CN117115135A - 一种基于机器视觉的混凝土裂纹检测系统及方法 - Google Patents

一种基于机器视觉的混凝土裂纹检测系统及方法 Download PDF

Info

Publication number
CN117115135A
CN117115135A CN202311192464.2A CN202311192464A CN117115135A CN 117115135 A CN117115135 A CN 117115135A CN 202311192464 A CN202311192464 A CN 202311192464A CN 117115135 A CN117115135 A CN 117115135A
Authority
CN
China
Prior art keywords
crack
road
road section
concrete
coefficient
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
CN202311192464.2A
Other languages
English (en)
Other versions
CN117115135B (zh
Inventor
曹雪叶
纪加强
席保锋
王涛
林旭
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.)
Shaanxi Construction Guangzhou Construction Development Co ltd
Yanan University
Original Assignee
Shaanxi Construction Guangzhou Construction Development Co ltd
Yanan University
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 Shaanxi Construction Guangzhou Construction Development Co ltd, Yanan University filed Critical Shaanxi Construction Guangzhou Construction Development Co ltd
Priority to CN202311192464.2A priority Critical patent/CN117115135B/zh
Publication of CN117115135A publication Critical patent/CN117115135A/zh
Application granted granted Critical
Publication of CN117115135B publication Critical patent/CN117115135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/50—Depth or shape recovery
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

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

Abstract

本发明涉及混凝土裂纹检测技术领域，具体公开一种基于机器视觉的混凝土裂纹检测系统及方法，该系统包括：混凝土路面信息采集模块、区域图像采集模块、裂纹密集度分析模块、裂纹开裂程度分析模块、裂纹朝向分析模块和混凝土开裂分析预警模块；本发明通过计算各道路段的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数，从而分析目标道路混凝土路面的开裂危险系数，并进行混凝土开裂预警，直观地展示了道路段的裂纹开裂情况，实现了目标道路混凝土路面的开裂危险系数的多维度分析，确保了道路段路面开裂危险情况发现的及时性和维护的及时性，从而保障了车辆在混凝土道路上的通行安全和乘车人的生命财产安全。

