CN115375685A - 用于混凝土原料中的砂石粒径异常检测方法 - Google Patents

用于混凝土原料中的砂石粒径异常检测方法 Download PDF

Info

Publication number
CN115375685A
CN115375685A CN202211306127.7A CN202211306127A CN115375685A CN 115375685 A CN115375685 A CN 115375685A CN 202211306127 A CN202211306127 A CN 202211306127A CN 115375685 A CN115375685 A CN 115375685A
Authority
CN
China
Prior art keywords
edge
connected domain
fitting
sliding window
domain
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
CN202211306127.7A
Other languages
English (en)
Other versions
CN115375685B (zh
Inventor
严新华
刘桂强
佘沛丰
刘云
王勇
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.)
Linyi Tianyuan Concrete Engineering Co ltd
Original Assignee
Linyi Tianyuan Concrete Engineering 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 Linyi Tianyuan Concrete Engineering Co ltd filed Critical Linyi Tianyuan Concrete Engineering Co ltd
Priority to CN202211306127.7A priority Critical patent/CN115375685B/zh
Publication of CN115375685A publication Critical patent/CN115375685A/zh
Application granted granted Critical
Publication of CN115375685B publication Critical patent/CN115375685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/91—Use of waste materials as fillers for mortars or concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种用于混凝土原料中的砂石粒径异常检测方法，涉及计算机视觉技术领域，包括获取平铺后砂石的表面灰度图像；对灰度图像进行边缘检测获取边缘检测图像；获取边缘检测图像中的初始连通域和非连通边缘线；获取边缘检测图像中的拟合连通域；拟合连通域的边缘包括非连通边缘线和补充边缘线；获取每个拟合连通域的满意程度；根据拟合连通域的满意程度获取第一目标连通域；根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取第二目标连通域；对砂石进行筛选；本发明例解决了相关技术中，在对砂石骨料进行筛选时存在效率低，无法满足筛选要求的技术问题。

