CN115890915A - 一种混凝土搅拌过程图像识别方法 - Google Patents
一种混凝土搅拌过程图像识别方法 Download PDFInfo
- Publication number
- CN115890915A CN115890915A CN202310015459.8A CN202310015459A CN115890915A CN 115890915 A CN115890915 A CN 115890915A CN 202310015459 A CN202310015459 A CN 202310015459A CN 115890915 A CN115890915 A CN 115890915A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- determining
- gradient
- pixel points
- 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
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种混凝土搅拌过程图像识别方法。该方法包括:采集混凝土搅拌过程的原始灰度图像,获取至少两个预设初始滤波窗口,基于初始滤波窗口分别对原始灰度图像进行图像滤波处理,获得初始滤波图像;识别初始滤波图像中像素点的梯度分布信息,对初始滤波图像进行边缘检测处理,得到初始边缘图像,将初始边缘图像分割为至少两个分割图像;确定初始边缘图像的第二评价指标,根据第二评价指标确定目标滤波窗口,基于目标滤波窗口确定目标边缘图像,识别目标边缘图像中像素点的目标梯度分布信息用于调整混凝土在搅拌过程中的配料比。本发明能够有效提升混凝土搅拌过程图像识别效果的准确性与客观性。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种混凝土搅拌过程图像识别方法。
背景技术
混凝土在建筑行业中的使用极为频繁,混凝土的质量优劣直接决定所浇筑的建筑物的质量,影响混凝土质量的关键在于水泥、石灰等固体物料与水等稀释剂的占比,在稀释剂比例过大时,混凝土出现异常流动的现象,引发混凝土离析,并且在浇筑后,地面上也会出现蜂窝状;在稀释剂比例过小时,会导致后期浇筑的楼房因强度异常从而出现开裂的现象,因此混凝土的配料比尤为重要,在混凝土的搅拌过程中可以通过图像识别的结果对配料比进行调整。
相关技术中,通过分析搅拌影像中所有像素的色度,对搅拌过程中的图像进行识别,判断混凝土是否搅拌均匀,并调整混凝土的配料比,这种方式下,由于混凝土搅拌环境的影响与混凝土本身配料比的多样性,从而导致搅拌过程中色度的变化,通过搅拌过程中色度识别的方式无法实现准确的图像识别效果;另一些技术中,可以通过识别搅拌机内混凝土图像,确定表面流速,进而根据表面流速确定搅拌过程中的配料比,这种方式下,由于混凝土的表面流速不仅受混凝土的浓稠度影响,还受混凝土的黏着度影响,仅通过表面流速确定搅拌过程中的配料比,易忽视黏着度因素影响,从而使得对表面流速进行识别,导致图像识别效果准确性与客观性不足。
发明内容
为了解决混凝土搅拌过程图像识别效果的准确性与客观性不足的技术问题,本发明提供一种混凝土搅拌过程图像识别方法,所采用的技术方案具体如下:
本发明提出了一种混凝土搅拌过程图像识别方法,方法包括:
采集混凝土搅拌过程的原始灰度图像,获取至少两个预设初始滤波窗口,基于所述初始滤波窗口分别对所述原始灰度图像进行图像滤波处理,获得初始滤波图像;
识别所述初始滤波图像中像素点的梯度分布信息,根据所述梯度分布信息分别对所述初始滤波图像进行边缘检测处理,得到初始边缘图像,根据预设的分割规则将所述初始边缘图像分割为至少两个分割图像;
根据所述梯度分布信息确定所述分割图像的第一评价指标,根据所述分割图像的第一评价指标确定所述初始边缘图像的第二评价指标,根据所述第二评价指标从至少两个所述初始滤波窗口中确定目标滤波窗口,基于所述目标滤波窗口确定目标边缘图像,识别所述目标边缘图像中像素点的目标梯度分布信息,其中,所述目标梯度分布信息用于调整混凝土在搅拌过程中的配料比。
进一步地,所述梯度分布信息包括梯度幅值与梯度方向,所述根据所述梯度分布信息确定所述分割图像的第一评价指标,包括:
确定梯度幅值大于预设幅值阈值的像素点作为目标像素点;确定所述分割图像中所述目标像素点数量和所述分割图像中所有像素点数量的比值作为目标比值;
确定所述分割图像中像素点的梯度方向分布特征值,根据所述分割图像中所有像素点的所述梯度方向分布特征值确定所述分割图像的信息熵;
确定所述分割图像的信息熵与所述初始边缘图像中所有所述分割图像的信息熵的和值的比值作为信息熵比值,将单位值和所述信息熵比值的差值作为质量值,确定所述质量值和所述目标比值的乘积作为所述分割图像的所述第一评价指标。
进一步地,所述确定所述分割图像中像素点的梯度方向分布特征值,包括:
确定所述梯度方向与水平方向的非钝角方向夹角作为初始方向夹角;
确定所述分割图像中所有像素点的所述初始方向夹角的数量频率作为所述梯度方向特征值。