Description

一种基于机器视觉的混凝土裂纹检测系统及方法
技术领域
本发明属于混凝土裂纹检测技术领域，涉及到一种基于机器视觉的混凝土裂纹检测系统及方法。
背景技术
混凝土道路作为现代道路基础设施的关键组成部分，它提供了平稳的行车表面，然而混凝土路面长期受到车辆的碾压以及环境的影响，容易发生开裂等损伤，为了保障车辆在混凝土道路上的通行安全和乘车人的生命财产安全，需要对道路的混凝土裂纹进行检测。
现有的对道路的混凝土裂纹进行检测主要检测裂纹的基本信息，如：裂纹数目、裂纹长度、裂纹宽度和裂纹深度，很显然，这种检测方式还存在以下几个方面的问题：1、未结合混凝土厚度和混凝土路面的坡度进行道路段的裂纹开裂程度的影响分析，无法保障混凝土裂纹的检测评估的参考性，降低了混凝土裂纹的危险系数评估的说服力。
2、未对道路段的各裂纹的开裂姿态进行深度分析，即未结合各裂纹与道路边缘侧的距离和各裂纹的开裂角度情况进行分析，从而无法为混凝土裂纹的危险评估提供更加稳固的支撑依据，使得道路段的路面安全得不到保障。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于机器视觉的混凝土裂纹检测系统及方法。
本发明的目的可以通过以下技术方案实现：本发明第一方面提供了一种基于机器视觉的混凝土裂纹检测系统，包括：混凝土路面信息采集模块，用于在目标道路混凝土路面上随机布设各测量点，监测各测量点对应的混凝土厚度，并采集目标道路混凝土路面对应的坡度。
区域图像采集模块，用于将目标道路混凝土路面按照预设的长度间隔划分为各道路段，并采集各道路段的图像。
裂纹密集度分析模块，用于根据各道路段的图像，分析各道路段的裂纹密集度βi，其中，i表示道路段的编号，i＝1,2,...,n。
裂纹开裂程度分析模块，用于在各道路段的各裂纹的一侧均匀地布设各监测点，采集各监测点所属裂纹处的裂纹宽度和裂纹深度，从而分析各道路段的裂纹宽深危险系数δi。
裂纹朝向分析模块，用于根据各道路段的图像，分析各道路段的裂纹朝向危险系数
混凝土开裂分析预警模块，用于分析目标道路混凝土路面的开裂危险系数ω，并当开裂危险系数大于或者等于设定值时，进行混凝土开裂预警。
具体地，所述分析各道路段的裂纹密集度，具体分析过程为：A1、从各道路段的图像中定位出裂纹条数ηi，并定位出各裂纹的长度，从中提取最大值，记为
A2、从各道路段的图像中定位出道路段的长度和面积，并记为l道和S道。
A3、计算各道路段的裂纹密集度βi，其中，K0和K1分别表示设定参照的单位面积的裂纹条数占比和裂纹长度占比，a1和a2分别表示设定的单位面积的裂纹条数占比和裂纹长度占比对应裂纹密集度评估占比权重。
具体地，所述分析各道路段的裂纹宽深危险系数，具体分析过程为：B1、从各道路段的各裂纹的各监测点所属裂纹处的裂纹宽度和裂纹深度中分别提取最大裂纹宽度和最大裂纹深度，并分别记为μij和Hij，其中，j表示裂纹的编号，j＝1,2,...,m。
B2、计算各道路段的各裂纹的宽深危险系数χij，其中，μ′和H′分别表示设定参照的裂纹宽度和裂纹深度，a3和a4分别表示设定的裂纹宽度和裂纹深度对应宽深危险评估占比权重，e表示自然常数。
B3、将各道路段的各裂纹的宽深危险系数与设定的裂纹的宽深危险系数进行对比，若某道路段的某裂纹的宽深危险系数大于或者等于设定的裂纹的宽深危险系数，则判定该裂纹为严重开裂裂纹，统计各道路段的严重开裂裂纹的数目，记为Mi。
B4、从各道路段的各裂纹的宽深危险系数中提取最大值，记为χ′i。
B5、根据目标道路混凝土路面上各测量点对应的混凝土厚度和目标道路混凝土路面对应的坡度，设定目标道路混凝土路面对应的裂纹开裂影响因子λ。
B6、计算各道路段的裂纹宽深危险系数δi，其中，K2和χ″分别表示设定参照的严重开裂裂纹的数目占比和裂纹宽深危险系数，a5和a6分别表示设定的严重开裂裂纹的数目占比和裂纹宽深危险偏差对应裂纹宽深危险评估占比权重。
具体地，所述设定目标道路混凝土路面对应的裂纹开裂影响因子，具体设定过程为：C1、将目标道路混凝土路面上各测量点对应的混凝土厚度记为εg，其中，g表示测量点的编号，g＝1,2,...,f。
C2、计算目标道路混凝土路面对应的混凝土的厚度均匀度φ，其中，f表示测量点的数目。
C3、将目标道路混凝土路面对应的坡度记为θ坡。
C4、计算目标道路混凝土路面对应的坡度平缓度 其中，θ′表示设定参照的坡度。
C5、设定目标道路混凝土路面对应的裂纹开裂影响因子λ，其中，a7和a8分别表示设定的混凝土的厚度均匀度评估和坡度平缓度评估对应裂纹开裂影响评估占比权重。
具体地，所述分析各道路段的裂纹朝向危险系数，具体分析过程为：D1、将各道路段内各裂纹的长度记为lij。
D2、计算各道路段对应各裂纹的危险趋向系数ξij，其中，l′表示设定参照的裂纹长度。
D3、若某道路段的某裂纹的危险趋向系数大于1，则表明该裂纹为危险裂纹，定位出各道路段对应各危险裂缝中各端点位置与其临近道路段边缘侧位置之间的距离，据此计算各道路段对应裂纹开裂距离层面的危险系数ψi。
