CN117036655B - 一种建筑施工质量的图形识别数据采集系统及方法 - Google Patents
一种建筑施工质量的图形识别数据采集系统及方法 Download PDFInfo
- Publication number
- CN117036655B CN117036655B CN202311043554.5A CN202311043554A CN117036655B CN 117036655 B CN117036655 B CN 117036655B CN 202311043554 A CN202311043554 A CN 202311043554A CN 117036655 B CN117036655 B CN 117036655B
- Authority
- CN
- China
- Prior art keywords
- building
- frame
- area
- windowsill
- 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.)
- Active
Links
- 238000009435 building construction Methods 0.000 title claims abstract description 40
- 238000003909 pattern recognition Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000007246 mechanism Effects 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 49
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 41
- 239000010959 steel Substances 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000010276 construction Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 230000000875 corresponding effect Effects 0.000 claims description 102
- 238000005457 optimization Methods 0.000 claims description 76
- 238000003384 imaging method Methods 0.000 claims description 41
- 229910001294 Reinforcing steel Inorganic materials 0.000 claims description 25
- 238000013480 data collection Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 16
- 230000000750 progressive effect Effects 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 12
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 8
- 238000009430 construction management Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 4
- 238000009827 uniform distribution Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 abstract description 3
- 239000007787 solid Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000004567 concrete Substances 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06V10/10—Image acquisition
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种建筑施工质量的图形识别数据采集系统及方法，属于电数字数据处理领域，所述系统包括：布局测量机构，用于确定施工后单个建筑面内每一处窗台框体占据的实体面积，基于各处窗台框体分别对应的多份实体面积的标准差确定窗台布局质量；漏筋检测机构，用于在存在视觉面积偏大的钢筋表面图像分块时，发出漏筋检测信号。本发明还涉及一种建筑施工质量的图形识别数据采集方法。通过本发明，针对施工后建筑面的露筋状态以及窗台框架分布均匀程度难以识别的技术问题，能够在针对性的图像识别数据采集机制的基础上，采用不同的数据处理模式分别识别单个建筑面的漏筋状态以及窗台框体实体面积分布均匀程度。
Description
技术领域
本发明涉及电数字数据处理领域，尤其涉及一种建筑施工质量的图形识别数据采集系统及方法。
背景技术
一般来说，施工后建筑物的内部质量的好坏,直接地反映在建筑物的主体结构外观上。因此，可以通过检查完成施工后的建筑物的外观效果来发现其内部结构隐患，帮助施工方制定相应的解决措施和补救方案，实现建筑结构的安全性和耐久性的提升。现在运用较多的钢筋混凝土结构和砌体结构，其质量可以从每一个建筑面的露筋状态以及窗台框架分布均匀程度等方面表现出来。