进一步地,所述根据所述第二评价指标从至少两个所述初始滤波窗口中确定目标滤波窗口,包括:
比较所有的所述初始边缘图像的所述第二评价指标,选择所述第二评价指标数值最大的所述初始滤波窗口作为所述目标滤波窗口。
进一步地,所述目标梯度分布信息用于调整混凝土在搅拌过程中的配料比,包括:
根据所述目标边缘图像中像素点的所述目标梯度分布信息,确定混凝土的浓稠度和黏着度,根据所述浓稠度与所述黏着度,调整混凝土在搅拌过程中的配料比。
进一步地,所述根据所述目标边缘图像中像素点的所述目标梯度分布信息,确定混凝土的浓稠度和黏着度,包括:
根据所述目标边缘图像中像素点的所述梯度方向确定梯度方向范围;
将所述目标边缘图像中梯度方向属于所述梯度方向范围的像素点作为第一类像素点;
将所述目标边缘图像中梯度方向不属于所述梯度方向范围的像素点作为第二类像素点;
将所述目标边缘图像中所述第一类像素点的所述梯度幅值的和值作为所述浓稠度,所述第二类像素点的所述梯度幅值的和值作为所述黏着度。
进一步地,所述根据所述目标边缘图像中像素点的所述梯度方向确定梯度方向范围,包括:
确定所述目标边缘图像的像素点中出现频率最高的所述梯度方向作为目标梯度方向,以所述目标梯度方向为中心,根据预设方向范围值确定梯度方向范围。
进一步地,所述根据所述浓稠度与所述黏着度,调整混凝土在搅拌过程中的配料比,包括:
在所述浓稠度大于预设浓稠度标准值时,控制搅拌机添加浓稠度稀释剂,在所述浓稠度小于所述浓稠度标准值时,控制搅拌机添加混凝土增稠剂;
在所述黏着度大于预设黏着度标准值时,控制搅拌机添加黏着度稀释剂,在所述黏着度小于所述黏着度标准值时,控制搅拌机添加混凝土增黏剂;
在所述浓稠度等于所述浓稠度标准值,且所述黏着度等于所述黏着度标准值时,停止所述配料比的调整。
进一步地,所述根据所述分割图像的第一评价指标确定所述初始边缘图像的第二评价指标,包括:
确定所述初始边缘图像中所有所述分割图像的所述第一评价指标的和值作为所述第二评价指标。
本发明具有如下有益效果:
本发明通过预设至少两个初始滤波窗口,能够根据多个初始滤波窗口自适应选择图像数据处理较优的滤波窗口,保证本方案能够适用于复杂的混凝土搅拌场景,由于是根据梯度分布信息分别对初始滤波图像进行边缘检测处理,能够根据初始滤波图像中像素点的梯度分布情况,有效提升边缘检测处理的效率,由于是确定不同初始滤波窗口处理得到的初始边缘图像的第二评价指标,从而能够根据第二评价指标准确确定图像数据处理质量较优的目标滤波窗口,基于目标滤波窗口确定目标边缘图像,识别目标边缘图像中像素点的目标梯度分布信息,有效提升对原始灰度图像的图像特征的识别效果,保证原始灰度图像中图像特征提取的准确性。综上,本发明通过评价指标选择图像数据处理质量较优的目标滤波窗口,根据目标滤波窗口进行滤波处理,而后进行边缘检测得到目标边缘图像,能够有效提升混凝土搅拌过程图像识别效果的准确性与客观性。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种混凝土搅拌过程图像识别方法流程图;
图2为本发明一个实施例所提供的混凝土搅拌机结构示意图;
图3为本发明一个实施例所提供的原始灰度图像示意图;
图4为本发明一个实施例所提供的边缘检测图像示意图;
图5为本发明一个实施例所提供的目标边缘图像示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种混凝土搅拌过程图像识别方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种混凝土搅拌过程图像识别方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种混凝土搅拌过程图像识别方法流程图,该方法包括:
S101:采集混凝土搅拌过程的原始灰度图像,获取至少两个预设初始滤波窗口,基于初始滤波窗口分别对原始灰度图像进行图像滤波处理,获得初始滤波图像。
本发明实施例中,可以在混凝土搅拌机的正上方配置工业相机,以用于采集混凝土搅拌机中的混凝土图像,如图2所示,图2为本发明一个实施例所提供的混凝土搅拌机结构示意图,图中,由进水口控制稀释剂进入搅拌机,由进料口控制固体物料进入搅拌机,在搅拌机的正上方架设相机,用于拍摄搅拌过程中的混凝土图像。其中,稀释剂可以具体例如为水,或者具有稀释功能的溶液,固体物料可以根据实际项目需求动态调整,如水泥、石灰,以及其他固体材料按比例混合而成的混合固体物料,对此不做限制。
本发明实施例在采集混凝土图像的过程中,可以按照旋转周期,在搅拌棒每过一个旋转周期,或者搅拌棒到达某一位置处时,触发采集混凝土图像,对此不做限制。
本发明实施例在采集混凝土图像之后,可以对混凝土图像进行图像预处理,图像预处理可以包括图像灰度化处理与图像去噪处理等,以得到原始灰度图像。举例而言,本发明实施例中,可以使用均值灰度化的方式处理混凝土图像,得到原始灰度图像,当然,图像灰度化处理还可以具体例如为加权平均灰度化处理,对此不做限制。
