处理包括高斯滤波和图像增强。
采用基于阈值分割的病害检测算法、基于形态学的病害检测算法或基于渗流模型的病害检测算法,对预处理后的局部病害图像进行病害特征检测,得到初步病害像素特征检测结果。
进一步地,所述云服务器还包括云数据库;
所述云数据库用于存储所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
进一步地,本发明实施例提供的系统还包括客户端;
所述客户端至少包括查询显示模块和虚拟打印模块。
所述查询显示模块,用于查询显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
所述虚拟打印模块,用于输出打印指令;所述打印指令用于打印所述被测混凝土结构的病害物理特征检测结果。
进一步地,本发明实施例提供的系统还包括:三维激光扫描仪;
所述三维激光扫描仪,用于:获取所述被测混凝土结构的三维信息;
所述云服务器,用于:根据所述三维信息,构建被测混凝土结构三维模型。
实施例二
本发明实施例提供了一种基于移动设备的混凝土结构病害检测方法,该混凝土结构病害检测方法应用于实施例一所述的移动设备和云服务器;所述移动设备至少包括双目相机和混凝土结构病害初步检测APP;所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块;所述混凝土结构病害二次检测模型是基于机器学习算法确定的;所述混凝土结构病害检测方法,如图2所示,包括:
步骤100:所述双目相机拍摄被测混凝土结构的局部病害图像。
步骤200:所述混凝土结构病害初步检测APP对所述局部病害图像进行处理,得到初步病害像素特征检测结果,并根据所述初步病害像素特征检测结果和景深信息确定初步病害物理特征检测结果;所述景深信息是根据所述双目相机的内外部参数确定的。
步骤300:所述混凝土结构病害二次检测模型对所述局部病害图像进行处理,得到二次病害像素特征检测结果,并根据所述二次病害像素特征检测结果和所述景深信息确定二次病害物理特征检测结果。
步骤400:所述病害结果确定模块汇总多张所述局部病害图像对应的初步病害物理特征检测结果和二次病害物理特征检测结果,得到所述被测混凝土结构的全景病害图像以及所述全景病害图像对应的病害物理特征检测结果。
步骤500:所述模型贴图模块根据被测混凝土结构三维模型、所述全景病害图像以及所述全景病害图像对应的病害物理特征检测结果,确定带有病害物理特征检测结果的被测混凝土结构三维模型。
其中,病害像素特征检测结果包括病害区域像素特征信息和病害区域位置信息;病害物理特征检测结果包括病害区域物理特征信息和病害区域位置信息;所述病害区域物理特征信息至少包括物理级别的裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。所述病害区域像素特征信息至少包括像素级别的裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。
进一步地,所述混凝土结构病害检测方法还包括:
显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
与现有技术相比,本发明具有以下技术效果:
第一,利用双目相机直接获得局部病害图像的景深信息,无需标准块或测距装置;
第二,引入了云服务器及云数据库,增强了对局部病害图像进一步进行机器学习和图像处理的能力。
第三、借助于云服务器及云数据库,增强了对病害信息的组织管理能力,方便向客户端提供检索、查看、汇总以及打印服务等。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于移动设备的混凝土结构病害检测系统,其特征在于,包括:移动设备和云服务器;
所述移动设备至少包括双目相机和混凝土结构病害初步检测APP;
所述双目相机,用于:拍摄被测混凝土结构的局部病害图像;
所述混凝土结构病害初步检测APP,用于:
对所述局部病害图像进行处理,得到初步病害像素特征检测结果;
根据所述初步病害像素特征检测结果和景深信息确定初步病害物理特征检测结果;所述景深信息是根据所述双目相机的内外部参数确定的;
所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块;所述混凝土结构病害二次检测模型是基于机器学习算法确定的;
所述混凝土结构病害二次检测模型,用于:
对所述局部病害图像进行处理,得到二次病害像素特征检测结果;
根据所述二次病害像素特征检测结果和所述景深信息确定二次病害物理特征检测结果;
所述病害结果确定模块,用于:汇总多张所述局部病害图像对应的初步病害物理特征检测结果和二次病害物理特征检测结果,得到所述被测混凝土结构的全景病害图像以及所述全景病害图像对应的病害物理特征检测结果;
所述模型贴图模块,用于:
根据被测混凝土结构三维模型、所述全景病害图像以及所述全景病害图像对应的病害物理特征检测结果,确定带有病害物理特征检测结果的被测混凝土结构三维模型;
其中,病害物理特征检测结果包括病害区域物理特征信息和病害区域位置信息;所述病害区域物理特征信息至少包括裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。
2.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,所述移动设备还包括显示模块;
所述显示模块,用于显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