Description

用于混凝土原料中的砂石粒径异常检测方法
技术领域
本发明涉及计算机视觉技术领域，具体涉及一种用于混凝土原料中的砂石粒径异常检测方法。
背景技术
混凝土在工业当中的使用率非常高，运用非常广泛，在建筑工程、公路工程、桥梁工程、隧道工程等等作用巨大。混凝土材料通常以胶凝材料为主，再搭配水和砂子，加入一些其他化学元素和矿物质，按照一定比例混合而成，最后经过搅拌后成型。
砂石骨料因其良好的硬度和稳定的化学性质，常常作为优质的建筑材料、混凝土原料而广泛应用于房屋、道路、公路、铁路、工程等领域。现代城市工程建设、道路建设等建筑建设工程中都需要用到大量的砂石混凝土，而在不同的工程建设中对砂石的粒度和均匀度都有不同的要求，因而在土建工程中会涉及到大量砂石的筛选作业。砂石筛选是一项量大、繁重、同时又需要耐心细致的工作，会涉及到砂石的运输、筛选和转运等多个作业环境。
混凝土站在生产混凝土时，会购买同一批量符合规格要求的砂石，但对于同一批次的砂石会不可避免地存在由于粒径过大或粒径过小不符合混凝土生产要求的砂石；现有技术中会对购得的砂石进行二次筛网筛选，但是，同一批量砂石中粒径过大或粒径过小的只占很少的一部分，二次筛选会极大地增大工人的工作量，而且耗时长、效率低，无法满足对砂石的高效筛选。
发明内容
为了解决现有技术中在对砂石骨料进行筛选时工作量大和效率低的技术问题，本发明提供了一种用于混凝土原料中的砂石粒径异常检测方法，该方法通过对获取的灰度图像进行边缘检测获取边缘检测图像；获取边缘检测图像中的初始连通域和非连通边缘线；根据每条非连通边缘线的端点对多条非连通边缘线依次连通，获取边缘检测图像中的拟合连通域；根据每个拟合连通域的非连通边缘线像素点数量、非连通边缘线端点数量，以及补充边缘线数量获取每个拟合连通域的满意程度；根据拟合连通域的满意程度获取第一目标连通域；根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取第二目标连通域；根据边缘检测图像中目标连通域的大小对平铺后砂石进行筛选；有鉴于此，本发明通过以下技术方案予以实现。
一种用于混凝土原料中的砂石粒径异常检测方法，包括以下步骤：
获取砂石平铺后的表面灰度图像；
对所述灰度图像进行边缘检测获取边缘检测图像；
获取所述边缘检测图像中的初始连通域和非连通边缘线；
将相邻非连通边缘线的端点依次连接为闭合区域，获得所述边缘检测图像中的拟合连通域；所述拟合连通域的边缘包括非连通边缘线和补充边缘线；
根据每个拟合连通域的非连通边缘线像素点数量和补充边缘线数量获取每个拟合连通域的满意程度；根据拟合连通域的满意程度获取拟合连通域中所有的第一目标连通域；
以所述初始连通域的边缘像素点为滑窗中心点将所述滑窗在所述初始连通域的边缘线上进行滑动，将所述滑窗每滑动一次根据该滑窗内边缘像素点的坐标获取该滑窗内的边缘像素点构成单像素点边缘线的概率；
根据滑窗内边缘像素点构成单像素点边缘线的概率获取初始连通域中所有的第二目标连通域；所述第一目标连通域和第二目标连通域为砂石连通域；
根据获取的所有第一目标连通域和第二目标连通域的大小对砂石进行筛选。
进一步地，获取所述边缘检测图像中的拟合连通域的过程为：
使用3*3的滑窗从所述边缘检测图像的左上角开始，从左向右、自上而下进行滑动，滑动步长为1；当所述3*3的滑窗的中心点滑至第一条非连通边缘线的端点时，获取该端点与其余非连通边缘线的端点的距离，并根据最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，获得第一个拟合连通域；
继续选取非连通边缘线获取所述边缘检测图像中的多个拟合连通域。
进一步地，所述拟合连通域的满意程度通过下式确定：
Figure 100002_DEST_PATH_IMAGE001
式中，
Figure 793011DEST_PATH_IMAGE002
为拟合连通域的满意程度；
Figure 647834DEST_PATH_IMAGE003
为拟合连通域中非连通边缘线上像素点总数；
Figure 614522DEST_PATH_IMAGE004
为补充边缘线数量；
Figure 9732DEST_PATH_IMAGE005
为非连通边缘线的端点个数；
Figure 824104DEST_PATH_IMAGE006
为自然常数。
进一步地，根据拟合连通域的满意程度获取第一目标连通域的过程为：
设定拟合连通域的满意程度的阈值，当所述拟合连通域的满意程度大于所述阈值时，所述拟合连通域为第一目标连通域。
进一步地，根据拟合连通域的满意程度获取目标连通域的过程中，还包括：
当所述拟合连通域的满意程度不大于所述阈值时，选取所述拟合连通域中第一条非连通边缘线与其余非连通边缘线的端点的距离，并根据第二最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，完成对所述拟合连通域的修正，并将修正后的连通域作为第一目标连通域。