本发明实施例中,如图3所示,图3为本发明一个实施例所提供的原始灰度图像示意图,在混凝土搅拌过程中,混凝土表面会因搅拌棒的移动,产生线状凹陷沟壑和表面的点状固体物料凸起,且因混凝土整体色调偏暗,使得原始灰度图像中像素点的灰度值整体较低,边缘特征较弱。直接对原始灰度图像进行边缘检测得到的边缘检测图像可以如图4所示,图4为本发明一个实施例所提供的边缘检测图像示意图,由图4可知,在直接对原始灰度图像进行边缘检测得到边缘检测图像时,边缘检测图像中存在大量因混凝土表面本身粗糙特征所反映出的干扰纹理,对需要得到的有效的纹理信息产生严重的干扰,因此,可以对原始灰度图像进行滤波,以提升有效的纹理信息提取的准确度。
其中,有效的纹理信息包含因搅拌产生的线状凹陷沟壑纹理和因固体物料凸起所产生的凸起纹理。
其中,初始滤波窗口,是用于对原始灰度图像进行滤波处理的窗口,本发明实施例可以预设多个不同大小的初始滤波窗口,对初始滤波窗口的大小与个数不做限制。
由于本发明实施例预设了多个初始滤波窗口,则可以基于不同的初始滤波窗口分别对原始灰度图像进行图像滤波处理,以得到不同的初始滤波窗口所分别对应的初始滤波图像。
本发明实施例中的图像滤波处理,可以具体例如为中值滤波处理,或者,也可以例如为均值滤波处理,对此不做限制。
S102:识别初始滤波图像中像素点的梯度分布信息,根据梯度分布信息分别对初始滤波图像进行边缘检测处理,得到初始边缘图像,根据预设的分割规则将初始边缘图像分割为至少两个分割图像。
本发明实施例中,可以使用边缘检测算子对初始滤波图像进行边缘检测处理,根据边缘检测算子计算初始滤波图像中像素点的梯度幅值与梯度方向,并将梯度幅值与梯度方向作为初始滤波图像中像素点的梯度分布信息,优选地,本发明实施例可以使用Scharr边缘检测算子对初始滤波图像进行边缘检测处理,对此不做限制。
可以理解的是,由于混凝土整体色调偏暗,使得原始灰度图像中像素点的灰度值整体较低,边缘特征较弱,因此,使用Scharr边缘检测算子能够得到准确度更高,效果更优的初始边缘图像。
本发明实施例中,根据边缘检测算子计算初始滤波图像中像素点的梯度幅值,可以具体例如为确定初始滤波图像中每个像素点在水平方向上的水平差值,以及垂直方向上的垂直差值,而后,可以根据梯度幅值计算公式确定像素点的梯度幅值,其中,梯度幅值计算公式如下式所示:
式中,表示像素点的梯度幅值,为像素点的索引,表示像素点在水平方向的坐标值,表示像素点在垂直方向的坐标值,表示使用边缘检测算子在处计算得到的水平方向上的水平差值,表示使用边缘检测算子在处计算得到的垂直方向上的垂直差值。
如梯度幅值计算公式所示,像素点的梯度幅值为水平差值与垂直差值的平均值。
本发明实施例中,可以根据边缘检测算子计算初始滤波图像中像素点的梯度方向,其中,计算像素点的梯度方向为本领域所熟知的技术手段,在此不再赘述。
其中,预设的分割规则,可以具体例如为预设分割图像的大小,或者,也可以例如为将初始边缘图像分割为固定个数的分割图像,举例而言,可以预设将初始边缘图像分割成多个大小为50*50的分割图像,可以理解的是,分割图像的大小可以根据所采用工业相机的拍摄分辨率,以及初始边缘图像的尺寸大小等动态调整,对此不做限制。
S103:根据梯度分布信息确定分割图像的第一评价指标,根据分割图像的第一评价指标确定初始边缘图像的第二评价指标,根据第二评价指标从至少两个初始滤波窗口中确定目标滤波窗口,基于目标滤波窗口确定目标边缘图像,识别目标边缘图像中像素点的目标梯度分布信息,其中,目标梯度分布信息用于调整混凝土在搅拌过程中的配料比。
本发明实施例中,可以使用评价指标表征初始边缘图像中的信息熵,其中,第一评价指标,是用于对分割图像中所包含信息熵进行统计的指标数据,第二评价指标,是用于对初始边缘图像中所包含信息熵进行统计的指标数据,可以理解的是,信息熵越小,则可以表示初始边缘图像中仅保留有效的纹理信息的程度越大,则对应的初始边缘图像质量越优。
可以理解的是,有效的纹理信息包含因搅拌产生的线状凹陷沟壑纹理和因固体物料凸起所产生的凸起纹理,而有效的纹理信息中,线状凹陷沟壑纹理的纹理方向都趋近相同,而凸起纹理因其体积大小,所产生的凸起纹理区域较为单一,又因对图像分割后,线状凹陷沟壑纹理的内部不易出现凸起纹理,因此,对于每一分割图像中,滤波效果越优,则分割图像中像素点的梯度方向也会更加集中,更加单一,则对应的信息熵则越小,可以根据梯度分布信息确定分割图像的第一评价指标。
可选地,本发明实施例中,确定梯度幅值大于预设幅值阈值的像素点作为目标像素点;确定分割图像中目标像素点数量和分割图像中所有像素点数量的比值作为目标比值;确定分割图像中像素点的梯度方向分布特征值,根据分割图像中所有像素点的梯度方向分布特征值确定分割图像的信息熵;确定分割图像的信息熵与初始边缘图像中所有分割图像的信息熵的和值的比值作为信息熵比值,将单位值和信息熵比值的差值作为质量值,确定质量值和目标比值的乘积作为分割图像的第一评价指标。
其中,预设幅值阈值,是梯度幅值的门限值,可以通过预设幅值阈值对分割图像中的像素点进行筛选,以提升图像处理效果,优选的,预设幅值阈值可以为0,将梯度幅值大于0的像素点作为目标像素点。