3.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,在所述对所述局部病害图像进行处理,得到初步病害像素特征检测结果方面,所述混凝土结构病害初步检测APP,具体包括:
对所述局部病害图像进行预处理;
采用基于阈值分割的病害检测算法、基于形态学的病害检测算法或基于渗流模型的病害检测算法,对预处理后的局部病害图像进行病害特征检测,得到初步病害像素特征检测结果。
4.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,所述移动设备为手机或者平板。
5.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,所述混凝土结构病害二次检测模型的确定过程为:
获取样本数据;所述样本数据包括样本输入数据以及对应的标签数据;所述样本输入数据为所述局部病害图像;所述标签数据为所述病害区域物理特征信息和所述病害区域位置信息;
采用所述样本数据对深度卷积神经网络进行训练,得到混凝土结构病害二次检测模型。
6.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,所述云服务器还包括云数据库;
所述云数据库用于存储所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
7.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,还包括客户端;
所述客户端至少包括查询显示模块和虚拟打印模块;
所述查询显示模块,用于查询显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型;
所述虚拟打印模块,用于输出打印指令;所述打印指令用于打印所述被测混凝土结构的病害物理特征检测结果。
8.根据权利要求1所述的一种基于移动设备的混凝土结构病害检测系统,其特征在于,还包括:三维激光扫描仪;
所述三维激光扫描仪,用于:获取所述被测混凝土结构的三维信息;
所述云服务器,用于:根据所述三维信息,构建被测混凝土结构三维模型。
9.一种基于移动设备的混凝土结构病害检测方法,其特征在于,所述混凝土结构病害检测方法应用于移动设备和云服务器;所述移动设备至少包括双目相机和混凝土结构病害初步检测APP;所述云服务器至少包括混凝土结构病害二次检测模型、病害结果确定模块以及模型贴图模块;所述混凝土结构病害二次检测模型是基于机器学习算法确定的;所述混凝土结构病害检测方法,包括:
所述双目相机拍摄被测混凝土结构的局部病害图像;
所述混凝土结构病害初步检测APP对所述局部病害图像进行处理,得到初步病害像素特征检测结果,并根据所述初步病害像素特征检测结果和景深信息确定初步病害物理特征检测结果;所述景深信息是根据所述双目相机的内外部参数确定的;
所述混凝土结构病害二次检测模型对所述局部病害图像进行处理,得到二次病害像素特征检测结果,并根据所述二次病害像素特征检测结果和所述景深信息确定二次病害物理特征检测结果;
所述病害结果确定模块汇总多张所述局部病害图像对应的初步病害物理特征检测结果和二次病害物理特征检测结果,得到所述被测混凝土结构的全景病害图像以及所述全景病害图像对应的病害物理特征检测结果;
所述模型贴图模块根据被测混凝土结构三维模型、所述全景病害图像以及所述全景病害图像对应的病害物理特征检测结果,确定带有病害物理特征检测结果的被测混凝土结构三维模型;
其中,病害物理特征检测结果包括病害区域物理特征信息和病害区域位置信息;所述病害区域物理特征信息至少包括裂缝长度、裂缝宽度、麻面面积、剥落面积、锈蚀面积和露筋面积。
10.根据权利要求9所述的一种基于移动设备的混凝土结构病害检测方法,其特征在于,还包括:
显示所述被测混凝土结构的全景病害图像、所述全景病害图像对应的病害物理特征检测结果、以及带有病害物理特征检测结果的被测混凝土结构三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118124.0A CN115184378B (zh) | 2022-09-15 | 2022-09-15 | 一种基于移动设备的混凝土结构病害检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118124.0A CN115184378B (zh) | 2022-09-15 | 2022-09-15 | 一种基于移动设备的混凝土结构病害检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115184378A true CN115184378A (zh) | 2022-10-14 |
CN115184378B CN115184378B (zh) | 2024-03-29 |
Family
ID=83524299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211118124.0A Active CN115184378B (zh) | 2022-09-15 | 2022-09-15 | 一种基于移动设备的混凝土结构病害检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115184378B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150229911A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of binocular depth perception based on active structured light |