D4、根据各道路段的图像，计算各道路段对应裂纹开裂角度层面的危险系数
D5、从各道路段的图像中定位出各裂纹的关联裂缝节点数目，记为σij。
D6、计算各道路段的裂纹朝向危险系数 其中，ψ′、/>和σ′分别表示设定参照的距离层面的危险系数、角度层面的危险系数和裂缝节点数目，b1、b2和b3分别表示设定的距离层面的危险系数、角度层面的危险系数和裂缝节点数目对应裂纹朝向危险评估占比权重。
具体地，所述计算各道路段对应裂纹开裂角度层面的危险系数，具体计算过程为：E1、以目标道路混凝土路面的一侧边缘的中心点为原点，以车辆行驶方向为y轴，以垂直于行驶方向为x轴，建立直角坐标系。
E2、在直角坐标系中分别定位出各道路段的各裂纹的两端坐标，分别记为和/>
E3、计算各道路段的各裂纹的夹角θij，
E4、将各道路段的各裂纹的夹角与0°进行作差，得到各道路段的各裂纹与0°之间的偏差角度，记为第一偏差角度，若某道路段的某裂纹的第一偏差角度小于设定的第一偏差角度，则判定该裂纹为第一偏差裂纹，统计各道路段的第一偏差裂纹的数目，记为
E5、将各道路段的各裂纹的夹角与90°进行作差，得到各道路段的各裂纹与90°之间的偏差角度，记为第二偏差角度，若某道路段的某裂纹的第二偏差角度小于设定的第二偏差角度，则判定该裂纹为第二偏差裂纹，统计各道路段的第二偏差裂纹的数目，记为
E6、计算各道路段对应裂纹开裂角度层面的危险系数 其中，K3表示设定参照的偏差裂纹的数目占比。
具体地，所述分析目标道路混凝土路面的开裂危险系数，具体分析过程为：F1、计算各道路段的开裂危险系数 其中，β′、δ′和/>分别表示设定参照的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数，b4、b5和b6分别表示设定的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数对应开裂危险评估占比权重。
F2、将各道路段的开裂危险系数与设定的一级危险系数进行对比，若某道路段的开裂危险系数大于或者等于设定的一级危险系数，则判定该道路段为一级危险道路段，统计目标道路混凝土路面的一级危险道路段数目，记为ρ。
F3、将目标道路混凝土路面的各一级危险道路段的开裂危险系数与设定的二级危险系数进行对比，若某一级危险道路段的开裂危险系数大于或者等于设定的二级危险系数，则判定该一级危险道路段为二级危险道路段，统计目标道路混凝土路面的二级危险道路段数目，记为ρ′，其中，一级危险系数<二级危险系数。
F4、计算目标道路混凝土路面的开裂危险系数ω，其中，K4和K5分别表示设定参照的一级危险道路段数目占比和二级危险道路段数目占比，b7和b8分别表示设定的一级危险道路段数目占比和二级危险道路段数目占比对应开裂危险评估占比权重，n表示道路段的数目。
本发明第二方面提供了一种基于机器视觉的混凝土裂纹检测方法，包括：S1、混凝土路面信息采集：在目标道路混凝土路面上随机布设各测量点，监测各测量点对应的混凝土厚度，并采集目标道路混凝土路面对应的坡度。
S2、区域图像采集：将目标道路混凝土路面按照预设的长度间隔划分为各道路段，并采集各道路段的图像。
S3、裂纹密集度分析：根据各道路段的图像，分析各道路段的裂纹密集度。
S4、裂纹开裂程度分析：在各道路段的各裂纹的一侧均匀地布设各监测点，采集各监测点所属裂纹处的裂纹宽度和裂纹深度，从而分析各道路段的裂纹宽深危险系数。
S5、裂纹朝向分析：根据各道路段的图像，分析各道路段的裂纹朝向危险系数。
S6、混凝土开裂分析预警：分析目标道路混凝土路面的开裂危险系数，并当开裂危险系数大于或者等于设定值时，进行混凝土开裂预警。
相较于现有技术，本发明的实施例至少具有如下优点或有益效果：(1)本发明通过计算各道路段的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数，从而分析目标道路混凝土路面的开裂危险系数，并进行混凝土开裂预警，直观地展示了道路段的裂纹开裂情况，实现了目标道路混凝土路面的开裂危险系数的多维度分析，确保了道路段路面开裂危险情况发现的及时性和维护的及时性，从而保障了车辆在混凝土道路上的通行安全和乘车人的生命财产安全。
(2)本发明通过根据裂纹条数、裂纹长度以及段路段的长度和面积，计算各道路段的裂纹密集度，考虑层面较为全面，从而保障了混凝土裂纹的检测数据的真实性和合理性，进而为后续目标道路混凝土路面的开裂危险评估提供更加可靠的数据支撑基础。
(3)本发明通过根据混凝土厚度和混凝土路面的坡度，设定目标道路混凝土路面对应的裂纹开裂影响因子，并根据裂纹宽度和裂纹深度，分析各道路段的裂纹宽深危险系数，保障了混凝土裂纹的检测评估的参考性，同时提高了混凝土裂纹的危险系数评估的说服力。