进一步地，所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率通过下式确定：
Figure 849829DEST_PATH_IMAGE007
式中，
Figure 116862DEST_PATH_IMAGE003
为初始连通域中滑窗内的边缘像素点构成单像素点边缘线的概率；
Figure 4178DEST_PATH_IMAGE008
为素点滑窗中心点的坐标；
Figure 673056DEST_PATH_IMAGE009
为滑窗内的任一边缘像素点的坐标值；
Figure 869682DEST_PATH_IMAGE010
为滑窗内第
Figure 279804DEST_PATH_IMAGE011
个边缘像素点的坐标；
Figure 547974DEST_PATH_IMAGE012
为滑窗的个数。
进一步地，根据所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取第二目标连通域的过程中，还包括：
设定概率阈值，获取所述连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值，当所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值大于所述概率阈值时，所述初始连通域为第二目标连通域。
进一步地，根据所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取第二目标连通域的过程中，当所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值小于或等于所述概率阈值时，将所述单像素点边缘线的概率小于或等于所述概率阈值的边缘像素点进行连接，对所述初始连通域进行分割，获得分割后的第二目标连通域。
进一步地，还包括：对所述边缘检测图像中的像素点灰度值进行反运算，获取反运算后边缘检测图像灰度值为0的像素点为边缘线像素点，灰度值为1的像素点为其余像素点；将反运算后的边缘检测图像与原边缘检测图像进行相乘，并根据相乘后每个连通域的灰度值去除所述边缘检测图像中的空隙连通域。
进一步地，所述根据相乘后每个连通域的灰度值去除所述边缘检测图像中的空隙连通域的过程中，将多个连通域中像素点平均灰度值小于10的连通域确定为空隙连通域，并将所述空隙连通域中的像素点灰度值置为0，以去除所述边缘检测图像中的空隙连通域。
与现有技术相比，本发明的有益效果是：
本发明提供了一种用于混凝土原料中的砂石粒径异常检测方法，该方法通过获取平铺后砂石的表面灰度图像；对灰度图像进行边缘检测获取边缘检测图像；获取边缘检测图像中的初始连通域和非连通边缘线；由此可获得灰度图像中的全部边缘线；进一步地，根据每条非连通边缘线的端点对多条非连通边缘线依次连通，获取边缘检测图像中的拟合连通域；由此可获得边缘检测图像中的全部连通域；进一步地，根据每个拟合连通域的非连通边缘线像素点数量、非连通边缘线端点数量，以及补充边缘线数量获取每个拟合连通域的满意程度；根据拟合连通域的满意程度可获得边缘检测图像中的由拟合连通域组成的第一目标连通域；进一步地，建立滑窗，以初始连通域的边缘像素点为滑窗的中心点将滑窗在初始连通域的边缘线上进行滑动，并获取初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率；可根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率从初始连通域中获取第二目标连通域，由此获得了边缘检测图像中的全部目标连通域；根据边缘检测图像中目标连通域的大小对平铺后砂石进行筛选，可获得符合生产混凝土的砂石骨料；本发明解决了相关技术中，在对砂石骨料进行筛选时效率低，无法满足筛选要求的技术问题。
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为本发明砂石粒径异常检测方法的示意图；
图2为本发明边缘检测图像中的非连通边缘线示意图；
图3为本发明边缘检测图像中的有非连通边缘组成的拟合连通域示意图。
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。
混凝土站在生产混凝土时，会购买同一批量符合规格要求的砂石，但对于同一批次的砂石会不可避免地存在由于粒径过大或粒径过小不符合混凝土生产要求的砂石；现有技术中会对购得的砂石进行二次筛网筛选，但是，同一批量砂石中粒径过大或粒径过小的只占很少的一部分，二次筛选会极大地增大工人的工作量，而且效率低，因此现有技术无法满足对砂石的高效筛选；因此，本实施例的使用场景是，将混凝土站购得的砂石单层平铺在传输带上，在生产混凝土时，启动传输带，并获取传输带上砂石的粒径，当传输带上的砂石粒径不符合混凝土生产要求时，对不符合生产要求的砂石使用人工或机械臂进行剔除，并将符合混凝土生产要求的砂石用于生产混凝土。