示例地，中国发明专利公开文本CN113900490A提出的一种建筑施工质量的图形识别数据采集装置，所述装置包括装置主体、支撑杆、安装盘与支撑脚，所述装置主体两侧均设置有防护机构，所述防护机构包括：横杆，所述横杆连接于支撑杆顶端；安装槽，所述安装槽的数量共设置有两个，且两个所述安装槽分别开设于横杆顶端两侧表面；安装杆，所述安装杆处于安装槽内侧，且所述安装杆表面底端开设有外螺纹；环形套，所述环形套套设于安装杆表面；连接板，所述连接板处于安装杆顶端；防撞柱，所述防撞柱处于连接板顶端；通过设计了防护机构，使图形识别数据采集装置在作业时，周边有相应的结构对其保护，有效的防止了其他物体会撞击到装置主体上，增加了其使用寿命。
示例地，中国发明专利公开文本CN111340353A提出的一种建筑施工质量反馈系统及其使用方法，所述系统包括BIM施工运营控制模块，用于采现场施工监控模块所收集的数据信息，服务器模块，展示交互模块，用于实现将装配式建筑预制构件BIM模型引入VR设备中，预制构件监控模块，用于接收和分析BIM施工运营控制模块传输的装配式建筑预制构件BIM模型相关信息，现场施工监控模块，用于监控并储存现场施工情况、施工进度和施工过程中预制构件内力状态的相关信息和数据，运维数据分析预测模块，本发明通过弹簧控制封装盒两侧的悬吊杆之间的跨度，然后通过升降调节机构进行夹持座高度的控制，使得RFID标签可以满足不同构件的安装。
显然，上述现有技术中的建筑施工质量的数据采集方案仅仅限于硬件结构的搭建和/或质量关联数据处理流程的实施，没法解决建筑面的露筋状态以及窗台框架分布均匀程度难以针对性识别的技术问题，导致无法对每一处完成施工后的建筑物进行有效的质量判断，使得施工方仍旧陷入在繁琐、复杂的人工肉眼检测工序或者粗糙的电子检测工序中。
发明内容
为了解决现有技术中的技术问题，本发明提供了一种建筑施工质量的图形识别数据采集系统及方法，能够采用设置在完成施工后的建筑楼体的单个建筑面的正前方的定向采集机构，实现对用于识别单个建筑面的漏筋状态以及窗台框体实体面积分布均匀程度的基础图形数据的有效采集，尤为关键的是，在定制分割机制以及逐级优化机制的基础上，采用针对性的识别模式分别识别单个建筑面的漏筋状态以及窗台框体实体面积分布均匀程度，从而完成了对每一处建筑结构施工质量的可靠、定向分析。
根据本发明的第一方面，提供了一种建筑施工质量的图形识别数据采集系统，所述系统包括：
定向采集机构，设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像；
内容分割机构，与定向采集机构连接，用于基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域；
逐级优化机构，与内容分割机构连接，用于采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域；
数据处理机构，与逐级优化机构连接，用于基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面；
布局测量机构，与数据处理机构连接，用于针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量；
其中，确定的其对应窗台框体占据的实体面积与其整体景深数值单调正向关联，且与其占据的像素点数量单调正向关联。
根据本发明的第二方面，提供了一种建筑施工质量的图形识别数据采集方法，所述方法包括以下步骤：
采用设置在完成施工后的建筑楼体的单个建筑面的正前方的定向采集机构，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像；
基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域；
采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域；
基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面；
针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量；
基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号；
其中，确定的其对应窗台框体占据的实体面积与其整体景深数值单调正向关联，且与其占据的像素点数量单调正向关联；
其中，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：多个框体子画面分别对应的多份实体面积的标准差越大，确定的所述建筑楼体的窗台布局质量等级越低；
其中，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：将所述逐级优化区域中具有的灰度数值在0到所述灰度数值阈值之间的像素点作为逐级优化区域中的单个框体像素点。
由此可见，本发明至少产生以下有益效果：
（1）采用设置在完成施工后的建筑楼体的单个建筑面的正前方的定向采集机构，执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像，从而为后续的建筑楼体的漏筋状态以及窗台框体实体面积分布均匀程度的针对性识别提供可靠信息；
（2）对单面采集图像执行基于单个建筑面对应的标准几何形状的区域分割，以获得仅仅存在单个建筑面的建筑面成像区域，并对建筑面成像区域展开高斯白噪声消除、对比度提升以及图像增强处理的定制逐级优化处理，以获得逐级优化区域，从而减少了后续建筑施工质量鉴别的运算量以及数据偏差；
（3）基于单个建筑面的窗台框体的灰度数值阈值识别完成逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量，从而完成对建筑楼体的单个建筑面的窗台框体实体面积分布均匀程度的可靠识别；
（4）基于钢筋表面对应的颜色成像特性提取逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号，从而完成对建筑楼体的单个建筑面的漏筋状态的可靠识别。