(4)本发明通过结合各裂纹的关联裂缝节点数目、各裂纹与道路边缘侧的距离和各裂纹的开裂角度，分析各道路段的裂纹朝向危险系数，直观地展示了道路段的各裂纹的开裂姿态，从而为混凝土裂纹的危险评估提供更加稳固的支撑依据，保障了道路段的路面安全。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的系统结构连接示意图。
图2为本发明的方法步骤示意图。
图3为本发明的关联裂缝节点示意图。
附图说明：1、裂纹，2、关联裂缝节点。
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。
请参阅图1所示，本发明第一方面提供了一种基于机器视觉的混凝土裂纹检测系统，包括：混凝土路面信息采集模块、区域图像采集模块、裂纹密集度分析模块、裂纹开裂程度分析模块、裂纹朝向分析模块和混凝土开裂分析预警模块。
所述裂纹密集度分析模块、裂纹开裂程度分析模块和裂纹朝向分析模块均与区域图像采集模块相连，裂纹密集度分析模块、裂纹开裂程度分析模块和裂纹朝向分析模块均与均与混凝土开裂分析预警模块相连，混凝土路面信息采集模块与裂纹开裂程度分析模块相连。
所述混凝土路面信息采集模块，用于在目标道路混凝土路面上随机布设各测量点，监测各测量点对应的混凝土厚度，并采集目标道路混凝土路面对应的坡度。
需要说明的是，所述混凝土厚度通过超声波测厚仪监测得到，所述坡度通过激光扫描仪采集得到。
所述区域图像采集模块，用于将目标道路混凝土路面按照预设的长度间隔划分为各道路段，并采集各道路段的图像。
需要说明的是，所述图像通过安置在目标道路混凝土路面附近的摄像头采集得到。
所述裂纹密集度分析模块，用于根据各道路段的图像，分析各道路段的裂纹密集度βi，其中，i表示道路段的编号，i＝1,2,...,n。
在本发明具体实施例中，所述分析各道路段的裂纹密集度，具体分析过程为：A1、从各道路段的图像中定位出裂纹条数ηi，并定位出各裂纹的长度，从中提取最大值，记为
A2、从各道路段的图像中定位出道路段的长度和面积，并记为l道和S道。
A3、计算各道路段的裂纹密集度βi，其中，K0和K1分别表示设定参照的单位面积的裂纹条数占比和裂纹长度占比，a1和a2分别表示设定的单位面积的裂纹条数占比和裂纹长度占比对应裂纹密集度评估占比权重。
本发明实施例通过根据裂纹条数、裂纹长度以及段路段的长度和面积，计算各道路段的裂纹密集度，考虑层面较为全面，从而保障了混凝土裂纹的检测数据的真实性和合理性，进而为后续目标道路混凝土路面的开裂危险评估提供更加可靠的数据支撑基础。
所述裂纹开裂程度分析模块，用于在各道路段的各裂纹的一侧均匀地布设各监测点，采集各监测点所属裂纹处的裂纹宽度和裂纹深度，从而分析各道路段的裂纹宽深危险系数δi。
需要说明的是，所述裂纹宽度和裂纹深度均从图像中定位得到。
在本发明具体实施例中，所述分析各道路段的裂纹宽深危险系数，具体分析过程为：B1、从各道路段的各裂纹的各监测点所属裂纹处的裂纹宽度和裂纹深度中分别提取最大裂纹宽度和最大裂纹深度，并分别记为μij和Hij，其中，j表示裂纹的编号，j＝1,2,...,m。
B2、计算各道路段的各裂纹的宽深危险系数χij，其中，μ′和H′分别表示设定参照的裂纹宽度和裂纹深度，a3和a4分别表示设定的裂纹宽度和裂纹深度对应宽深危险评估占比权重，e表示自然常数。
B3、将各道路段的各裂纹的宽深危险系数与设定的裂纹的宽深危险系数进行对比，若某道路段的某裂纹的宽深危险系数大于或者等于设定的裂纹的宽深危险系数，则判定该裂纹为严重开裂裂纹，统计各道路段的严重开裂裂纹的数目，记为Mi。
B4、从各道路段的各裂纹的宽深危险系数中提取最大值，记为χ′i。
B5、根据目标道路混凝土路面上各测量点对应的混凝土厚度和目标道路混凝土路面对应的坡度，设定目标道路混凝土路面对应的裂纹开裂影响因子λ。
在本发明具体实施例中，所述设定目标道路混凝土路面对应的裂纹开裂影响因子，具体设定过程为：C1、将目标道路混凝土路面上各测量点对应的混凝土厚度记为εg，其中，g表示测量点的编号，g＝1,2,...,f。
C2、计算目标道路混凝土路面对应的混凝土的厚度均匀度φ，其中，f表示测量点的数目。
C3、将目标道路混凝土路面对应的坡度记为θ坡。
C4、计算目标道路混凝土路面对应的坡度平缓度 其中，θ′表示设定参照的坡度。
C5、设定目标道路混凝土路面对应的裂纹开裂影响因子λ，其中，a7和a8分别表示设定的混凝土的厚度均匀度评估和坡度平缓度评估对应裂纹开裂影响评估占比权重。
B6、计算各道路段的裂纹宽深危险系数δi，其中，K2和χ″分别表示设定参照的严重开裂裂纹的数目占比和裂纹宽深危险系数，a5和a6分别表示设定的严重开裂裂纹的数目占比和裂纹宽深危险偏差对应裂纹宽深危险评估占比权重。
本发明实施例通过根据混凝土厚度和混凝土路面的坡度，设定目标道路混凝土路面对应的裂纹开裂影响因子，并根据裂纹宽度和裂纹深度，分析各道路段的裂纹宽深危险系数，保障了混凝土裂纹的检测评估的参考性，同时提高了混凝土裂纹的危险系数评估的说服力。