本实施例提供了一种用于混凝土原料中的砂石粒径异常检测方法，如图1所示，包括：
S101，获取平铺后砂石的表面灰度图像；
对灰度图像进行边缘检测获取边缘检测图像；获取边缘检测图像中的初始连通域和非连通边缘线；
本实施例中的方案的使用场景为，将砂石骨料平铺在传输带上进行运输，在传输带端口顶部放置图像采集单元获取砂石的表面图像，对砂石的表面图像进行灰度化处理获得灰度图像；需要说明的是，本实施例中砂石是单层平铺在传输带上，并使用图像采集单元采集砂石的表面图像；在获得砂石的灰度图像后，对灰度图像进行边缘检测，获得灰度图像的边缘检测图像；本实施例中利用Canny算子获取灰度图像的边缘检测图像；使用Canny算子的好处是，Canny算子更适用于检测弱边缘，且具有低失误率和高精度的特点；
根据每条非连通边缘线的端点对多条非连通边缘线依次连通，获取边缘检测图像中的拟合连通域；拟合连通域的边缘包括非连通边缘线和补充边缘线；获取边缘检测图像中拟合连通域的过程为，使用3*3的滑窗从边缘检测图像的左上角开始，从左向右、自上而下进行滑动，滑动步长为1；当3*3的滑窗的中心点滑至第一条非连通边缘线的端点时，获取该端点与其余非连通边缘线的端点的距离，并根据最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，获得第一个拟合连通域；继续选取非连通边缘线获取边缘检测图像中的多个拟合连通域；如图2和图3所示，图2为多条非连通边缘线，图3为非连通边缘线组成的拟合连通域；
S102，根据每个拟合连通域的非连通边缘线像素点数量、非连通边缘线端点数量，以及补充边缘线数量获取每个拟合连通域的满意程度；拟合连通域的满意程度通过下式确定：
Figure 477884DEST_PATH_IMAGE001
式中，
Figure 438887DEST_PATH_IMAGE002
为拟合连通域的满意程度；
Figure 834840DEST_PATH_IMAGE003
为拟合连通域中非连通边缘线上像素点总数；
Figure 641122DEST_PATH_IMAGE004
为补充边缘线数量；
Figure 691117DEST_PATH_IMAGE005
为非连通边缘线的端点个数；
Figure 557442DEST_PATH_IMAGE006
为自然常数；
根据拟合连通域的满意程度获取目标连通域；根据拟合连通域的满意程度获取目标连通域的过程为，设定拟合连通域的满意程度的阈值，当拟合连通域的满意程度大于阈值时，拟合连通域为目标连通域，当拟合连通域的满意程度不大于阈值时，选取拟合连通域中第一条非连通边缘线与其余非连通边缘线的端点的距离，并根据第二最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，完成对拟合连通域的修正，并将修正后的连通域作为目标连通域；
需要说明的是，本实施例中根据具体实施条件设定拟合连通域的满意程度的阈值为0.3，当拟合连通域的满意程度大于0.3时，拟合连通域为目标连通域，当拟合连通域的满意程度小于或等于0.3时，选取拟合连通域中第一条非连通边缘线与其余非连通边缘线的端点的距离，并根据第二最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，完成对拟合连通域的修正，并将修正后的连通域作为目标连通域；
由此可根据拟合连通域获得目标连通域；
S103，建立滑窗，以初始连通域的边缘像素点为滑窗的中心点将滑窗在初始连通域的边缘线上进行滑动，并获取初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率；初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率通过下式确定：
Figure 942156DEST_PATH_IMAGE013
式中，
Figure 286550DEST_PATH_IMAGE003
为初始连通域中滑窗内的边缘像素点构成单像素点边缘线的概率；
Figure 315686DEST_PATH_IMAGE008
为素点滑窗中心点的坐标，
Figure 87333DEST_PATH_IMAGE014
，
Figure 975654DEST_PATH_IMAGE015
；
Figure 858160DEST_PATH_IMAGE009
为滑窗内的任一边缘像素点的坐标值；
Figure 210643DEST_PATH_IMAGE010