可以理解的是,若梯度幅值为0,则表示像素点周围灰度值未发生变化,则像素点可能处于沟壑内部或处于背景区域,则该像素点未包含有效的纹理信息。
其中,目标比值,是分割图像中包含有效的纹理信息的目标像素点数量与分割图像中所有像素点数量的比值。
本发明实施例中,确定分割图像中目标像素点数量和分割图像中所有像素点数量的比值作为目标比值,也即是说,将梯度幅值产生变化的目标像素点与分割图像中所有像素点数量的比值作为目标比值,从而准确识别分割图像中包含有效的纹理信息的目标像素点的数量比值。
本发明实施例中,可以根据分割图像中像素点的梯度方向确定分割图像中像素点的梯度方向分布特征值,可选地,确定梯度方向与水平方向的非钝角方向夹角作为初始方向夹角;确定分割图像中所有像素点的初始方向夹角的数量频率作为梯度方向特征值。
其中,非钝角方向夹角,可以包括锐角夹角与直角夹角,在梯度方向与水平方向所形成的夹角中,可能会出现一个锐角和一个钝角的情况,也可能出现两个直角的情况,则本发明实施例确定梯度方向与水平方向的非钝角方向夹角作为初始方向夹角,并确定初始方向夹角的夹角大小类型与各夹角大小类型的初始方向夹角所对应的夹角数量,可以将分割图像中所有像素点的初始方向夹角的数量频率作为梯度方向特征值。
可以理解的是,在分割图像中所有像素点的初始方向夹角的梯度方向特征值过小时,则可以表示分割图像中所有像素点的梯度方向分布越集中,也即滤波处理质量较优,本发明使用信息熵对滤波处理效果进行评价。本发明实施例中,根据分割图像中所有像素点的梯度方向分布特征值确定分割图像的信息熵,可以使用信息熵公式计算分割图像的信息熵,其中信息熵公式如下式所示:
式中,表示第个分割图像的信息熵,表示分割图像的索引,表示初始方向夹角大小的索引,表示初始方向夹角为的像素点的梯度方向特征值,为对数函数。
如信息熵公式所示,在初始方向夹角所对应的像素点在分割图像中出现的频率过小或过大时,计算得到的分割图像的信息熵越小,可以表示分割图像中所有像素点的梯度方向分布越集中,进而可以表示所保留的有效的纹理信息占比越大,则对应的初始滤波窗口进行图像滤波处理效果越优。
本发明实施例中,在确定分割图像的信息熵和目标比值之后,可以确定分割图像的信息熵与初始边缘图像中所有分割图像的信息熵的和值的信息熵比值,将单位值和信息熵比值的差值作为质量值,确定质量值和目标比值的乘积作为分割图像的第一评价指标,其中,单位值可以具体例如为1,则确定分割图像的信息熵与初始边缘图像中所有分割图像的信息熵的和值的信息熵比值,可以理解为根据初始边缘图像中所有分割图像的信息熵的和值,对分割图像的信息熵进行归一化处理。
进一步地,确定初始边缘图像中所有分割图像的第一评价指标的和值作为第二评价指标。
本发明实施例中,可以使用第二评价指标公式确定初始边缘图像的第二评价指标,其中,第二评价指标公式如下式所示:
式中,表示初始滤波窗口为的初始边缘图像的第二评价指标,表示初始滤波窗口的索引,表示第个分割图像的信息熵,表示分割图像的索引,表示分割图像的信息熵比值,表示归一化函数,意为根据初始边缘图像中所有分割图像的信息熵的和值,对分割图像的信息熵进行归一化处理,表示质量值,表示第个分割图像的目标比值,表示第个分割图像的第一评价指标。
由第二评价指标公式可知,因为越小,则初始滤波窗口进行图像滤波处理效果越优,则的值越大,对应的初始滤波窗口进行图像滤波处理效果越优,表示第个分割图像的目标比值,越大,表示分割图像中包含有效的纹理信息的目标像素点数量与分割图像中所有像素点数量的比值越大,也即图像滤波处理效果越优。
进一步地,本发明实施例中,根据第二评价指标从至少两个初始滤波窗口中确定目标滤波窗口,包括:比较所有的初始边缘图像的第二评价指标,选择第二评价指标数值最大的初始滤波窗口作为目标滤波窗口。
本发明实施例中,第二评价指标数值最大,可以表示图像滤波处理效果越优,也即所使用的初始滤波窗口对原始灰度图像的处理效果越符合混凝土搅拌过程图像识别的需求,则可以将第二评价指标数值最大的初始滤波窗口作为目标滤波窗口。
本发明实施例中,基于目标滤波窗口对原始灰度图像进行图像滤波处理,而后进行边缘检测处理得到目标边缘图像,目标边缘图像为图像滤波处理效果最优的初始边缘图像,如图5所示,图5为本发明一个实施例所提供的目标边缘图像示意图,图5中所使用的目标滤波窗口大小为13,由图5与图4对比可知,经由目标滤波窗口处理得到的目标边缘图像,在干扰纹理得到有效解决的同时,所保留的有效的纹理信息也较为明显,目标边缘图像质量较优。
进一步地,本发明实施例中,根据目标边缘图像中像素点的目标梯度分布信息,确定混凝土的浓稠度和黏着度,根据浓稠度与黏着度,调整混凝土在搅拌过程中的配料比。
本发明实施例中,在确定质量较优的目标边缘图像之后,可以确定目标边缘图像中像素点的梯度方向与梯度幅值等梯度分布信息作为目标梯度分布信息,对目标边缘图像中像素点的目标梯度分布信息的识别可以具体参见初始滤波图像中像素点的梯度分布信息的识别步骤,对此不再赘述。
