CN116202874B - 一种排水管材柔韧性测试方法及系统 - Google Patents
一种排水管材柔韧性测试方法及系统 Download PDFInfo
- Publication number
- CN116202874B CN116202874B CN202310491344.6A CN202310491344A CN116202874B CN 116202874 B CN116202874 B CN 116202874B CN 202310491344 A CN202310491344 A CN 202310491344A CN 116202874 B CN116202874 B CN 116202874B
- Authority
- CN
- China
- Prior art keywords
- curvature radius
- range
- drain pipe
- edge curve
- matching
- 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.)
- Active
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0003—Steady
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0019—Compressive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种排水管材柔韧性测试方法及系统。该方法通过获取排水管挤压测试场景中,边缘曲线上各个位置的曲率半径。根据每个位置的曲率半径构建范围判定区间,并根据范围判定区间在对应位置的邻域内不断更新判定范围和范围判定区间,进而获得最终判定范围。基于最终判定范围进行DTW算法的匹配,获得边缘曲线与相邻帧边缘曲线之间每个位置对应的匹配位置及其匹配距离。根据每个位置与对应的匹配位置之间的曲率半径差异、曲率半径方向差异匹配距离获得排水管的柔韧性。本发明通过自适应获得排水管边缘上每个位置的最终判定范围,提高了匹配算法的效率和准确性,进而提高排水管柔韧性测试的效率。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种排水管材柔韧性测试方法及系统。
背景技术
排水管材不论是暴露在空气中,还是被埋入地下,在使用过程中均会压力的影响,其中压力的主要来源在于排水管里的水和外部环境的挤压。为了判断排水管对压力的耐受性,在生产过程中需要对排水管的柔韧性进行检测。
为了实现对材料抗压性能的自动化准确检测,在挤压测试场景中可通过图像处理手段获得图像中排水管的变化,根据排水管的变化判断排水管的柔韧性。在现有技术中为了获得排水管某个位置的变化时,需要将相邻帧之间的位置数据做匹配,继而通过匹配的位置判断水管的变化,但是在匹配过程中因为排水管的特殊曲线形状和挤压过程中曲线变化的原因,常规匹配方法会导致目标位置与待匹配曲线上的大量位置均做出匹配计算,其中待匹配曲线上参与匹配计算的位置很多均为无匹配意义的数据,若只是根据预设阈值限制待匹配位置的数量,则会导致目标位置最终的匹配结果并非最优匹配结果,进而导致柔韧性检测的误差。
发明内容
为了解决因为位置匹配过程中待匹配范围设置不合理导致检测过程计算量大,检测精度存在误差,影响检测效率的技术问题,本发明的目的在于提供一种排水管材柔韧性测试方法及系统,所采用的技术方案具体如下:
本发明提出了一种排水管材柔韧性测试方法,所述方法包括:
获取排水管在挤压测试场景中连续帧的截面图像,所述截面图像中包含排水管的边缘曲线;
获取所述边缘曲线上每个位置处的曲率半径,根据每个位置处的曲率半径构建每个位置处的范围判定区间;以每个位置作为对应位置的判定范围内的初始元素,根据对应所述范围判定区间对每个位置邻域内的其他位置进行判定,更新所述判定范围,每次判定需要根据所述判定范围内的元素更新所述范围判定区间,获得最终判定范围;
以所述边缘曲线的相邻帧的边缘曲线作为待匹配曲线;以所述边缘曲线上每个位置对应的所述最终判定范围在所述待匹配曲线上对应的区域作为待匹配区域;在所述待匹配区域中,根据DTW算法获得所述边缘曲线上每个位置对应的匹配位置及其匹配距离;