所述裂纹朝向分析模块，用于根据各道路段的图像，分析各道路段的裂纹朝向危险系数
在本发明具体实施例中，所述分析各道路段的裂纹朝向危险系数，具体分析过程为：D1、将各道路段内各裂纹的长度记为lij。
D2、计算各道路段对应各裂纹的危险趋向系数ξij，其中，l′表示设定参照的裂纹长度。
D3、若某道路段的某裂纹的危险趋向系数大于1，则表明该裂纹为危险裂纹，定位出各道路段对应各危险裂缝中各端点位置与其临近道路段边缘侧位置之间的距离，据此计算各道路段对应裂纹开裂距离层面的危险系数ψi。
需要说明的是，所述计算各道路段对应裂纹开裂距离层面的危险系数，具体计算过程为：G1、将各道路段对应各危险裂纹中各端点位置与其临近道路段边缘侧位置之间的距离作为各道路段对应各危险裂纹中各端点边缘间距，并从中筛选出各道路段对应各危险裂纹的最小端点间距，并将其与设定的危险距离进行对比，若某道路段对应某危险裂纹的最小端点间距小于或者等于设定的危险距离，则判定该危险裂纹为目标危险裂纹，统计各道路段的目标危险裂纹的数目，记为τi。
G2、从各道路段对应各危险裂纹的最小端点间距提取最小值，记为Li。
G3、计算各道路段对应裂纹开裂距离层面的危险系数ψi，其中，τi和Li分别表示设定参照的目标危险裂纹的数目和端点间距，c1和c2分别表示设定的目标危险裂纹的数目和端点间距对应裂纹开裂距离层面的危险评估占比权重。
D4、根据各道路段的图像，计算各道路段对应裂纹开裂角度层面的危险系数
在本发明具体实施例中，所述计算各道路段对应裂纹开裂角度层面的危险系数，具体计算过程为：E1、以目标道路混凝土路面的一侧边缘的中心点为原点，以车辆行驶方向为y轴，以垂直于行驶方向为x轴，建立直角坐标系。
E2、在直角坐标系中分别定位出各道路段的各裂纹的两端坐标，分别记为和/>
E3、计算各道路段的各裂纹的夹角θij，
E4、将各道路段的各裂纹的夹角与0°进行作差，得到各道路段的各裂纹与0°之间的偏差角度，记为第一偏差角度，若某道路段的某裂纹的第一偏差角度小于设定的第一偏差角度，则判定该裂纹为第一偏差裂纹，统计各道路段的第一偏差裂纹的数目，记为
E5、将各道路段的各裂纹的夹角与90°进行作差，得到各道路段的各裂纹与90°之间的偏差角度，记为第二偏差角度，若某道路段的某裂纹的第二偏差角度小于设定的第二偏差角度，则判定该裂纹为第二偏差裂纹，统计各道路段的第二偏差裂纹的数目，记为
E6、计算各道路段对应裂纹开裂角度层面的危险系数 其中，K3表示设定参照的偏差裂纹的数目占比。
D5、从各道路段的图像中定位出各裂纹的关联裂缝节点数目，记为σij。
D6、计算各道路段的裂纹朝向危险系数 其中，ψ′、/>和σ′分别表示设定参照的距离层面的危险系数、角度层面的危险系数和裂缝节点数目，b1、b2和b3分别表示设定的距离层面的危险系数、角度层面的危险系数和裂缝节点数目对应裂纹朝向危险评估占比权重。
本发明通过结合各裂纹的关联裂缝节点数目、各裂纹与道路边缘侧的距离和各裂纹的开裂角度，分析各道路段的裂纹朝向危险系数，直观地展示了道路段的各裂纹的开裂姿态，从而为混凝土裂纹的危险评估提供更加稳固的支撑依据，保障了道路段的路面安全。
所述混凝土开裂分析预警模块，用于分析目标道路混凝土路面的开裂危险系数ω，并当开裂危险系数大于或者等于设定值时，进行混凝土开裂预警。
在本发明具体实施例中，所述分析目标道路混凝土路面的开裂危险系数，具体分析过程为：F1、计算各道路段的开裂危险系数 其中，β′、δ′和/>分别表示设定参照的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数，b4、b5和b6分别表示设定的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数对应开裂危险评估占比权重。
F2、将各道路段的开裂危险系数与设定的一级危险系数进行对比，若某道路段的开裂危险系数大于或者等于设定的一级危险系数，则判定该道路段为一级危险道路段，统计目标道路混凝土路面的一级危险道路段数目，记为ρ。
F3、将目标道路混凝土路面的各一级危险道路段的开裂危险系数与设定的二级危险系数进行对比，若某一级危险道路段的开裂危险系数大于或者等于设定的二级危险系数，则判定该一级危险道路段为二级危险道路段，统计目标道路混凝土路面的二级危险道路段数目，记为ρ′，其中，一级危险系数<二级危险系数。
F4、计算目标道路混凝土路面的开裂危险系数ω，其中，K4和K5分别表示设定参照的一级危险道路段数目占比和二级危险道路段数目占比，b7和b8分别表示设定的一级危险道路段数目占比和二级危险道路段数目占比对应开裂危险评估占比权重，n表示道路段的数目。