附图说明
以下将结合附图对本发明的实施例进行描述，其中：
图1为根据本发明的建筑施工质量的图形识别数据采集系统及方法的技术流程图。
图2为根据本发明的实施例一示出的建筑施工质量的图形识别数据采集系统的结构示意图。
图3为根据本发明的实施例二示出的建筑施工质量的图形识别数据采集系统的结构示意图。
图4为根据本发明的实施例三示出的建筑施工质量的图形识别数据采集系统的结构示意图。
图5为根据本发明的实施例四示出的建筑施工质量的图形识别数据采集系统的结构示意图。
图6为根据本发明的实施例五示出的建筑施工质量的图形识别数据采集系统的结构示意图。
图7为根据本发明的实施例六示出的建筑施工质量的图形识别数据采集方法的步骤流程图。
具体实施方式
如图1所示，给出了根据本发明示出的建筑施工质量的图形识别数据采集系统及方法的技术流程图。
如图1所示，本发明的具体的技术流程如下：
第一步：针对每一处刚完成施工后的建筑楼体的单个建筑面，在所述单个建筑面的正前方设置一个定向采集机构，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像，从而为后续的建筑楼体的漏筋状态以及窗台框体实体面积分布均匀程度的针对性识别提供可靠的视觉化信息；
例如，可以在所述单个建筑面的正前方设置一个定向采集机构，所述定向采集机构位于所述单个建筑面的中心位置的正前方且与所述中心位置的间距等于设定距离；
示例地，可以将所述定向采集机构设置在悬空状态的多翼无人机上，用于面向所述单个建筑面执行视觉数据采集，所述多翼无人机可以选型为四翼无人机；
第二步：从所述单面采集图像内分割出仅仅存在单个建筑面的建筑面成像区域，并对建筑面成像区域展开高斯白噪声消除、对比度提升以及图像增强处理的定制逐级优化处理，以获得逐级优化区域，从而在减少后续图像处理的运算量的同时提升图像处理的准确性和可靠性；
第三步：对逐级优化区域执行第一种针对性的电数字数据处理，以完成对所述单个建筑面的窗台框体实体面积分布均匀程度的可靠识别；
具体地，基于单个建筑面的窗台框体的灰度数值阈值识别完成逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量；
第四步：对逐级优化区域执行第二种针对性的电数字数据处理，以完成对所述单个建筑面的漏筋状态的可靠识别；
具体地，基于钢筋表面对应的颜色成像特性提取逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号；
本发明的关键点在于：定制的建筑面成像区域分割以及优化、用于识别单个建筑面的窗台框体实体面积分布均匀程度的第一种针对性的电数字数据处理、用于识别单个建筑面的漏筋状态的第二种针对性的电数字数据处理。
下面，将对本发明的建筑施工质量的图形识别数据采集系统及方法以实施例的方式进行具体说明。
实施例一
图2为根据本发明的实施例一示出的建筑施工质量的图形识别数据采集系统的结构示意图。
如图2所示，所述建筑施工质量的图形识别数据采集系统包括以下部件：
定向采集机构，设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像；
例如，在所述定向采集机构内部设置有图像传感器，用于对所述单个建筑面执行光电感应，以获得相应的单面采集图像；
示例地，所述图像传感器的选型可以为CMOS传感器或者CCD传感器中的一种；
内容分割机构，与定向采集机构连接，用于基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域；
逐级优化机构，与内容分割机构连接，用于采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域；
示例地，采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域的处理步骤可以采用VHDL语言进行设计和实现；
数据处理机构，与逐级优化机构连接，用于基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面，具体地，根据所述多个框体像素点分别在所述逐级优化区域中多个位置，将在所述逐级优化区域中聚集在一起能够构成一个整体图像分块的部分框体像素点一并作为所述逐级优化区域中的一个框体子画面的各个构成像素点，从而获得所述逐级优化区域中的多个框体子画面；
例如，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：可以采用数值仿真模式实现基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面的数据处理；
布局测量机构，与数据处理机构连接，用于针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量；
示例地，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：可以采用数值转换函数表示多个框体子画面分别对应的多份实体面积的标准差与确定的所述建筑楼体的窗台布局质量的数值对应关系；
其中，确定的其对应窗台框体占据的实体面积与其整体景深数值单调正向关联，且与其占据的像素点数量单调正向关联；
其中，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：多个框体子画面分别对应的多份实体面积的标准差越大，确定的所述建筑楼体的窗台布局质量等级越低；
其中，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：将所述逐级优化区域中具有的灰度数值在0到所述灰度数值阈值之间的像素点作为逐级优化区域中的单个框体像素点，具体地，所述灰度数值阈值的取值在75-100之间。
实施例二