GB201711412D0 (en) * | 2016-12-30 | 2017-08-30 | Maxu Tech Inc | Early entry |
CN109801282A (zh) * | 2019-01-24 | 2019-05-24 | 湖北大学 | 路面状况检测方法、处理方法、装置及系统 |
CN109914843A (zh) * | 2019-02-28 | 2019-06-21 | 华中科技大学 | 基于bim和计算机视觉的室内混凝土裂缝维护装备及方法 |
WO2019174306A1 (zh) * | 2018-03-16 | 2019-09-19 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
US20200098103A1 (en) * | 2018-09-21 | 2020-03-26 | Chongqing Construction Engineering Group Corporation Limited | High-precision Intelligent Detection Method For Bridge Diseases Based On Spatial Position |
CN111242851A (zh) * | 2020-04-10 | 2020-06-05 | 北京思莫特科技有限公司 | 一种混凝土结构表面裂缝检测方法及系统 |
CN111553236A (zh) * | 2020-04-23 | 2020-08-18 | 福建农林大学 | 基于道路前景图像的路面病害目标检测与实例分割方法 |
CN111562220A (zh) * | 2020-06-02 | 2020-08-21 | 吉林大学 | 一种桥梁病害快速智能检测方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
WO2021185009A1 (zh) * | 2020-03-20 | 2021-09-23 | 中建材(合肥)粉体科技装备有限公司 | 一种辊压机辊面自动检测装置及检测方法 |
CN113643300A (zh) * | 2021-07-13 | 2021-11-12 | 郑州大学 | 一种基于Seg-CapsNet算法的路面裂缝像素级别检测方法 |
KR20220004607A (ko) * | 2020-12-25 | 2022-01-11 | 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. | 목표 검출방법, 전자장치, 노변장치와 클라우드 컨트롤 플랫폼 |
CN114113118A (zh) * | 2021-12-01 | 2022-03-01 | 同济大学 | 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法 |
WO2022067966A1 (zh) * | 2020-09-30 | 2022-04-07 | 山东大学 | 一种子母式基础设施病害检测修复系统及方法 |
CN114972177A (zh) * | 2022-04-09 | 2022-08-30 | 深圳市鹏途交通科技有限公司 | 道路病害识别管理方法、装置及智能终端 |
-
2022
- 2022-09-15 CN CN202211118124.0A patent/CN115184378B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150229911A1 (en) * | 2014-02-13 | 2015-08-13 | Chenyang Ge | One method of binocular depth perception based on active structured light |
GB201711412D0 (en) * | 2016-12-30 | 2017-08-30 | Maxu Tech Inc | Early entry |
WO2019174306A1 (zh) * | 2018-03-16 | 2019-09-19 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
US20200098103A1 (en) * | 2018-09-21 | 2020-03-26 | Chongqing Construction Engineering Group Corporation Limited | High-precision Intelligent Detection Method For Bridge Diseases Based On Spatial Position |
CN109801282A (zh) * | 2019-01-24 | 2019-05-24 | 湖北大学 | 路面状况检测方法、处理方法、装置及系统 |
CN109914843A (zh) * | 2019-02-28 | 2019-06-21 | 华中科技大学 | 基于bim和计算机视觉的室内混凝土裂缝维护装备及方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