本发明实施例通过计算各道路段的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数，从而分析目标道路混凝土路面的开裂危险系数，并进行混凝土开裂预警，直观地展示了道路段的裂纹开裂情况，实现了目标道路混凝土路面的开裂危险系数的多维度分析，确保了道路段路面开裂危险情况发现的及时性和维护的及时性，从而保障了车辆在混凝土道路上的通行安全和乘车人的生命财产安全。
参照图2所示，本发明第二方面提供了一种基于机器视觉的混凝土裂纹检测方法，包括：S1、混凝土路面信息采集：在目标道路混凝土路面上随机布设各测量点，监测各测量点对应的混凝土厚度，并采集目标道路混凝土路面对应的坡度。
S2、区域图像采集：将目标道路混凝土路面按照预设的长度间隔划分为各道路段，并采集各道路段的图像。
S3、裂纹密集度分析：根据各道路段的图像，分析各道路段的裂纹密集度。
S4、裂纹开裂程度分析：在各道路段的各裂纹的一侧均匀地布设各监测点，采集各监测点所属裂纹处的裂纹宽度和裂纹深度，从而分析各道路段的裂纹宽深危险系数。
S5、裂纹朝向分析：根据各道路段的图像，分析各道路段的裂纹朝向危险系数。
S6、混凝土开裂分析预警：分析目标道路混凝土路面的开裂危险系数，并当开裂危险系数大于或者等于设定值时，进行混凝土开裂预警。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于机器视觉的混凝土裂纹检测系统，其特征在于，包括：
混凝土路面信息采集模块，用于在目标道路混凝土路面上随机布设各测量点，监测各测量点对应的混凝土厚度，并采集目标道路混凝土路面对应的坡度；
区域图像采集模块，用于将目标道路混凝土路面按照预设的长度间隔划分为各道路段，并采集各道路段的图像；
裂纹密集度分析模块，用于根据各道路段的图像，分析各道路段的裂纹密集度βi，其中，i表示道路段的编号，i＝1,2,...,n；
裂纹开裂程度分析模块，用于在各道路段的各裂纹的一侧均匀地布设各监测点，采集各监测点所属裂纹处的裂纹宽度和裂纹深度，从而分析各道路段的裂纹宽深危险系数δi；
裂纹朝向分析模块，用于根据各道路段的图像，分析各道路段的裂纹朝向危险系数
混凝土开裂分析预警模块，用于分析目标道路混凝土路面的开裂危险系数ω，并当开裂危险系数大于或者等于设定值时，进行混凝土开裂预警。
2.根据权利要求1所述的一种基于机器视觉的混凝土裂纹检测系统，其特征在于：所述分析各道路段的裂纹密集度，具体分析过程为：
A1、从各道路段的图像中定位出裂纹条数ηi，并定位出各裂纹的长度，从中提取最大值，记为
A2、从各道路段的图像中定位出道路段的长度和面积，并记为l道和S道；
A3、计算各道路段的裂纹密集度βi，其中，K0和K1分别表示设定参照的单位面积的裂纹条数占比和裂纹长度占比，a1和a2分别表示设定的单位面积的裂纹条数占比和裂纹长度占比对应裂纹密集度评估占比权重。
3.根据权利要求2所述的一种基于机器视觉的混凝土裂纹检测系统，其特征在于：所述分析各道路段的裂纹宽深危险系数，具体分析过程为：
B1、从各道路段的各裂纹的各监测点所属裂纹处的裂纹宽度和裂纹深度中分别提取最大裂纹宽度和最大裂纹深度，并分别记为μij和Hij，其中，j表示裂纹的编号，j＝1,2,...,m；
B2、计算各道路段的各裂纹的宽深危险系数χij，其中，μ′和H′分别表示设定参照的裂纹宽度和裂纹深度，a3和a4分别表示设定的裂纹宽度和裂纹深度对应宽深危险评估占比权重，e表示自然常数；
B3、将各道路段的各裂纹的宽深危险系数与设定的裂纹的宽深危险系数进行对比，若某道路段的某裂纹的宽深危险系数大于或者等于设定的裂纹的宽深危险系数，则判定该裂纹为严重开裂裂纹，统计各道路段的严重开裂裂纹的数目，记为Mi；
B4、从各道路段的各裂纹的宽深危险系数中提取最大值，记为χ′i；
B5、根据目标道路混凝土路面上各测量点对应的混凝土厚度和目标道路混凝土路面对应的坡度，设定目标道路混凝土路面对应的裂纹开裂影响因子λ；
B6、计算各道路段的裂纹宽深危险系数δi，其中，K2和χ″分别表示设定参照的严重开裂裂纹的数目占比和裂纹宽深危险系数，a5和a6分别表示设定的严重开裂裂纹的数目占比和裂纹宽深危险偏差对应裂纹宽深危险评估占比权重。
4.根据权利要求3所述的一种基于机器视觉的混凝土裂纹检测系统，其特征在于：所述设定目标道路混凝土路面对应的裂纹开裂影响因子，具体设定过程为：
C1、将目标道路混凝土路面上各测量点对应的混凝土厚度记为εg，其中，g表示测量点的编号，g＝1,2,...,f；
C2、计算目标道路混凝土路面对应的混凝土的厚度均匀度φ，其中，f表示测量点的数目；
C3、将目标道路混凝土路面对应的坡度记为θ坡；
C4、计算目标道路混凝土路面对应的坡度平缓度 其中，θ′表示设定参照的坡度；
C5、设定目标道路混凝土路面对应的裂纹开裂影响因子λ，其中，a7和a8分别表示设定的混凝土的厚度均匀度评估和坡度平缓度评估对应裂纹开裂影响评估占比权重。
5.根据权利要求3所述的一种基于机器视觉的混凝土裂纹检测系统，其特征在于：所述分析各道路段的裂纹朝向危险系数，具体分析过程为：