图3为根据本发明的实施例二示出的建筑施工质量的图形识别数据采集系统的结构示意图。
如图3所示，与图2中的实施例不同，所述建筑施工质量的图形识别数据采集系统还包括以下组件：
漏筋检测机构，与逐级优化机构连接，用于基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号，具体地，所述设定比例限量的取值在1/100-1/200之间；
示例地，所述漏筋检测机构内置有像素点解析单元、拟合处理单元以及信号检测单元；
具体地，在所述漏筋检测机构内，所述拟合处理单元分别与所述像素点解析单元以及所述信号检测单元连接；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点包括：钢筋表面对应的颜色成像特性为钢筋表面在LAB颜色空间下的红绿成分数值区间、黑白成分数值区间和黄蓝成分数值区间；
示例地，钢筋表面对应的颜色成像特性为钢筋表面在LAB颜色空间下的红绿成分数值区间、黑白成分数值区间和黄蓝成分数值区间包括：红绿成分数值区间、黑白成分数值区间和黄蓝成分数值区间中的每一个数值区间都采用相应的成分数值上限阈值和相应的成分数值下限阈值进行数值限定；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点还包括：在接收到的逐级优化区域中的某一像素点的红绿成分数值在红绿成分数值区间外时，判断所述某一像素点为单个非钢筋表面像素点；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点还包括：在接收到的逐级优化区域中的某一像素点的红绿成分数值、黑白成分数值和黄蓝成分数值分别在红绿成分数值区间、黑白成分数值区间和黄蓝成分数值区间内时，判断所述某一像素点为单个钢筋表面像素点。
实施例三
图4为根据本发明的实施例三示出的建筑施工质量的图形识别数据采集系统的结构示意图。
如图4所示，与图3中的实施例不同，所述建筑施工质量的图形识别数据采集系统还包括以下组件：
状态报警机构，分别与漏筋检测机构以及布局测量机构连接，用于在接收到的所述建筑楼体的窗台布局质量等级小于等于设定等级限量时，发出质量偏差信号；
示例地，所述状态报警机构可以选型为光电报警机构，分别与漏筋检测机构以及布局测量机构连接，用于在接收到的所述建筑楼体的窗台布局质量等级小于等于设定等级限量时，执行与质量偏差信号对应的光电报警操作；
其中，所述状态报警机构还用于在接收到所述漏筋检测信号时，执行与所述漏筋检测信号对应的状态报警动作。
实施例四
图5为根据本发明的实施例四示出的建筑施工质量的图形识别数据采集系统的结构示意图。
如图5所示，与图3中的实施例不同，所述建筑施工质量的图形识别数据采集系统还包括以下组件：
无线通信机构，分别与漏筋检测机构以及布局测量机构连接，用于将接收到的所述建筑楼体的窗台布局质量等级和/或漏筋检测信号通过无线通信链路发送到远端的施工管理服务器处；
例如，所述无线通信机构为时分双工通信机构，所述时分双工通信机构分别与漏筋检测机构以及布局测量机构连接，用于将接收到的所述建筑楼体的窗台布局质量等级和/或漏筋检测信号通过时分双工通信链路发送到远端的施工管理服务器处。
实施例五
图6为根据本发明的实施例五示出的建筑施工质量的图形识别数据采集系统的结构示意图。
如图6所示，与图5中的实施例不同，所述建筑施工质量的图形识别数据采集系统还包括以下组件：
施工管理服务器，与各处完成施工后的建筑楼体分别对应的各件无线通信机构连接，用于通过无线通信链路接收各件无线通信机构无线发送的通信数据；
示例地，所述施工管理服务器为区块链管理网元、大数据管理网元或者云计算管理网元中的一种。
接着，继续对本发明的各个实施例进行详细的描述。
在根据本发明各个实施例的建筑施工质量的图形识别数据采集系统中：
基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域包括：将所述单面采集图像中与所述单个建筑面对应的标准几何形状匹配的各个图像区域作为各个参考区域输出；
示例地，将所述单面采集图像中与所述单个建筑面对应的标准几何形状匹配的各个图像区域作为各个参考区域输出包括：采用MATLAB工具箱完成将所述单面采集图像中与所述单个建筑面对应的标准几何形状匹配的各个图像区域作为各个参考区域输出的数据处理；
其中，将所述单面采集图像中与所述单个建筑面对应的标准几何形状匹配的各个图像区域作为各个参考区域输出包括：获取每一个图像区域的边沿的几何形状，在某一个图像区域的边沿的几何形状与所述单个建筑面对应的标准几何形状匹配时，判断所述某一个图像区域为单个参考区域；
具体地，某一个图像区域的边沿的几何形状与所述单个建筑面对应的标准几何形状匹配，指的是，所述某一图像区域的区域边沿构成的几何形状与所述单个建筑面对应的标准几何形状匹配，例如，所述某一图像区域的区域边沿构成的几何形状为圆形，而所述单个建筑面对应的标准几何形状也为圆形，则认定为某一个图像区域的边沿的几何形状与所述单个建筑面对应的标准几何形状匹配，相反，所述某一图像区域的区域边沿构成的几何形状为圆形，而所述单个建筑面对应的标准几何形状也为椭圆形，则认定为某一个图像区域的边沿的几何形状与所述单个建筑面对应的标准几何形状不匹配。
在根据本发明各个实施例的建筑施工质量的图形识别数据采集系统中：
所述漏筋检测机构还用于在不存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出筋体遮掩信号；
其中，所述漏筋检测机构还用于在不存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出筋体遮掩信号包括：将某一个钢筋表面图像分块占据的像素点的数量除以所述逐级优化区域占据的像素点的数量获得的比例作为所述某一个钢筋表面图像分块占据所述逐级优化区域的面积比例；