为滑窗内第
Figure 841607DEST_PATH_IMAGE011
个边缘像素点的坐标；
Figure 279542DEST_PATH_IMAGE012
为滑窗的个数；
需要说明的是，上式中
Figure 28055DEST_PATH_IMAGE016
表示滑窗内的任一边缘像素点和坐标原点的连线与水平坐标轴形成的夹角，该水平轴所在的坐标系为以
Figure 31783DEST_PATH_IMAGE008
为坐标原点、水平方向为横坐标、竖直方向为纵坐标的直角坐标系中的横坐标；
Figure 410812DEST_PATH_IMAGE017
表示第
Figure 742567DEST_PATH_IMAGE011
个边缘像素点和坐标原点的连线与水平坐标轴形成的夹角；当
Figure 498034DEST_PATH_IMAGE003
越小，说明初始连通域对应一个砂石区域的可能性越大，当
Figure 713858DEST_PATH_IMAGE003
越大，说明初始连通域对应多个砂石区域的可能性越大；
根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取目标连通域；根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取目标连通域的过程中，还包设定概率阈值，获取连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值，当初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值大于概率阈值时，初始连通域为目标连通域；
需要说明的是，本实施例中根据具体实施条件设定概率阈值为0.3，获取连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值，当初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值大于0.3时，初始连通域为目标连通域；
根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取目标连通域的过程中，当初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值小于或等于0.3时，将单像素点边缘线的概率
Figure 529367DEST_PATH_IMAGE003
小于或等于0.3的边缘像素点进行连接，连接后完成对初始连通域的分割，获得分割后的目标连通域；由此可获得边缘检测图像中的全部目标连通域；
需要说明的是，在获得边缘检测图像中的全部目标连通域后，还需要对边缘检测图像中的空隙连通域进行去除，以避免空隙影响连通域检测的准确性，具体过程为，对边缘检测图像中的像素点灰度值进行反运算，获取反运算后边缘检测图像灰度值为0的像素点为边缘线像素点，灰度值为1的像素点为其余像素点；将反运算后的边缘检测图像与原边缘检测图像进行相乘，并根据相乘后每个连通域的灰度值去除边缘检测图像中的空隙连通域，在根据相乘后每个连通域的灰度值去除边缘检测图像中的空隙连通域的过程中，将多个连通域中像素点平均灰度值小于10的连通域确定为空隙连通域，并将空隙连通域中的像素点灰度值置为0，以去除边缘检测图像中的空隙连通域；
S104，根据边缘检测图像获得了所有目标连通域，每个目标连通域对应一个砂石大小；在混凝土制备工艺中，可根据对砂石粒径的要求，根据标连通域的大小筛选符合工艺要求的砂石骨料。
综上，本实施例提供了一种用于混凝土原料中的砂石粒径异常检测方法，该方法通过获取平铺后砂石的表面灰度图像；对灰度图像进行边缘检测获取边缘检测图像；获取边缘检测图像中的初始连通域和非连通边缘线；根据每条非连通边缘线的端点对多条非连通边缘线依次连通，获取边缘检测图像中的拟合连通域；拟合连通域的边缘包括非连通边缘线和补充边缘线；根据每个拟合连通域的非连通边缘线像素点数量、非连通边缘线端点数量，以及补充边缘线数量获取每个拟合连通域的满意程度；根据拟合连通域的满意程度获取目标连通域；建立滑窗，以初始连通域的边缘像素点为滑窗的中心点将滑窗在初始连通域的边缘线上进行滑动，并获取初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率；根据初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取目标连通域；根据边缘检测图像中目标连通域的大小对平铺后砂石进行筛选；本实施例解决了相关技术中，在对砂石骨料进行筛选时存在效率低，无法满足筛选要求的技术问题。
以上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)