进一步地,本发明实施例中,根据目标边缘图像中像素点的目标梯度分布信息,确定混凝土的浓稠度和黏着度,包括:根据目标边缘图像中像素点的梯度方向确定梯度方向范围;将目标边缘图像中梯度方向属于梯度方向范围的像素点作为第一类像素点;将目标边缘图像中梯度方向不属于梯度方向范围的像素点作为第二类像素点;将目标边缘图像中第一类像素点的梯度幅值的和值作为浓稠度,第二类像素点的梯度幅值的和值作为黏着度。
其中,浓稠度,是混凝土的浓稠程度,可以根据混凝土中水泥、石灰等固体物料与水的比例作为浓稠度;黏着度,为混凝土的流体粘滞性,浓稠度与黏着度均能够影响混凝土的质量。
可以理解的是,混凝土的浓稠度可以由目标边缘图像中搅拌棒在混凝土中移动时所造成的线状凹陷沟壑的深浅程度体现,混凝土表面的凸起纹理的大小均匀程度则可以反映混凝土的黏着度。
其中,由于线状凹陷沟壑纹理与凸起纹理中梯度方向会更加集中,更加单一,因此像素点的梯度方向更趋近特定的方向范围,也即梯度方向范围。
进一步地,本发明实施例中,根据目标边缘图像中像素点的梯度方向确定梯度方向范围,包括:确定目标边缘图像的像素点中出现频率最高的梯度方向作为目标梯度方向,以目标梯度方向为中心,根据预设方向范围值确定梯度方向范围。
本发明实施例中,将出现频率最高的梯度方向作为目标梯度方向,其中,预设方向范围值,为预设的方向角度值,优选地,预设方向范围值为,举例而言,在目标梯度方向表示为,预设方向范围值为时,则梯度方向范围可以表示为,对预设方向范围值的确定,可以根据混凝土的材料与特性等动态设置,对此不做限制。
本发明实施例中,可以将目标边缘图像中梯度方向属于梯度方向范围的像素点作为第一类像素点,举例而言,在梯度方向范围表示为时,则目标边缘图像中梯度方向属于的像素点可以作为第一类像素点,目标边缘图像中梯度方向不属于的像素点可以作为第二类像素点。
本发明实施例中,将目标边缘图像中第一类像素点的梯度幅值的和值作为浓稠度,可以根据浓稠度公式计算目标边缘图像中混凝土的浓稠度,其中,浓稠度公式如下式所示:
式中,表示目标边缘图像中混凝土的浓稠度,表示第一类像素点的梯度幅值,表示第一类像素点的索引。
如浓稠度公式所示,在第一类像素点越多,第一类像素点的梯度幅值越大时,可以表示线状凹陷沟壑纹理越明显,则可以进一步体现混凝土的浓稠度越高,在第一类像素点越少,第一类像素点的梯度幅值越小时,可以表示线状凹陷沟壑纹理越浅,混凝土的浓稠度越低。
本发明实施例中,将目标边缘图像中第二类像素点的梯度幅值的和值作为黏着度,可以根据黏着度公式计算目标边缘图像中混凝土的黏着度,其中,黏着度公式如下式所示:
式中,表示目标边缘图像中混凝土的黏着度,表示第二类像素点的梯度幅值,表示第二类像素点的索引。
如黏着度公式所示,在第二类像素点越多,第二类像素点的梯度幅值越大时,可以表示凸起纹理的大小均匀程度越高,进而可以表示固体物料黏着越多,其产生的凸起纹理越不明显,则可以进一步体现混凝土的黏着度越高。
进一步地,本发明实施例中,根据浓稠度与黏着度,调整混凝土在搅拌过程中的配料比,包括:在浓稠度大于预设浓稠度标准值时,控制搅拌机添加浓稠度稀释剂,在浓稠度小于浓稠度标准值时,控制搅拌机添加混凝土增稠剂;在黏着度大于预设黏着度标准值时,控制搅拌机添加黏着度稀释剂,在黏着度小于黏着度标准值时,控制搅拌机添加混凝土增黏剂;在浓稠度等于浓稠度标准值,且黏着度等于黏着度标准值时,停止配料比的调整。
其中,浓稠度标准值为浓稠度的门限值,浓稠度标准值可以具体例如为100,在浓稠度大于100时,确定混凝土过于浓稠,在浓稠度小于100时,确定混凝土过于稀疏,在浓稠度等于100时,确定混凝土浓稠度正常。浓稠度标准值的数值大小可以根据实际混凝土特性与工程需求动态调整,对此不做限制。
其中,黏着度标准值为黏着度的门限值,黏着度标准值可以具体例如为300,在黏着度大于300时,确定混凝土过于黏着,在黏着度小于300时,确定混凝土过于稀疏,在黏着度等于300时,确定混凝土黏着度正常,黏着度标准值的数值大小可以根据实际混凝土特性与工程需求动态调整,对此不做限制。
其中,浓稠度稀释剂,是用于降低混凝土浓稠度的试剂,浓稠度稀释剂可以具体例如为水、混凝土降稠剂,以及富含活性二氧化硅的高性能掺合料等,对此不做限制。
其中,混凝土增稠剂,是用于增加混凝土浓稠度的试剂,混凝土增稠剂可以具体例如为固体物料,如水泥、石灰等,也可以例如为增稠外加剂等,对此不做限制。
其中,黏着度稀释剂,是用于降低混凝土黏着度的试剂,黏着度稀释剂可以具体例如为水、降黏外加剂,如引气剂、减水剂等,对此不做限制。
其中,混凝土增黏剂,是用于增加混凝土黏着度的试剂,混凝土增黏剂可以具体例如为辅助胶凝材料,以及增黏外加剂等,对此不做限制。
本发明实施例中,可以预设混凝土的浓稠度标准值,在检测得到的浓稠度大于浓稠度标准值时,确定混凝土过于浓稠,则控制添加浓稠度稀释剂,对混凝土进行稀释,降低其浓稠度。在检测得到的浓稠度小于浓稠度标准值时,确定混凝土过于稀疏,则可以控制添加混凝土增稠剂,以提升混凝土浓稠度。
本发明实施例中,可以预设混凝土的黏着度标准值,在检测得到的黏着度大于黏着度标准值时,确定混凝土过于黏着,则控制添加黏着度稀释剂,对混凝土进行稀释,降低其黏着度。在检测得到的黏着度小于黏着度标准值时,确定混凝土过于稀疏,则可以控制添加混凝土增黏剂,以提升混凝土黏着度。