示例地，将某一个钢筋表面图像分块占据的像素点的数量除以所述逐级优化区域占据的像素点的数量获得的比例作为所述某一个钢筋表面图像分块占据所述逐级优化区域的面积比例包括：采用二输入一输出的数值转换公式表示将某一个钢筋表面图像分块占据的像素点的数量除以所述逐级优化区域占据的像素点的数量获得的比例作为所述某一个钢筋表面图像分块占据所述逐级优化区域的面积比例的数值处理过程。
以及在根据本发明各个实施例的建筑施工质量的图形识别数据采集系统中：
设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像包括：所述定向采集机构位于所述单个建筑面的中心位置的正前方且与所述中心位置的间距等于设定距离，具体地，所述设定距离的取值为80米；
其中，设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像还包括：所述定向采集机构设置在悬空状态的多翼无人机上；
示例地，所述定向采集机构设置在悬空状态的多翼无人机上包括：所述定向采集机构设置在悬空状态的四翼无人机上。
实施例六
图7为根据本发明的实施例六示出的建筑施工质量的图形识别数据采集方法的步骤流程图。
如图7所示，根据本发明的实施例六示出的建筑施工质量的图形识别数据采集方法具体包括以下步骤：
采用设置在完成施工后的建筑楼体的单个建筑面的正前方的定向采集机构，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像；
例如，在所述定向采集机构内部设置有图像传感器，用于对所述单个建筑面执行光电感应，以获得相应的单面采集图像；
示例地，所述图像传感器的选型可以为CMOS传感器或者CCD传感器中的一种；
基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域；
采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域；
示例地，采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域的处理步骤可以采用VHDL语言进行设计和实现；
基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面；
例如，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：可以采用数值仿真模式实现基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面的数据处理；
针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量；
示例地，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：可以采用数值转换函数表示多个框体子画面分别对应的多份实体面积的标准差与确定的所述建筑楼体的窗台布局质量的数值对应关系；
基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号，具体地，所述设定比例限量的取值在1/100-1/200之间；
其中，确定的其对应窗台框体占据的实体面积与其整体景深数值单调正向关联，且与其占据的像素点数量单调正向关联；
其中，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：多个框体子画面分别对应的多份实体面积的标准差越大，确定的所述建筑楼体的窗台布局质量等级越低；
其中，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：将所述逐级优化区域中具有的灰度数值在0到所述灰度数值阈值之间的像素点作为逐级优化区域中的单个框体像素点。
另外，本发明还可以引用以下几处技术内容以进一步显现本发明的突出的实质性特点：
基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点还包括：在接收到的逐级优化区域中的某一像素点的黑白成分数值在黑白成分数值区间外时，判断所述某一像素点为单个非钢筋表面像素点；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点还包括：在接收到的逐级优化区域中的某一像素点的黄蓝成分数值在黄蓝成分数值区间外时，判断所述某一像素点为单个非钢筋表面像素点；
其中，基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域还包括：将所述各个参考区域中最靠近所述单面采集图像的中心位置且占据的像素点数量超过设定数量阈值的参考区域作为所述建筑面成像区域。
对本发明示例性实施例的前述描述是为了例示和描述的目的而提供的。其并非旨在穷举或者将本发明限于所公开的确切形式。显然，许多修改和变型对于本领域技术人员是显而易见的。选择并描述示例性实施例是为了最好地说明本发明的原理及其实际应用，从而使得本领域其他技术人员能够理解本发明的适用于所构想特定用途的各种实施例和各种变型例。旨在由所附权利要求及其等同物来限定本发明的范围。
Claims (9)
1.一种建筑施工质量的图形识别数据采集系统，其特征在于，所述系统包括：
定向采集机构，设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像；
内容分割机构，与定向采集机构连接，用于基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域；
逐级优化机构，与内容分割机构连接，用于采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域；
数据处理机构，与逐级优化机构连接，用于基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面；