1.一种用于混凝土原料中的砂石粒径异常检测方法，其特征在于，包括以下步骤：
获取砂石平铺后的表面灰度图像；
对所述灰度图像进行边缘检测获取边缘检测图像；
获取所述边缘检测图像中的初始连通域和非连通边缘线；
将相邻非连通边缘线的端点依次连接为闭合区域，获得所述边缘检测图像中的拟合连通域；所述拟合连通域的边缘包括非连通边缘线和补充边缘线；
根据每个拟合连通域的非连通边缘线像素点数量和补充边缘线数量获取每个拟合连通域的满意程度；根据拟合连通域的满意程度获取拟合连通域中所有的第一目标连通域；
以所述初始连通域的边缘像素点为滑窗中心点将所述滑窗在所述初始连通域的边缘线上进行滑动，将所述滑窗每滑动一次根据该滑窗内边缘像素点的坐标获取该滑窗内的边缘像素点构成单像素点边缘线的概率；
根据滑窗内边缘像素点构成单像素点边缘线的概率获取初始连通域中所有的第二目标连通域；所述第一目标连通域和第二目标连通域为砂石连通域；
根据获取的所有第一目标连通域和第二目标连通域的大小对砂石进行筛选。
2.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，获取所述边缘检测图像中的拟合连通域的过程为：
使用3*3的滑窗从所述边缘检测图像的左上角开始，从左向右、自上而下进行滑动，滑动步长为1；当所述3*3的滑窗的中心点滑至第一条非连通边缘线的端点时，获取该端点与其余非连通边缘线的端点的距离，并根据最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，获得第一个拟合连通域；
继续选取非连通边缘线获取所述边缘检测图像中的多个拟合连通域。
3.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，所述拟合连通域的满意程度通过下式确定：
Figure DEST_PATH_IMAGE001
式中，
Figure 668639DEST_PATH_IMAGE002
为拟合连通域的满意程度；
Figure 883589DEST_PATH_IMAGE003
为拟合连通域中非连通边缘线上像素点总数；
Figure 65172DEST_PATH_IMAGE004
为补充边缘线数量；
Figure 84206DEST_PATH_IMAGE005
为非连通边缘线的端点个数；
Figure 984028DEST_PATH_IMAGE006
为自然常数。
4.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，根据拟合连通域的满意程度获取第一目标连通域的过程为：
设定拟合连通域的满意程度的阈值，当所述拟合连通域的满意程度大于所述阈值时，所述拟合连通域为第一目标连通域。
5.根据权利要求4所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，根据拟合连通域的满意程度获取目标连通域的过程中，还包括：
当所述拟合连通域的满意程度不大于所述阈值时，选取所述拟合连通域中第一条非连通边缘线与其余非连通边缘线的端点的距离，并根据第二最短距离的端点确定第二条非连通边缘线，将第一条非连通边缘线的端点与第二条非连通边缘线最近的端点连通；继续获取第二条非连通边缘线另一端点与其余非连通边缘线的端点的距离，直至将多条非连通边缘线连通，完成对所述拟合连通域的修正，并将修正后的连通域作为第一目标连通域。
6.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率通过下式确定：
Figure 346877DEST_PATH_IMAGE007
式中，
Figure 648545DEST_PATH_IMAGE003
为初始连通域中滑窗内的边缘像素点构成单像素点边缘线的概率；
Figure 337015DEST_PATH_IMAGE008
为素点滑窗中心点的坐标；
Figure 724134DEST_PATH_IMAGE009
为滑窗内的任一边缘像素点的坐标值；
Figure 297198DEST_PATH_IMAGE010
为滑窗内第
Figure 453373DEST_PATH_IMAGE011
个边缘像素点的坐标；
Figure 404755DEST_PATH_IMAGE012
为滑窗的个数。
7.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，根据所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取第二目标连通域的过程中，还包括：
设定概率阈值，获取所述连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值，当所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值大于所述概率阈值时，所述初始连通域为第二目标连通域。
8.根据权利要求7所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，根据所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率获取第二目标连通域的过程中，当所述初始连通域中每个滑窗内的边缘像素点构成单像素点边缘线的概率的平均值小于或等于所述概率阈值时，将所述单像素点边缘线的概率小于或等于所述概率阈值的边缘像素点进行连接，对所述初始连通域进行分割，获得分割后的第二目标连通域。
9.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，还包括：对所述边缘检测图像中的像素点灰度值进行反运算，获取反运算后边缘检测图像灰度值为0的像素点为边缘线像素点，灰度值为1的像素点为其余像素点；将反运算后的边缘检测图像与原边缘检测图像进行相乘，并根据相乘后每个连通域的灰度值去除所述边缘检测图像中的空隙连通域。
10.根据权利要求1所述用于混凝土原料中的砂石粒径异常检测方法，其特征在于，所述根据相乘后每个连通域的灰度值去除所述边缘检测图像中的空隙连通域的过程中，将多个连通域中像素点平均灰度值小于10的连通域确定为空隙连通域，并将所述空隙连通域中的像素点灰度值置为0，以去除所述边缘检测图像中的空隙连通域。
CN202211306127.7A 2022-10-25 2022-10-25 用于混凝土原料中的砂石粒径异常检测方法 Active CN115375685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211306127.7A CN115375685B (zh) 2022-10-25 2022-10-25 用于混凝土原料中的砂石粒径异常检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211306127.7A CN115375685B (zh) 2022-10-25 2022-10-25 用于混凝土原料中的砂石粒径异常检测方法