本发明实施例中,在浓稠度等于浓稠度标准值,且黏着度等于黏着度标准值时,表示混凝土浓稠度与黏着度均达到标准,停止配料比的调整。
本发明通过预设至少两个初始滤波窗口,能够根据多个初始滤波窗口自适应选择图像数据处理较优的滤波窗口,保证本方案能够适用于复杂的混凝土搅拌场景,由于是根据梯度分布信息分别对初始滤波图像进行边缘检测处理,能够根据初始滤波图像中像素点的梯度分布情况,有效提升边缘检测处理的效率,由于是确定不同初始滤波窗口处理得到的初始边缘图像的第二评价指标,从而能够根据第二评价指标准确确定图像数据处理质量较优的目标滤波窗口,基于目标滤波窗口确定目标边缘图像,识别目标边缘图像中像素点的目标梯度分布信息,有效提升对原始灰度图像的图像特征的识别效果,保证原始灰度图像中图像特征提取的准确性。综上,本发明通过评价指标选择图像数据处理质量较优的目标滤波窗口,根据目标滤波窗口进行滤波处理,而后进行边缘检测得到目标边缘图像,能够有效提升混凝土搅拌过程图像识别效果的准确性与客观性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (9)
1.一种混凝土搅拌过程图像识别方法,其特征在于,所述方法包括:
采集混凝土搅拌过程的原始灰度图像,获取至少两个预设初始滤波窗口,基于所述初始滤波窗口分别对所述原始灰度图像进行图像滤波处理,获得初始滤波图像;
识别所述初始滤波图像中像素点的梯度分布信息,根据所述梯度分布信息分别对所述初始滤波图像进行边缘检测处理,得到初始边缘图像,根据预设的分割规则将所述初始边缘图像分割为至少两个分割图像;
根据所述梯度分布信息确定所述分割图像的第一评价指标,根据所述分割图像的第一评价指标确定所述初始边缘图像的第二评价指标,根据所述第二评价指标从至少两个所述初始滤波窗口中确定目标滤波窗口,基于所述目标滤波窗口确定目标边缘图像,识别所述目标边缘图像中像素点的目标梯度分布信息,其中,所述目标梯度分布信息用于调整混凝土在搅拌过程中的配料比。
2.如权利要求1所述的方法,其特征在于,所述梯度分布信息包括梯度幅值与梯度方向,所述根据所述梯度分布信息确定所述分割图像的第一评价指标,包括:
确定梯度幅值大于预设幅值阈值的像素点作为目标像素点;确定所述分割图像中所述目标像素点数量和所述分割图像中所有像素点数量的比值作为目标比值;
确定所述分割图像中像素点的梯度方向分布特征值,根据所述分割图像中所有像素点的所述梯度方向分布特征值确定所述分割图像的信息熵;
确定所述分割图像的信息熵与所述初始边缘图像中所有所述分割图像的信息熵的和值的比值作为信息熵比值,将单位值和所述信息熵比值的差值作为质量值,确定所述质量值和所述目标比值的乘积作为所述分割图像的所述第一评价指标。
3.如权利要求2所述的方法,其特征在于,所述确定所述分割图像中像素点的梯度方向分布特征值,包括:
确定所述梯度方向与水平方向的非钝角方向夹角作为初始方向夹角;
确定所述分割图像中所有像素点的所述初始方向夹角的数量频率作为所述梯度方向特征值。
4.如权利要求3所述的方法,其特征在于,所述根据所述第二评价指标从至少两个所述初始滤波窗口中确定目标滤波窗口,包括:
比较所有的所述初始边缘图像的所述第二评价指标,选择所述第二评价指标数值最大的所述初始滤波窗口作为所述目标滤波窗口。
5.如权利要求4所述的方法,其特征在于,所述目标梯度分布信息用于调整混凝土在搅拌过程中的配料比,包括:
根据所述目标边缘图像中像素点的所述目标梯度分布信息,确定混凝土的浓稠度和黏着度,根据所述浓稠度与所述黏着度,调整混凝土在搅拌过程中的配料比。
6.如权利要求5所述的方法,其特征在于,所述根据所述目标边缘图像中像素点的所述目标梯度分布信息,确定混凝土的浓稠度和黏着度,包括:
根据所述目标边缘图像中像素点的所述梯度方向确定梯度方向范围;
将所述目标边缘图像中梯度方向属于所述梯度方向范围的像素点作为第一类像素点;
将所述目标边缘图像中梯度方向不属于所述梯度方向范围的像素点作为第二类像素点;
将所述目标边缘图像中所述第一类像素点的所述梯度幅值的和值作为所述浓稠度,所述第二类像素点的所述梯度幅值的和值作为所述黏着度。
7.如权利要求6所述的方法,其特征在于,所述根据所述目标边缘图像中像素点的所述梯度方向确定梯度方向范围,包括:
确定所述目标边缘图像的像素点中出现频率最高的所述梯度方向作为目标梯度方向,以所述目标梯度方向为中心,根据预设方向范围值确定梯度方向范围。
8.如权利要求7所述的方法,其特征在于,所述根据所述浓稠度与所述黏着度,调整混凝土在搅拌过程中的配料比,包括:
在所述浓稠度大于预设浓稠度标准值时,控制搅拌机添加浓稠度稀释剂,在所述浓稠度小于所述浓稠度标准值时,控制搅拌机添加混凝土增稠剂;
在所述黏着度大于预设黏着度标准值时,控制搅拌机添加黏着度稀释剂,在所述黏着度小于所述黏着度标准值时,控制搅拌机添加混凝土增黏剂;
在所述浓稠度等于所述浓稠度标准值,且所述黏着度等于所述黏着度标准值时,停止所述配料比的调整。
9.如权利要求2所述的方法,其特征在于,所述根据所述分割图像的第一评价指标确定所述初始边缘图像的第二评价指标,包括:
确定所述初始边缘图像中所有所述分割图像的所述第一评价指标的和值作为所述第二评价指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015459.8A CN115890915B (zh) | 2023-01-06 | 2023-01-06 | 一种混凝土搅拌过程图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015459.8A CN115890915B (zh) | 2023-01-06 | 2023-01-06 | 一种混凝土搅拌过程图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115890915A true CN115890915A (zh) | 2023-04-04 |
CN115890915B CN115890915B (zh) | 2023-05-09 |
Family
ID=85744586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310015459.8A Active CN115890915B (zh) | 2023-01-06 | 2023-01-06 | 一种混凝土搅拌过程图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115890915B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116948587A (zh) * | 2023-08-03 | 2023-10-27 | 尚德环保科技有限公司 | 一种双组分硅烷改性聚醚密封胶的制备及其应用 |
CN117496448A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市旭仓科技有限公司 | 一种建筑施工安全智能监控系统及方法 |
CN118014994A (zh) * | 2024-04-08 | 2024-05-10 | 济宁丰玺生物材料有限公司 | 一种稻壳可降解餐盒裂缝检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103163136A (zh) * | 2013-03-25 | 2013-06-19 | 清华大学 | 利用拌和过程图像实时判别混凝土工作度的方法 |
CN106530318A (zh) * | 2016-08-30 | 2017-03-22 | 中交西安筑路机械有限公司 | 一种热拌沥青混凝土花白料识别检测算法 |
CN110919863A (zh) * | 2019-11-18 | 2020-03-27 | 中联重科股份有限公司 | 混凝土搅拌匀质性的判定方法、装置及控制系统 |
CN111650088A (zh) * | 2020-06-10 | 2020-09-11 | 河海大学 | 一种流态混凝土拌合物流变性能实时检测方法 |
CN111681249A (zh) * | 2020-05-14 | 2020-09-18 | 中山艾尚智同信息科技有限公司 | 基于Grabcut的砂石颗粒的改进分割算法研究 |
CN111833366A (zh) * | 2020-06-03 | 2020-10-27 | 佛山科学技术学院 | 一种基于Canny算法的边缘检测方法 |
JP2021018233A (ja) * | 2019-07-19 | 2021-02-15 | 太平洋セメント株式会社 | コンクリートの劣化の診断または予測方法 |
CN113506246A (zh) * | 2021-06-15 | 2021-10-15 | 西安建筑科技大学 | 基于机器视觉的混凝土3d打印构件精细检测方法 |
-
2023
- 2023-01-06 CN CN202310015459.8A patent/CN115890915B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103163136A (zh) * | 2013-03-25 | 2013-06-19 | 清华大学 | 利用拌和过程图像实时判别混凝土工作度的方法 |
CN106530318A (zh) * | 2016-08-30 | 2017-03-22 | 中交西安筑路机械有限公司 | 一种热拌沥青混凝土花白料识别检测算法 |
JP2021018233A (ja) * | 2019-07-19 | 2021-02-15 | 太平洋セメント株式会社 | コンクリートの劣化の診断または予測方法 |
CN110919863A (zh) * | 2019-11-18 | 2020-03-27 | 中联重科股份有限公司 | 混凝土搅拌匀质性的判定方法、装置及控制系统 |
CN111681249A (zh) * | 2020-05-14 | 2020-09-18 | 中山艾尚智同信息科技有限公司 | 基于Grabcut的砂石颗粒的改进分割算法研究 |