D1、将各道路段内各裂纹的长度记为lij；
D2、计算各道路段对应各裂纹的危险趋向系数ξij，其中，l′表示设定参照的裂纹长度；
D3、若某道路段的某裂纹的危险趋向系数大于1，则表明该裂纹为危险裂纹，定位出各道路段对应各危险裂缝中各端点位置与其临近道路段边缘侧位置之间的距离，据此计算各道路段对应裂纹开裂距离层面的危险系数ψi；
D4、根据各道路段的图像，计算各道路段对应裂纹开裂角度层面的危险系数
D5、从各道路段的图像中定位出各裂纹的关联裂缝节点数目，记为σij；
D6、计算各道路段的裂纹朝向危险系数 其中，ψ′、和σ′分别表示设定参照的距离层面的危险系数、角度层面的危险系数和裂缝节点数目，b1、b2和b3分别表示设定的距离层面的危险系数、角度层面的危险系数和裂缝节点数目对应裂纹朝向危险评估占比权重。
6.根据权利要求5所述的一种基于机器视觉的混凝土裂纹检测系统，其特征在于：所述计算各道路段对应裂纹开裂角度层面的危险系数，具体计算过程为：
E1、以目标道路混凝土路面的一侧边缘的中心点为原点，以车辆行驶方向为y轴，以垂直于行驶方向为x轴，建立直角坐标系；
E2、在直角坐标系中分别定位出各道路段的各裂纹的两端坐标，分别记为和
E3、计算各道路段的各裂纹的夹角θij，
E4、将各道路段的各裂纹的夹角与00进行作差，得到各道路段的各裂纹与00之间的偏差角度，记为第一偏差角度，若某道路段的某裂纹的第一偏差角度小于设定的第一偏差角度，则判定该裂纹为第一偏差裂纹，统计各道路段的第一偏差裂纹的数目，记为
E5、将各道路段的各裂纹的夹角与900进行作差，得到各道路段的各裂纹与900之间的偏差角度，记为第二偏差角度，若某道路段的某裂纹的第二偏差角度小于设定的第二偏差角度，则判定该裂纹为第二偏差裂纹，统计各道路段的第二偏差裂纹的数目，记为
E6、计算各道路段对应裂纹开裂角度层面的危险系数 其中，K3表示设定参照的偏差裂纹的数目占比。
7.根据权利要求1所述的一种基于机器视觉的混凝土裂纹检测系统，其特征在于：所述分析目标道路混凝土路面的开裂危险系数，具体分析过程为：
F1、计算各道路段的开裂危险系数θi，其中，β′、δ′和/>分别表示设定参照的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数，b4、b5和b6分别表示设定的裂纹密集度、裂纹宽深危险系数和裂纹朝向危险系数对应开裂危险评估占比权重；
F2、将各道路段的开裂危险系数与设定的一级危险系数进行对比，若某道路段的开裂危险系数大于或者等于设定的一级危险系数，则判定该道路段为一级危险道路段，统计目标道路混凝土路面的一级危险道路段数目，记为ρ；
F3、将目标道路混凝土路面的各一级危险道路段的开裂危险系数与设定的二级危险系数进行对比，若某一级危险道路段的开裂危险系数大于或者等于设定的二级危险系数，则判定该一级危险道路段为二级危险道路段，统计目标道路混凝土路面的二级危险道路段数目，记为ρ′，其中，一级危险系数<二级危险系数；
F4、计算目标道路混凝土路面的开裂危险系数ω，其中，K4和K5分别表示设定参照的一级危险道路段数目占比和二级危险道路段数目占比，b7和b8分别表示设定的一级危险道路段数目占比和二级危险道路段数目占比对应开裂危险评估占比权重，n表示道路段的数目。
8.一种基于机器视觉的混凝土裂纹检测方法，其特征在于，包括：
S1、混凝土路面信息采集：在目标道路混凝土路面上随机布设各测量点，监测各测量点对应的混凝土厚度，并采集目标道路混凝土路面对应的坡度；
S2、区域图像采集：将目标道路混凝土路面按照预设的长度间隔划分为各道路段，并采集各道路段的图像；
S3、裂纹密集度分析：根据各道路段的图像，分析各道路段的裂纹密集度；
S4、裂纹开裂程度分析：在各道路段的各裂纹的一侧均匀地布设各监测点，采集各监测点所属裂纹处的裂纹宽度和裂纹深度，从而分析各道路段的裂纹宽深危险系数；
S5、裂纹朝向分析：根据各道路段的图像，分析各道路段的裂纹朝向危险系数；
S6、混凝土开裂分析预警：分析目标道路混凝土路面的开裂危险系数，并当开裂危险系数大于或者等于设定值时，进行混凝土开裂预警。
CN202311192464.2A 2023-09-15 2023-09-15 一种基于机器视觉的混凝土裂纹检测系统及方法 Active CN117115135B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311192464.2A CN117115135B (zh) 2023-09-15 2023-09-15 一种基于机器视觉的混凝土裂纹检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311192464.2A CN117115135B (zh) 2023-09-15 2023-09-15 一种基于机器视觉的混凝土裂纹检测系统及方法