布局测量机构，与数据处理机构连接，用于针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量，多个框体子画面分别对应的多份实体面积的标准差越大，确定的所述建筑楼体的窗台布局质量等级越低；
其中，确定的其对应窗台框体占据的实体面积与其整体景深数值单调正向关联，且与其占据的像素点数量单调正向关联；
其中，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：多个框体子画面分别对应的多份实体面积的标准差越大，确定的所述建筑楼体的窗台布局质量等级越低；
其中，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：将所述逐级优化区域中具有的灰度数值在0到所述灰度数值阈值之间的像素点作为逐级优化区域中的单个框体像素点。
2.如权利要求1所述的建筑施工质量的图形识别数据采集系统，其特征在于，所述系统还包括：
漏筋检测机构，与逐级优化机构连接，用于基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点包括：钢筋表面对应的颜色成像特性为钢筋表面在LAB颜色空间下的红绿成分数值区间、黑白成分数值区间和黄蓝成分数值区间；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点还包括：在接收到的逐级优化区域中的某一像素点的红绿成分数值在红绿成分数值区间外时，判断所述某一像素点为单个非钢筋表面像素点；
其中，基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点还包括：在接收到的逐级优化区域中的某一像素点的红绿成分数值、黑白成分数值和黄蓝成分数值分别在红绿成分数值区间、黑白成分数值区间和黄蓝成分数值区间内时，判断所述某一像素点为单个钢筋表面像素点。
3.如权利要求2所述的建筑施工质量的图形识别数据采集系统，其特征在于，所述系统还包括：
状态报警机构，分别与漏筋检测机构以及布局测量机构连接，用于在接收到的所述建筑楼体的窗台布局质量等级小于等于设定等级限量时，发出质量偏差信号；
其中，所述状态报警机构还用于在接收到所述漏筋检测信号时，执行与所述漏筋检测信号对应的状态报警动作。
4.如权利要求2所述的建筑施工质量的图形识别数据采集系统，其特征在于，所述系统还包括：
无线通信机构，分别与漏筋检测机构以及布局测量机构连接，用于将接收到的所述建筑楼体的窗台布局质量等级和/或漏筋检测信号通过无线通信链路发送到远端的施工管理服务器处。
5.如权利要求4所述的建筑施工质量的图形识别数据采集系统，其特征在于，所述系统还包括：
施工管理服务器，与各处完成施工后的建筑楼体分别对应的各件无线通信机构连接，用于通过无线通信链路接收各件无线通信机构无线发送的通信数据。
6.如权利要求1-5任一所述的建筑施工质量的图形识别数据采集系统，其特征在于：
基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域包括：将所述单面采集图像中与所述单个建筑面对应的标准几何形状匹配的各个图像区域作为各个参考区域输出；
其中，将所述单面采集图像中与所述单个建筑面对应的标准几何形状匹配的各个图像区域作为各个参考区域输出包括：获取每一个图像区域的边沿的几何形状，在某一个图像区域的边沿的几何形状与所述单个建筑面对应的标准几何形状匹配时，判断所述某一个图像区域为单个参考区域。
7.如权利要求2-5任一所述的建筑施工质量的图形识别数据采集系统，其特征在于：
所述漏筋检测机构还用于在不存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出筋体遮掩信号；
其中，所述漏筋检测机构还用于在不存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出筋体遮掩信号包括：将某一个钢筋表面图像分块占据的像素点的数量除以所述逐级优化区域占据的像素点的数量获得的比例作为所述某一个钢筋表面图像分块占据所述逐级优化区域的面积比例。
8.如权利要求1-5任一所述的建筑施工质量的图形识别数据采集系统，其特征在于：
设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像包括：所述定向采集机构位于所述单个建筑面的中心位置的正前方且与所述中心位置的间距等于设定距离；
其中，设置在完成施工后的建筑楼体的单个建筑面的正前方，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像还包括：所述定向采集机构设置在悬空状态的多翼无人机上。
9.一种建筑施工质量的图形识别数据采集方法，其特征在于，所述方法包括：
采用设置在完成施工后的建筑楼体的单个建筑面的正前方的定向采集机构，用于执行对所述单个建筑面的定向图像数据采集处理，以获得相应的单面采集图像；
基于单个建筑面对应的标准几何形状识别单面采集图像中的建筑面成像区域；
采用平滑线性滤波器、直方图均衡器以及自适应滤波器分别对建筑面成像区域依次展开高斯白噪声消除、对比度提升以及图像增强处理，以获得逐级优化区域；
基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面；
针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量；
基于钢筋表面对应的颜色成像特性提取接收到的逐级优化区域中的各个钢筋表面像素点，对所述各个钢筋表面像素点进行拟合处理以获得一个以上的钢筋表面图像分块，在存在占据所述逐级优化区域的面积比例大于等于设定比例限量的钢筋表面图像分块时，发出漏筋检测信号；
其中，确定的其对应窗台框体占据的实体面积与其整体景深数值单调正向关联，且与其占据的像素点数量单调正向关联；