获得所述边缘曲线上每个位置与对应的匹配位置之间的曲率半径差异和曲率半径方向差异;根据连续帧的所述截面图像之间所有的所述匹配距离、所述曲率半径差异和所述半径方向差异,获得排水管的柔韧性。
进一步地,所述边缘曲线的获取方法包括:
将所述截面图像中的背景信息去除,获得仅包含排水管道信息的排水管图像;对所述排水管图像进行边缘检测,获得排水管的所述边缘曲线,所述边缘曲线包括上边缘曲线和下边缘曲线。
进一步地,所述范围判定区间的获取方法包括:
以所述判定范围内元素的平均曲率半径作为整体曲率半径;获得每个位置处的所述曲率半径与所述整体曲率半径的差异作为判定系数;
构建每个位置的所述范围判定区间;所述判定区间为闭区间,所述判定区间的左侧端点为对应位置处的所述曲率半径与所述判定系数的差值,右侧端点为对应位置处的所述曲率半径与所述判定系数的和值。
进一步地,所述最终判定范围的获取方法包括:
在所述边缘曲线上,以每个位置为中心,以两侧作为两个选取方向,分别在两个所述选取方向上依次选取其他位置作为待判定元素,对所述待判定元素的所述曲率半径进行判定,若所述待判定元素的所述曲率半径在所述范围判定区间内,则将所述待判定元素对应的位置作为所述判定范围的元素,更新所述判定范围和所述范围判定区间;若所述待判定元素的所述曲率半径不在所述范围判定区间内,则停止对所述待判定元素所在选取方向上的选取;直至所述待判定元素停止选取,获得最终判定范围。
进一步地,以所述边缘曲线的相邻帧的边缘曲线作为待匹配曲线还包括:
将所述边缘曲线和所述待匹配曲线按照预设序列长度进行统一。
进一步地,所述柔韧性的获取方法包括:
以连续帧的所述截面图像之间所有的所述匹配距离、所述曲率半径差异和所述半径方向差异作为预先训练好的长短期记忆神经网络的输入数据,根据预先训练好的长短期记忆神经网络输出所述柔韧性。
进一步地,所述输入数据的构建方法包括:
所述边缘曲线上每个位置对应的匹配距离组成匹配距离序列;连续帧的所述截面图像之间的所有匹配距离序列合并为匹配距离矩阵;
所述边缘曲线上每个位置对应的曲率半径差异组成曲率半径差异序列;连续帧的所述截面图像之间的所有曲率半径差异序列合并为曲率半径差异矩阵;
所述边缘曲线上每个位置对应的曲率半径方向差异组成曲率半径方向差异序列;连续帧的所述截面图像之间的所有曲率半径方向差异序列合并为曲率半径方向差异矩阵;
将所述匹配距离矩阵、所述曲率半径差异矩阵和所述曲率半径方向差异矩阵作为所述输入数据。
进一步地,曲率半径方向的获取方法包括:
以所述边缘曲线上对应位置的一阶导数的倒数作为对应位置的曲率半径方向。
本发明还提出了一种排水管材柔韧性测试系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种排水管材柔韧性测试方法的步骤。
本发明具有如下有益效果:
本发明考虑到正常排水管的边缘曲线存在均匀的曲率分布,而受挤压测试的排水管因为压力的影响会导致某处位置产生强烈的曲率变化,因此本发明基于曲率进行分析,通过曲率半径表征曲率信息,根据挤压过程中边缘曲线上各个位置处的曲率半径构建每个位置的范围判定区间,进而通过更新与迭代获得最终判定范围。最终判定范围是基于每个位置处的曲率半径及其邻域范围内的曲率半径信息进行更新迭代而获得的,因此最终判定范围不仅考虑到了对应位置曲率半径的大小,还考虑到了邻域内的曲率半径的变化,使得最终判定范围能够根据每个位置对应的特征自适应的变化,通过在后续匹配过程中利用自适应的最终判定范围进行匹配,保证了匹配过程中的准确度和效率,避免了大量无意义匹配计算的同时提高了匹配计算的准确性。基于准确的匹配结果,即可根据曲率半径的差异信息和匹配距离获得排水管的柔韧性。本发明通过准确高效的匹配算法,保证了匹配过程中的准确度和匹配效率,进而提高排水管柔韧性检测的准确度和效率。
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排水管材柔韧性测试方法流程图;
图2为本发明一个实施例所提供的一种挤压测试场景示意图。