Publications (2)

Publication Number Publication Date
CN115375685A true CN115375685A (zh) 2022-11-22
CN115375685B CN115375685B (zh) 2023-03-24

Family

ID=84072794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211306127.7A Active CN115375685B (zh) 2022-10-25 2022-10-25 用于混凝土原料中的砂石粒径异常检测方法

Country Status (1)

Country Link
CN (1) CN115375685B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116883407A (zh) * 2023-09-08 2023-10-13 山东省永星食品饮料有限公司 基于人工智能的瓶装水杂质检测方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799857A (zh) * 2012-06-19 2012-11-28 东南大学 一种视频多车辆轮廓检测方法
CN104915946A (zh) * 2015-02-10 2015-09-16 浙江工业大学 一种适用于严重退化图像的基于显著性的对象分割方法
CN109255757A (zh) * 2018-04-25 2019-01-22 江苏大学 一种机器视觉自然放置葡萄串果梗区域分割方法
AU2017225022A1 (en) * 2017-09-05 2019-03-21 Canon Kabushiki Kaisha Method, system and apparatus for processing image data
CN109993766A (zh) * 2019-03-18 2019-07-09 南京理工大学 基于深度学习的砂石图像粒径检测方法
CN110736688A (zh) * 2019-10-25 2020-01-31 陕西科技大学 一种原油乳状液粒径检测方法、装置及可读存储介质
CN111833327A (zh) * 2020-07-14 2020-10-27 中国建筑第二工程局有限公司 一种基于图像识别的砂石检测方法
CN113313013A (zh) * 2021-05-26 2021-08-27 国网电力科学研究院武汉南瑞有限责任公司 一种基于红外图像处理技术的变压器套管目标检测方法
CN114862880A (zh) * 2022-07-06 2022-08-05 山东泰恒石材有限公司 一种基于异性石料的切割优化方法及系统
CN114937039A (zh) * 2022-07-21 2022-08-23 阿法龙(山东)科技有限公司 一种钢管缺陷智能检测方法
CN114998350A (zh) * 2022-08-04 2022-09-02 山东泗水泰和石材有限公司 基于图像处理的石材缺陷检测方法
CN115115612A (zh) * 2022-07-26 2022-09-27 山东安德机械科技有限公司 一种用于机械配件的表面缺陷检测方法及系统
CN115170576A (zh) * 2022-09-09 2022-10-11 山东中发新材料科技有限公司 基于机器视觉的铝管表面缺陷检测方法
CN115205234A (zh) * 2022-06-24 2022-10-18 中电建河南万山绿色建材有限公司 基于深度学习的砂石粒度分布曲线检测方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799857A (zh) * 2012-06-19 2012-11-28 东南大学 一种视频多车辆轮廓检测方法
CN104915946A (zh) * 2015-02-10 2015-09-16 浙江工业大学 一种适用于严重退化图像的基于显著性的对象分割方法
AU2017225022A1 (en) * 2017-09-05 2019-03-21 Canon Kabushiki Kaisha Method, system and apparatus for processing image data
CN109255757A (zh) * 2018-04-25 2019-01-22 江苏大学 一种机器视觉自然放置葡萄串果梗区域分割方法
CN109993766A (zh) * 2019-03-18 2019-07-09 南京理工大学 基于深度学习的砂石图像粒径检测方法
CN110736688A (zh) * 2019-10-25 2020-01-31 陕西科技大学 一种原油乳状液粒径检测方法、装置及可读存储介质
CN111833327A (zh) * 2020-07-14 2020-10-27 中国建筑第二工程局有限公司 一种基于图像识别的砂石检测方法
CN113313013A (zh) * 2021-05-26 2021-08-27 国网电力科学研究院武汉南瑞有限责任公司 一种基于红外图像处理技术的变压器套管目标检测方法
CN115205234A (zh) * 2022-06-24 2022-10-18 中电建河南万山绿色建材有限公司 基于深度学习的砂石粒度分布曲线检测方法
CN114862880A (zh) * 2022-07-06 2022-08-05 山东泰恒石材有限公司 一种基于异性石料的切割优化方法及系统
CN114937039A (zh) * 2022-07-21 2022-08-23 阿法龙(山东)科技有限公司 一种钢管缺陷智能检测方法
CN115115612A (zh) * 2022-07-26 2022-09-27 山东安德机械科技有限公司 一种用于机械配件的表面缺陷检测方法及系统
CN114998350A (zh) * 2022-08-04 2022-09-02 山东泗水泰和石材有限公司 基于图像处理的石材缺陷检测方法
CN115170576A (zh) * 2022-09-09 2022-10-11 山东中发新材料科技有限公司 基于机器视觉的铝管表面缺陷检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SWETA RANI BISWAL ET AL: "Prediction of grain boundary of a composite microstructure using digital image processing: A comparative study", 《MATERIALS TODAY: PROCEEDINGS》 *
ZHANG ZELIN ET AL: "Estimation of coal particle size distribution by image segmentation", 《INTERNATIONAL JOURNAL OF MINING SCIENCE AND TECHNOLOGY》 *
任喜伟 等: "基于连通域标记的原油乳状液粒径检测算法", 《计算机应用与软件》 *
王振 等: "基于图像分析方法的机制砂颗粒形貌参数研究", 《铁道建筑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116883407A (zh) * 2023-09-08 2023-10-13 山东省永星食品饮料有限公司 基于人工智能的瓶装水杂质检测方法
CN116883407B (zh) * 2023-09-08 2023-11-24 山东省永星食品饮料有限公司 基于人工智能的瓶装水杂质检测方法