CN111833366A (zh) * | 2020-06-03 | 2020-10-27 | 佛山科学技术学院 | 一种基于Canny算法的边缘检测方法 |
CN111650088A (zh) * | 2020-06-10 | 2020-09-11 | 河海大学 | 一种流态混凝土拌合物流变性能实时检测方法 |
CN113506246A (zh) * | 2021-06-15 | 2021-10-15 | 西安建筑科技大学 | 基于机器视觉的混凝土3d打印构件精细检测方法 |
Non-Patent Citations (2)
Title |
---|
杨为燕;赵进创;缚文利;: "煮糖过程糖结晶显微图像处理方法研究", 计算机测量与控制 * |
陆秀峰;刘西拉;覃维祖;: "混凝土数字图像自动分析系统", 四川建筑科学研究 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116948587A (zh) * | 2023-08-03 | 2023-10-27 | 尚德环保科技有限公司 | 一种双组分硅烷改性聚醚密封胶的制备及其应用 |
CN116948587B (zh) * | 2023-08-03 | 2024-03-08 | 尚德环保科技有限公司 | 一种双组分硅烷改性聚醚密封胶的制备及其应用 |
CN117496448A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市旭仓科技有限公司 | 一种建筑施工安全智能监控系统及方法 |
CN117496448B (zh) * | 2024-01-02 | 2024-04-26 | 深圳市旭仓科技有限公司 | 一种建筑施工安全智能监控系统及方法 |
CN118014994A (zh) * | 2024-04-08 | 2024-05-10 | 济宁丰玺生物材料有限公司 | 一种稻壳可降解餐盒裂缝检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115890915B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115890915B (zh) | 一种混凝土搅拌过程图像识别方法 | |
CN110118775B (zh) | 厂拌水泥稳定碎石骨料组成快速检测方法 | |
CN116385448A (zh) | 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法 | |
CN115564771A (zh) | 一种基于建筑物基柱的混凝土裂纹识别方法 | |
CN111650088B (zh) | 一种流态混凝土拌合物流变性能实时检测方法 | |
CN117274240B (zh) | 一种承台基础混凝土表面裂缝识别方法 | |
CN114266989A (zh) | 一种混凝土拌合物和易性测定方法和装置 | |
CN114882040B (zh) | 一种基于模板匹配的污水处理检测方法 | |
CN116542972B (zh) | 基于人工智能的墙板表面缺陷快速检测方法 | |
CN111060442B (zh) | 一种基于图像处理的油液颗粒检测方法 | |
CN110349637B (zh) | 骨料周围界面过渡区体积分数预测方法、装置及终端设备 | |
CN117934452B (zh) | 基于人工智能的蒸压混凝土板材质量快速检测方法 | |
CN116823824B (zh) | 基于机器视觉的井下带式输送机降尘检测系统 | |
CN110555373A (zh) | 一种基于图像识别的混凝土振捣质量实时检测方法 | |
CN115147421B (zh) | 一种用于建筑垃圾回收的再生骨料分级评价方法 | |
CN117036341A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
CN116342586B (zh) | 基于机器视觉的路面质量检测方法 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN116524196A (zh) | 一种基于图像识别技术的输电线智能检测系统 | |
CN114985150A (zh) | 基于视觉感知的喷雾机精准喷雾的控制方法 | |
CN111797730B (zh) | 一种水泥熟料岩相自动分析方法 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN117828878A (zh) | 一种用于结构配重铁渣混凝土配合比设计方法 | |
CN114972354B (zh) | 基于图像处理的蒸压加气混凝土砌块生产控制方法及系统 | |
CN117853483B (zh) | 一种混凝土搅拌质量智能分析方法 |
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 |