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排水管材柔韧性测试方法,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排水管材柔韧性测试方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种排水管材柔韧性测试方法流程图,该方法包括:
步骤S1:获取排水管在挤压测试场景中连续帧的截面图像,截面图像中包含排水管的边缘曲线。
为了实现对排水管材的柔韧性检测,需要对待检测排水管材进行施压,通过获取不同压力下排水管的形态来判定管材的柔韧性。请参阅图2,其示出了本发明一个实施例所提供的一种挤压测试场景示意图,在挤压测试场景中,排水管材被放置在两个L形挡板上,两个挡板会以固定的加载速率匀速向内运动,为了检测排水管材在挤压过程中的形状变化,因此采集连续帧的截面图像,因此在排水管材的截面的固定位置处布置相机进行图像采集,需要说明的是,相机的布置需要保证相机视野中包含完整的排水管界面。如果挡板的加载速率过大或者相机采集帧率过低,就会很难捕捉到排水管材因为柔韧性问题产生裂缝的时刻,导致实验存在偏差,因此在本发明一个实施例中将挡板的加载速率设置为5mm/s,相机的采样帧率设置为10帧/s,并且以20s作为一个检测过程,即一共采集200帧的连续图像。
由图2可知,排水管在受到挤压测试场景的压力作用下,内侧边缘受到的是压力影响,外侧边缘受到的张力影响,通过挡板的挤压能够使得排水管产生形变,进而可通过连续帧下截面图像中边缘曲线的形态变化判断排水管材的质量,若排水管材质量较差,则在挤压测试过程中会产生明显的形变进而导致管材表面出现裂缝。
需要说明的是,为了方便图像分析,对于采集到的截面图像需要进行一定预处理操作,以提高图像质量,方便后续算法执行。图像预处理操作为本领域技术人员熟知的技术手段,在本发明一个实施例中,首先将电荷耦合(Charge Coupled Device,CCD)相机采集到的RGB图像转换为灰度图像,对灰度图像使用中值滤波消除噪声,实现对图像的增强。在本发明其他实施例中也可采用其他图像预处理操作,在此不做赘述。需要说明的是,在后续描述过程中所用到的截面图像均为经过预处理操作后的图像。
为了检测排水管的柔韧性,需要检测连续帧下排水管边缘的形态变化,因此需要提取截面图像中的边缘曲线以供分析。优选地,在本发明一个实施例中,边缘曲线的获取方法包括:将截面图像中的背景信息去除,获得仅包含排水管道信息的排水管图像。对排水管图像进行边缘检测,获得排水管的边缘曲线,边缘曲线包括上边缘曲线和下边缘曲线。需要说明的是,因为上边缘曲线和下边缘曲线在后续过程中处理方法相同,因此不再过多赘述,下文描述中仅以一条边缘曲线的处理过程进行说明。
作为一个示例,在本发明一个实施例中,去除截面图像中的背景采用语义分割技术进行处理,使用U-net网络将原始截面图像中的排水管材轮廓曲线特征提取出来,恢复为原尺寸后再逐个对像素点进行分类,得到区分了排水管像素和背景像素类别的二值化图像,将二值化图像与原始截面图像相与,获得仅包含排水管道信息的排水管图像。使用Canny算子对排水管图像进行边缘检测,获得边缘曲线。
需要说明的是,U-net网络和Canny算子边缘检测为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S2:获取边缘曲线上每个位置处的曲率半径,根据每个位置处的曲率半径构建每个位置处的范围判定区间;以每个位置作为对应位置的判定范围内的初始元素,根据对应范围判定区间对每个位置邻域内的其他位置进行判定,更新判定范围,每次判定需要根据判定范围内的元素更新范围判定区间,获得最终判定范围。
因为连续帧之间边缘曲线的形态变化能够表示排水管受挤压情况,因为边缘曲线上各个位置受力的情况不同,因此可将相邻帧之间的边缘曲线每个位置进行匹配,根据匹配位置之间的变化信息判断排水管的柔韧性。为了保证匹配过程的效率,需要对每个位置的匹配对象进行限定,避免过多无用的匹配计算操作。考虑到正常排水管材的边缘曲线的各个位置呈现较为规律的曲率变化,若某个时刻排水管材因为质量问题抗压效果较差,则会在边缘曲线上某个位置发生较大的曲率变化。因此可通过边缘曲线上每个位置的曲率半径作为对应位置的特征信息,并进行后续判定范围的选取和柔韧性的评估。