Also Published As

Publication number Publication date
CN115375685B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN115375685B (zh) 用于混凝土原料中的砂石粒径异常检测方法
US11361193B2 (en) Automatic identification method and system for different types of pores of mud shale
CN110118775B (zh) 厂拌水泥稳定碎石骨料组成快速检测方法
WO2023142262A1 (zh) 基于深度学习的混凝土配方调整方法、装置及可读介质
CN108677656A (zh) 一种沥青混合搅拌的防溢料装置及方法
Salinas et al. Automated estimation of rock fragment distributions using computer vision and its application in mining
CN108470173B (zh) 一种矿石颗粒的分割方法
CN107220946B (zh) 一种岩石运输带上不良块度图像的实时剔除方法
Sanchidrián et al. A practical procedure for the measurement of fragmentation by blasting by image analysis
CN115890915A (zh) 一种混凝土搅拌过程图像识别方法
CN114985150B (zh) 基于视觉感知的喷雾机精准喷雾的控制方法
CN116485719A (zh) 一种用于裂缝检测的自适应canny方法
Yang et al. Research into different methods for measuring the particle-size distribution of aggregates: An experimental comparison
CN115661173A (zh) 一种基于遥感图像的地块分割方法
CN111833327A (zh) 一种基于图像识别的砂石检测方法
CN110992353B (zh) 基于智能感知的芯片涂层薄膜质量检测方法
CN107024416A (zh) 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法
CN115326656B (zh) 交通土建用颗粒材料松铺层颗粒粒径及级配无损测量方法
CN109165638B (zh) 一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法
CN101294950B (zh) 一种检测沥青混合料中矿粉含量的方法及装置
CN112904813B (zh) 基于5g和物联网的隧洞衬砌智能化控制系统及方法
CN106336166A (zh) 利用石屑与机制砂复掺技术增加混凝土流动性的方法
Chen et al. Study on skid resistance and skid-resistance durability of polymer modified cement mortar based on surface texture properties
CN114549545A (zh) 基于岩块形状的爆堆图像自适应分割方法、设备及介质
CN111351691A (zh) 一种沥青混合料抗车辙性能评价方法

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