其中，针对每一个框体子画面的整体景深数值以及占据的像素点数量确定其对应窗台框体占据的实体面积，基于多个框体子画面分别对应的多份实体面积的标准差确定所述建筑楼体的窗台布局质量包括：多个框体子画面分别对应的多份实体面积的标准差越大，确定的所述建筑楼体的窗台布局质量等级越低；
其中，基于单个建筑面的窗台框体的灰度数值阈值识别逐级优化区域中的各个框体像素点，去除各个框体像素点中的孤立的框体像素点以获得剩余的多个框体像素点，对所述多个框体像素点进行组合以获得多个框体子画面包括：将所述逐级优化区域中具有的灰度数值在0到所述灰度数值阈值之间的像素点作为逐级优化区域中的单个框体像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311043554.5A CN117036655B (zh) | 2023-08-18 | 2023-08-18 | 一种建筑施工质量的图形识别数据采集系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311043554.5A CN117036655B (zh) | 2023-08-18 | 2023-08-18 | 一种建筑施工质量的图形识别数据采集系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117036655A CN117036655A (zh) | 2023-11-10 |
| CN117036655B true CN117036655B (zh) | 2024-03-05 |
Family
ID=88631433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311043554.5A Active CN117036655B (zh) | 2023-08-18 | 2023-08-18 | 一种建筑施工质量的图形识别数据采集系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117036655B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2779042A1 (en) * | 2013-03-15 | 2014-09-17 | United States Green Building Council (USGBC) | Systems, devices, components and methods for monitoring, certifying and/or recertifying the performance of a building or structure |
| WO2014146222A1 (zh) * | 2013-03-21 | 2014-09-25 | 山东省计算中心 | 基于红外图像的建筑热工指标的自动检测方法 |
| WO2019114191A1 (zh) * | 2017-12-14 | 2019-06-20 | 特斯联（北京）科技有限公司 | 一种基于物联网的楼宇运营设备状态监测与可视化分析系统 |
| CN110555373A (zh) * | 2019-07-24 | 2019-12-10 | 浙江工业大学 | 一种基于图像识别的混凝土振捣质量实时检测方法 |
| CN111340353A (zh) * | 2020-02-24 | 2020-06-26 | 张猛 | 一种建筑施工质量反馈系统及其使用方法 |
| CN111693536A (zh) * | 2020-06-24 | 2020-09-22 | 河南高建工程管理有限公司 | 一种基于红外热成像的地下综合管廊施工防水检测方法 |
| CN112446637A (zh) * | 2020-12-09 | 2021-03-05 | 张龙 | 一种建筑施工质量安全在线风险检测方法及系统 |
| CN112529785A (zh) * | 2019-10-23 | 2021-03-19 | 郝建 | 基于像素布局大数据分析的信号识别系统 |
| CN112884703A (zh) * | 2020-12-31 | 2021-06-01 | 深圳市特辰科技股份有限公司 | 一种高层建筑施工质量及进度的监控系统及方法 |
| CN113128346A (zh) * | 2021-03-23 | 2021-07-16 | 广州大学 | 起重机施工现场的目标识别方法、系统、装置及存储介质 |
| CN113900490A (zh) * | 2021-09-09 | 2022-01-07 | 张保全 | 一种建筑施工质量的图形识别数据采集装置 |
| CN114119614A (zh) * | 2022-01-27 | 2022-03-01 | 天津风霖物联网科技有限公司 | 一种远程检测建筑物的裂缝的方法 |
| CN115371651A (zh) * | 2022-08-26 | 2022-11-22 | 日照职业技术学院 | 一种房屋建筑的质量评估方法及系统 |
-
2023
- 2023-08-18 CN CN202311043554.5A patent/CN117036655B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2779042A1 (en) * | 2013-03-15 | 2014-09-17 | United States Green Building Council (USGBC) | Systems, devices, components and methods for monitoring, certifying and/or recertifying the performance of a building or structure |