需要说明的是,曲率半径获取方法为本领域技术人员熟知的技术手段,在此仅列举曲率半径的计算公式,具体推导过程不再赘述。
某个边缘曲线上位置的曲率越大,则对应的曲率半径越小,表示排水管材对应位置受力导致的弯曲程度越大,即边缘曲线上该位置越弯曲。因此可以曲率半径作为特征信息选取每个位置的判断范围,即根据曲率半径构建每个位置处的范围判定区间,根据范围判定区间确定每个位置的判定范围。在初始的判定范围内仅包含对应位置一个初始元素,通过判定范围将对应位置邻域内其他位置的曲率半径进行判定,根据判定结果更新判定范围,即判定范围即考虑了对应位置的曲率半径信息,还考虑到了对应位置邻域范围内曲率半径的变化信息,为了保证判定范围更新过程的准确性,每次判定需要根据判定范围内的元素更新判定范围区间,使得判定范围的更新过程更合理,并且得到的最终判定范围包含更具有参考价值的范围。
优选地,在本发明一个实施例中范围判定区间的获取方法包括:
以判定范围内元素的平均曲率半径作为整体曲率半径;获得每个位置处的曲率半径与整体曲率半径的差异作为判定系数。需要说明的是,在初始阶段,因为判定范围内仅包含一个初始元素,因此此时的判定系数为0。
构建每个位置的范围判定区间;判定区间为闭区间,判定区间的左侧端点为对应
位置处的曲率半径与判定系数的差值,右侧端点为对应位置处的曲率半径与判定系数的和
值。即判定区间的表达式为,其中为边缘曲线中第j个位置处的
曲率半径,为整体曲率半径。
在本发明一个实施例中,具体更新判定范围的获取方法包括:
在边缘曲线上,以每个位置为中心,以两侧作为两个选取方向,分别在两个选取方向上依次选取其他位置作为待判定元素,对待判定元素的曲率半径进行判定,若待判定元素的曲率半径在范围判定区间内,则将待判定元素对应的位置作为判定范围的元素,因为判定范围内的元素发生改变,因此需要更新判定范围和范围判定区间;若待判定元素的曲率半径不在范围判定区间内,则停止对待判定元素所在选取方向上的选取;直至待判定元素停止选取,获得最终判定范围。
通过范围判定区间对最终判定范围的获取,能够保证最终判定范围内的元素为与目标位置曲率半径信息相关的位置,相关的位置越多,则在后续匹配过程中越需要更大的范围找到最匹配的元素;相关的位置越少,则在后续匹配过程中可减少计算范围,节省计算量,在较小的范围内找到最合适的匹配对象。
步骤S3:以边缘曲线的相邻帧的边缘曲线作为待匹配曲线;以边缘曲线上每个位置对应的最终判定范围在待匹配曲线上对应的区域作为待匹配区域;在待匹配区域中,根据DTW算法获得边缘曲线上每个位置对应的匹配位置及其匹配距离。
通过步骤S2可获得边缘曲线上每个位置的最终判定范围,进而可执行匹配操作,将边缘曲线的相邻帧的边缘曲线作为待匹配曲线,将边缘曲线与待匹配曲线进行匹配。在本发明一个实施例中,将边缘曲线所在截面图像的下一帧截面图像中的边缘曲线作为待匹配曲线。在其他实施例中也可选用上一帧的边缘曲线作为待匹配曲线,在此不做限定。
优选地,考虑到因为曲线发生形变可能会导致匹配的两条曲线的长度不同,因此在本发明一个实施例中,将边缘曲线和待匹配曲线按照预设序列长度进行统一,保证参与匹配的两条序列长度统一。在本发明一个实施例中,将预设序列长度设置为1000,即最大存在1000个元素组成待匹配的边缘曲线,若边缘曲线长度不足1000,则将其补0。
因为步骤S2获得了边缘曲线上每个位置处的最终判定范围,因此以边缘曲线上每个位置对应的最终判定范围在待匹配曲线上对应的区域作为待匹配区域,在待匹配区域中根据DTW算法获得边缘曲线上每个位置对应的匹配位置及其匹配距离。需要说明的是,匹配距离是基于边缘曲线中位置的坐标计算的,具体DTW算法为本领域技术人员熟知的技术手段,在此不做赘述。
作为一个示例,若边缘曲线第5个位置对应的最终判定范围是[3,4,5,6],即边缘曲线中第3个、第4个、第5个和第6个位置组成第5个位置的最终判定范围,则在待匹配曲线中对应的第3个、第4个、第5个和第6个位置参与边缘曲线上第5个位置的匹配,进而获得边缘曲线上第5个位置在待匹配曲线上最匹配的位置。
步骤S4:获得边缘曲线上每个位置与对应的匹配位置之间的曲率半径差异和曲率半径方向差异;根据连续帧的截面图像之间所有的匹配距离、曲率半径差异和半径方向差异,获得排水管的柔韧性。