WO2021185009A1 (zh) * | 2020-03-20 | 2021-09-23 | 中建材(合肥)粉体科技装备有限公司 | 一种辊压机辊面自动检测装置及检测方法 |
CN111242851A (zh) * | 2020-04-10 | 2020-06-05 | 北京思莫特科技有限公司 | 一种混凝土结构表面裂缝检测方法及系统 |
CN111553236A (zh) * | 2020-04-23 | 2020-08-18 | 福建农林大学 | 基于道路前景图像的路面病害目标检测与实例分割方法 |
CN111562220A (zh) * | 2020-06-02 | 2020-08-21 | 吉林大学 | 一种桥梁病害快速智能检测方法 |
WO2022067966A1 (zh) * | 2020-09-30 | 2022-04-07 | 山东大学 | 一种子母式基础设施病害检测修复系统及方法 |
KR20220004607A (ko) * | 2020-12-25 | 2022-01-11 | 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. | 목표 검출방법, 전자장치, 노변장치와 클라우드 컨트롤 플랫폼 |
CN113643300A (zh) * | 2021-07-13 | 2021-11-12 | 郑州大学 | 一种基于Seg-CapsNet算法的路面裂缝像素级别检测方法 |
CN114113118A (zh) * | 2021-12-01 | 2022-03-01 | 同济大学 | 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法 |
CN114972177A (zh) * | 2022-04-09 | 2022-08-30 | 深圳市鹏途交通科技有限公司 | 道路病害识别管理方法、装置及智能终端 |
Also Published As
Publication number | Publication date |
---|---|
CN115184378B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210468B (zh) | 一种图像深度信息获取方法及装置 | |
CN107907775B (zh) | 接线检测方法及接线检测装置 | |
EP2339292A1 (en) | Three-dimensional measurement apparatus and method thereof | |
US20110069892A1 (en) | Method of comparing similarity of 3d visual objects | |
CN105953741B (zh) | 一种钢结构局部几何变形的测量系统和方法 | |
CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
CN114894642B (zh) | 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置 | |
CN112001880B (zh) | 一种平面构件的特征参数检测方法及装置 | |
CN115143895A (zh) | 形变视觉测量方法、装置、设备、介质和双轴测量引伸计 | |
CN114972177A (zh) | 道路病害识别管理方法、装置及智能终端 | |
CN115376000A (zh) | 一种水下测量方法、设备及计算机可读存储介质 | |
CN113569679B (zh) | 测量断裂伸长率的方法、装置和系统 | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测系统及方法 | |
JP2008275366A (ja) | ステレオ3次元計測システム | |
CN112565615B (zh) | 飞拍拍摄触发点的确定方法和装置 | |
CN115184378B (zh) | 一种基于移动设备的混凝土结构病害检测系统及方法 | |
CN116380918A (zh) | 缺陷检测方法、装置及设备 | |
KR102445865B1 (ko) | 영상기반 토목 구조물 실시간 변위 계측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
CN115471566A (zh) | 一种双目标定方法和系统 | |
US11120576B1 (en) | Coarse to fine calibration parameter validation and temperature mitigation | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
CN112734840A (zh) | 一种输电线安全距离测量方法 | |
CN116385336B (zh) | 基于深度学习的焊缝检测方法、系统、装置及存储介质 | |
CN117455921B (zh) | 基于小视野镜头的大景深成像检测方法及系统 | |
CN117596384A (zh) | 摄像头测评方法、装置、设备和存储介质 |
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 |