| WO2014146222A1 (zh) * | 2013-03-21 | 2014-09-25 | 山东省计算中心 | 基于红外图像的建筑热工指标的自动检测方法 |
| WO2019114191A1 (zh) * | 2017-12-14 | 2019-06-20 | 特斯联（北京）科技有限公司 | 一种基于物联网的楼宇运营设备状态监测与可视化分析系统 |
| CN110555373A (zh) * | 2019-07-24 | 2019-12-10 | 浙江工业大学 | 一种基于图像识别的混凝土振捣质量实时检测方法 |
| CN112529785A (zh) * | 2019-10-23 | 2021-03-19 | 郝建 | 基于像素布局大数据分析的信号识别系统 |
| CN111340353A (zh) * | 2020-02-24 | 2020-06-26 | 张猛 | 一种建筑施工质量反馈系统及其使用方法 |
| CN111693536A (zh) * | 2020-06-24 | 2020-09-22 | 河南高建工程管理有限公司 | 一种基于红外热成像的地下综合管廊施工防水检测方法 |
| CN112446637A (zh) * | 2020-12-09 | 2021-03-05 | 张龙 | 一种建筑施工质量安全在线风险检测方法及系统 |
| CN112884703A (zh) * | 2020-12-31 | 2021-06-01 | 深圳市特辰科技股份有限公司 | 一种高层建筑施工质量及进度的监控系统及方法 |
| CN113128346A (zh) * | 2021-03-23 | 2021-07-16 | 广州大学 | 起重机施工现场的目标识别方法、系统、装置及存储介质 |
| CN113900490A (zh) * | 2021-09-09 | 2022-01-07 | 张保全 | 一种建筑施工质量的图形识别数据采集装置 |
| CN114119614A (zh) * | 2022-01-27 | 2022-03-01 | 天津风霖物联网科技有限公司 | 一种远程检测建筑物的裂缝的方法 |
| CN115371651A (zh) * | 2022-08-26 | 2022-11-22 | 日照职业技术学院 | 一种房屋建筑的质量评估方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 大数据视角下水利工程质量风险管理;黄黎明;张可;龚寻;李明;;水利经济(第06期);70-74 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117036655A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110245663B (zh) | 一种用于钢卷信息识别的方法 | |
| KR101472615B1 (ko) | 차선이탈 경보 시스템 및 방법 | |
| US8103105B2 (en) | Object detection device, and object detection device for elevator | |
| CN102708691B (zh) | 基于车牌车型匹配的虚假车牌识别方法 | |
| CN104268900B (zh) | 一种运动目标检测方法及装置 | |
| CN111179232A (zh) | 基于图像处理的钢筋尺寸检测系统及方法 | |
| CN101599175B (zh) | 确定拍摄背景发生改变的检测方法及图像处理设备 | |
| CN106682665A (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
| CN101527043B (zh) | 基于运动目标轮廓信息的视频对象分割方法 | |
| CN109858539A (zh) | 一种基于深度学习图像语义分割模型的roi区域提取方法 | |
| CN110335294B (zh) | 基于帧差法与3d卷积神经网络的矿井水泵房漏水检测方法 | |
| CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
| US20050196019A1 (en) | Traffic line recognition device | |
| CN103942816A (zh) | 一种基于图像处理的木材单板节子数量和大小的识别方法 | |
| CN112907460B (zh) | 一种遥感图像增强方法 | |
| CN102497497B (zh) | 一种图像去噪算法中阈值动态调整的方法 | |
| CN115690693B (zh) | 一种建筑吊篮的智能监控系统及监控方法 | |
| CN117036655B (zh) | 一种建筑施工质量的图形识别数据采集系统及方法 | |
| CN114511519A (zh) | 一种基于图像处理的列车车底螺栓丢失检测方法 | |
| CN117853484B (zh) | 一种基于视觉的桥梁损伤智能监测方法及系统 | |
| CN102663682B (zh) | 基于感兴趣区域的自适应图像增强方法 | |
| CN117078678B (zh) | 基于图像识别的废硅片形状检测方法 | |
| CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
| CN106709493B (zh) | 一种双动态视频车牌定位方法和装置 | |
| CN108985307B (zh) | 一种基于遥感影像的水体提取方法及系统 |
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 |