为了更准确的获得排水管的柔韧性,进一步获得边缘曲线上每个位置与对应匹配位置之间的曲率半径差异和曲率半径方向差异。匹配距离、曲率半径差异和曲率半径方向差异共同表征了排水管对应位置在相邻帧之间的形态变化,因此可根据连续帧的截面图像之间所有的匹配距离、曲率半径差异和半径方向差异,获得排水管的柔韧性。
需要说明的是,因为本发明一个实施例中采集了200帧的连续截面图像,即存在199组匹配边缘曲线;每条边缘曲线上存在1000个匹配位置组。
优选地,柔韧性的获取方法包括:
以连续帧的截面图像之间所有的匹配距离、曲率半径差异和半径方向差异作为预先训练好的长短期记忆神经网络的输入数据,根据预先训练好的长短期记忆神经网络输出柔韧性。需要说明的是,长短期记忆神经网络为本领域技术人员熟知的网络结构,具体运行逻辑和训练算法在此不做赘述,仅简述本发明一个实施例中该网络的简要设置:在本发明一个实施例中的长短期记忆神经网络中使用交叉熵损失函数以及优化算法Adam对数据的结构信息更精准捕获,同时优化运行效率,最后输出柔韧性等级,柔韧性等级包括优、良、中、低、差五个等级,在网络训练过程中可通过领域专家根据管材实验性能对训练数据对应的柔韧性等级打标签。
优选地,为了进一步提高柔韧性检测的效率,将长短期记忆神经网络的输入数据进行整合,以便于网络的输入与处理,具体方法包括:
边缘曲线上每个位置对应的匹配距离组成匹配距离序列;连续帧的截面图像之间的所有匹配距离序列合并为匹配距离矩阵。在本发明一个实施例中,将匹配距离序列按照时序顺序进行堆叠,获得匹配距离矩阵,即匹配距离矩阵的行数表示相邻帧的数量,列数表示匹配距离序列的数量,即在本发明一个实施例中匹配距离矩阵为一个199×1000大小的矩阵。
边缘曲线上每个位置对应的曲率半径差异组成曲率半径差异序列;连续帧的截面图像之间的所有曲率半径差异序列合并为曲率半径差异矩阵。在本发明一个实施例中,以曲率半径之间的差值绝对值作为曲率半径差异,进而获得曲率半径差异序列,将曲率半径差异序列按照时序顺序进行堆叠,获得曲率半径差异矩阵,即曲率半径差异矩阵的行数表示相邻帧的数量,列数表示曲率半径差异序列的数量,即在本发明一个实施例中曲率半径差异矩阵为一个199×1000大小的矩阵。
边缘曲线上每个位置对应的曲率半径方向差异组成曲率半径方向差异序列;连续帧的截面图像之间的所有曲率半径方向差异序列合并为曲率半径方向差异矩阵。在本发明一个实施例中,以边缘曲线上对应位置的一阶导数的倒数作为对应位置的曲率半径方向。将曲率半径方向之间的差值绝对值作为曲率半径方向差异,进而获得曲率半径方向差异序列。将曲率半径差异序列按照时序顺序进行堆叠,获得曲率半径差异矩阵,即曲率半径方向差异矩阵的行数表示相邻帧的数量,列数表示曲率半径方向差异序列的数量,即在本发明一个实施例中曲率半径方向差异矩阵为一个199×1000大小的矩阵。
将匹配距离矩阵、曲率半径差异矩阵和曲率半径方向差异矩阵作为输入数据。需要说明的是,因为边缘曲线分为两类,即上边缘曲线和下边缘曲线,因此在本发明一个实施例中可将两条边缘曲线的匹配距离矩阵、曲率半径差异矩阵和曲率半径方向差异矩阵共同输入至长短期记忆神经网络中,即输入数据包括6个矩阵。
综上所述,本发明实施例通过获取排水管挤压测试场景中,边缘曲线上各个位置的曲率半径。根据每个位置的曲率半径构建范围判定区间,并根据范围判定区间在对应位置的邻域内不断更新判定范围和范围判定区间,进而获得最终判定范围。基于最终判定范围进行DTW算法的匹配,获得边缘曲线与相邻帧边缘曲线之间每个位置对应的匹配位置及其匹配距离。根据每个位置与对应的匹配位置之间的曲率半径差异、曲率半径方向差异匹配距离获得排水管的柔韧性。本发明实施例通过自适应获得排水管边缘上每个位置的最终判定范围,提高了匹配算法的效率和准确性,进而提高排水管柔韧性测试的效率。
本发明还提出了一种排水管材柔韧性测试系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现一种排水管材柔韧性测试方法的步骤。
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 (7)
1.一种排水管材柔韧性测试方法,其特征在于,所述方法包括:
获取排水管在挤压测试场景中连续帧的截面图像,所述截面图像中包含排水管的边缘曲线;
获取所述边缘曲线上每个位置处的曲率半径,根据每个位置处的曲率半径构建每个位置处的范围判定区间;以每个位置作为对应位置的判定范围内的初始元素,根据对应所述范围判定区间对每个位置邻域内的其他位置进行判定,更新所述判定范围,每次判定需要根据所述判定范围内的元素更新所述范围判定区间,获得最终判定范围;
以所述边缘曲线的相邻帧的边缘曲线作为待匹配曲线;以所述边缘曲线上每个位置对应的所述最终判定范围在所述待匹配曲线上对应的区域作为待匹配区域;在所述待匹配区域中,根据DTW算法获得所述边缘曲线上每个位置对应的匹配位置及其匹配距离;
获得所述边缘曲线上每个位置与对应的匹配位置之间的曲率半径差异和曲率半径方向差异;根据连续帧的所述截面图像之间所有的所述匹配距离、所述曲率半径差异和所述曲率半径方向差异,获得排水管的柔韧性;
所述范围判定区间的获取方法包括:
以所述判定范围内元素的平均曲率半径作为整体曲率半径;获得每个位置处的所述曲率半径与所述整体曲率半径的差异作为判定系数;
构建每个位置的所述范围判定区间;所述判定区间为闭区间,所述判定区间的左侧端点为对应位置处的所述曲率半径与所述判定系数的差值,右侧端点为对应位置处的所述曲率半径与所述判定系数的和值;判定区间的表达式为,其中/>为边缘曲线中第j个位置处的曲率半径,/>为整体曲率半径;
所述最终判定范围的获取方法包括:
在所述边缘曲线上,以每个位置为中心,以两侧作为两个选取方向,分别在两个所述选取方向上依次选取其他位置作为待判定元素,对所述待判定元素的所述曲率半径进行判定,若所述待判定元素的所述曲率半径在所述范围判定区间内,则将所述待判定元素对应的位置作为所述判定范围的元素,更新所述判定范围和所述范围判定区间;若所述待判定元素的所述曲率半径不在所述范围判定区间内,则停止对所述待判定元素所在选取方向上的选取;直至所述待判定元素停止选取,获得最终判定范围。
2.根据权利要求1所述的一种排水管材柔韧性测试方法,其特征在于,所述边缘曲线的获取方法包括:
将所述截面图像中的背景信息去除,获得仅包含排水管道信息的排水管图像;对所述排水管图像进行边缘检测,获得排水管的所述边缘曲线,所述边缘曲线包括上边缘曲线和下边缘曲线。
3.根据权利要求1所述的一种排水管材柔韧性测试方法,其特征在于,以所述边缘曲线的相邻帧的边缘曲线作为待匹配曲线还包括:
将所述边缘曲线和所述待匹配曲线按照预设序列长度进行统一。
4.根据权利要求1所述的一种排水管材柔韧性测试方法,其特征在于,所述柔韧性的获取方法包括:
以连续帧的所述截面图像之间所有的所述匹配距离、所述曲率半径差异和所述曲率半径方向差异作为预先训练好的长短期记忆神经网络的输入数据,根据预先训练好的长短期记忆神经网络输出所述柔韧性。
5.根据权利要求4所述的一种排水管材柔韧性测试方法,其特征在于,所述输入数据的构建方法包括:
所述边缘曲线上每个位置对应的匹配距离组成匹配距离序列;连续帧的所述截面图像之间的所有匹配距离序列合并为匹配距离矩阵;
所述边缘曲线上每个位置对应的曲率半径差异组成曲率半径差异序列;连续帧的所述截面图像之间的所有曲率半径差异序列合并为曲率半径差异矩阵;
所述边缘曲线上每个位置对应的曲率半径方向差异组成曲率半径方向差异序列;连续帧的所述截面图像之间的所有曲率半径方向差异序列合并为曲率半径方向差异矩阵;
将所述匹配距离矩阵、所述曲率半径差异矩阵和所述曲率半径方向差异矩阵作为所述输入数据。
6.根据权利要求1所述的一种排水管材柔韧性测试方法,其特征在于,曲率半径方向的获取方法包括:
以所述边缘曲线上对应位置的一阶导数的倒数作为对应位置的曲率半径方向。
7.一种排水管材柔韧性测试系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~6任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310491344.6A CN116202874B (zh) | 2023-05-05 | 2023-05-05 | 一种排水管材柔韧性测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310491344.6A CN116202874B (zh) | 2023-05-05 | 2023-05-05 | 一种排水管材柔韧性测试方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116202874A CN116202874A (zh) | 2023-06-02 |
CN116202874B true CN116202874B (zh) | 2023-07-14 |
Family
ID=86511534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310491344.6A Active CN116202874B (zh) | 2023-05-05 | 2023-05-05 | 一种排水管材柔韧性测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116202874B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458854A (zh) * | 2018-05-02 | 2019-11-15 | 北京图森未来科技有限公司 | 一种道路边缘检测方法和装置 |
CN114353656A (zh) * | 2022-01-11 | 2022-04-15 | 中北大学 | 一种渐变曲率工件涂层厚度的涡流测量曲面校正方法 |
CN114594484A (zh) * | 2022-03-01 | 2022-06-07 | 森思泰克河北科技有限公司 | 曲面型反射镜的参数确定方法及共轴激光雷达 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6026295B2 (ja) * | 2013-01-23 | 2016-11-16 | 株式会社デンソーアイティーラボラトリ | カーブ形状モデル化装置、方法及び車載用ナビゲーション装置 |
DE102013223660A1 (de) * | 2013-11-20 | 2015-05-21 | Bundesdruckerei Gmbh | Sicherheitsdokument mit Biegesicherheitsmerkmal |
CN106023171B (zh) * | 2016-05-12 | 2019-05-14 | 惠州学院 | 一种基于转弯半径的图像角点检测方法 |
CN108332681B (zh) * | 2018-01-03 | 2019-07-16 | 东北大学 | 一种薄壁管材大塑性弯曲截面轮廓曲线的确定方法 |
CN108597019A (zh) * | 2018-05-09 | 2018-09-28 | 深圳市华讯方舟太赫兹科技有限公司 | 点云采样方法、图像处理设备及具有存储功能的装置 |
CN109883823B (zh) * | 2019-01-21 | 2021-05-11 | 吉林大学 | 金属圆棒试样单轴拉伸应力应变的双曲线反推测量方法 |
CN111400667B (zh) * | 2020-03-31 | 2021-11-02 | 华中科技大学 | 一种基于变公差带约束的航空叶片型面检测方法和系统 |
CN114152211B (zh) * | 2021-01-12 | 2024-04-30 | 中国石油天然气股份有限公司 | 一种基于显微图像处理的压裂支撑剂圆度测量方法 |
CN112906782B (zh) * | 2021-02-07 | 2024-01-26 | 江西科技学院 | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 |
CN113947683B (zh) * | 2021-10-15 | 2022-07-08 | 兰州交通大学 | 指尖点检测方法、系统及指尖点运动轨迹识别方法、系统 |
CN114440806B (zh) * | 2021-12-27 | 2024-05-14 | 中核武汉核电运行技术股份有限公司 | 一种压力管下垂自动测量方法与装置 |
CN115752316A (zh) * | 2022-11-22 | 2023-03-07 | 中国建筑第二工程局有限公司 | 曲线管道的位置检测方法、装置、设备及存储介质 |
-
2023
- 2023-05-05 CN CN202310491344.6A patent/CN116202874B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458854A (zh) * | 2018-05-02 | 2019-11-15 | 北京图森未来科技有限公司 | 一种道路边缘检测方法和装置 |
CN114353656A (zh) * | 2022-01-11 | 2022-04-15 | 中北大学 | 一种渐变曲率工件涂层厚度的涡流测量曲面校正方法 |
CN114594484A (zh) * | 2022-03-01 | 2022-06-07 | 森思泰克河北科技有限公司 | 曲面型反射镜的参数确定方法及共轴激光雷达 |
Also Published As
Publication number | Publication date |
---|---|
CN116202874A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113689428B (zh) | 基于图像处理的机械零件应力腐蚀检测方法及系统 | |
CN113052210B (zh) | 一种基于卷积神经网络的快速低光照目标检测方法 | |
CN113658131B (zh) | 一种基于机器视觉巡游式环锭纺断纱检测方法 | |
CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
CN108805863B (zh) | 深度卷积神经网络结合形态学检测图像变化的方法 | |
CN115661144A (zh) | 基于可变形U-Net的自适应医学图像分割方法 | |
CN111339924B (zh) | 一种基于超像素和全卷积网络的极化sar图像分类方法 | |
CN110689060B (zh) | 一种基于聚合特征差异学习网络的异源图像匹配方法 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN115147418B (zh) | 缺陷检测模型的压缩训练方法和装置 | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
CN116416497A (zh) | 一种轴承故障诊断系统及方法 | |
CN117237279A (zh) | 一种非均匀失真全景图像盲质量评价方法及系统 | |
CN110288026B (zh) | 一种基于度量关系图学习的图像分割方法及装置 | |
CN115131346A (zh) | 基于人工智能的发酵罐加工工序检测方法及系统 | |
CN110008949B (zh) | 一种图像目标检测方法、系统、装置和存储介质 | |
CN114758125A (zh) | 基于深度学习的齿轮表面缺陷检测方法与系统 | |
CN114092467A (zh) | 一种基于轻量化卷积神经网络的划痕检测方法及系统 | |
CN116202874B (zh) | 一种排水管材柔韧性测试方法及系统 | |
CN113033371A (zh) | 基于csp模型的多级特征融合行人检测方法 | |
CN116958662A (zh) | 一种基于卷积神经网络的钢带缺陷分类方法 | |
CN116012687A (zh) | 一种用于轮对踏面缺陷识别的图像交互融合方法 | |
CN116664941A (zh) | 一种轴承套圈表面缺陷视觉检测方法 | |
CN116542988A (zh) | 结节分割方法、装置、电子设备及存储介质 | |
CN112241954A (zh) | 基于肿块差异化分类的全视野自适应分割网络配置方法 |
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 |