Publications (2)

Publication Number Publication Date
CN117115135A true CN117115135A (zh) 2023-11-24
CN117115135B CN117115135B (zh) 2024-04-30

Family

ID=88794787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311192464.2A Active CN117115135B (zh) 2023-09-15 2023-09-15 一种基于机器视觉的混凝土裂纹检测系统及方法

Country Status (1)

Country Link
CN (1) CN117115135B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474907A (zh) * 2023-12-25 2024-01-30 浙江恒逸石化有限公司 出丝状态的检测方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400139A (zh) * 2013-07-04 2013-11-20 中南大学 一种混凝土裂缝特征信息的识别方法
CN104483330A (zh) * 2014-11-11 2015-04-01 浙江大学 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法
US20180195973A1 (en) * 2015-07-21 2018-07-12 Kabushiki Kaisha Toshiba Crack analysis device, crack analysis method, and crack analysis program
CN111553902A (zh) * 2020-04-28 2020-08-18 周欢 一种基于大数据的公路路面安全监测系统
CN112462035A (zh) * 2020-11-14 2021-03-09 合肥集知云信息科技有限公司 一种基于云计算信息化的水库大坝安全在线监测系统
CN113269128A (zh) * 2021-06-10 2021-08-17 成都软易达信息技术有限公司 一种基于ai智能的病害自动识别方法及系统
CN115389523A (zh) * 2022-08-26 2022-11-25 成都木格子装饰工程有限公司 一种基于人机协作和视觉检测的建筑工程监理分析系统
KR20230123022A (ko) * 2022-02-14 2023-08-23 한국해양대학교 산학협력단 객체 감지 및 노면 크랙 검출 기반 퍼스널 모빌리티용 안전 운행 안내 시스템

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400139A (zh) * 2013-07-04 2013-11-20 中南大学 一种混凝土裂缝特征信息的识别方法
CN104483330A (zh) * 2014-11-11 2015-04-01 浙江大学 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法
US20180195973A1 (en) * 2015-07-21 2018-07-12 Kabushiki Kaisha Toshiba Crack analysis device, crack analysis method, and crack analysis program
CN111553902A (zh) * 2020-04-28 2020-08-18 周欢 一种基于大数据的公路路面安全监测系统
CN112462035A (zh) * 2020-11-14 2021-03-09 合肥集知云信息科技有限公司 一种基于云计算信息化的水库大坝安全在线监测系统
CN113269128A (zh) * 2021-06-10 2021-08-17 成都软易达信息技术有限公司 一种基于ai智能的病害自动识别方法及系统
KR20230123022A (ko) * 2022-02-14 2023-08-23 한국해양대학교 산학협력단 객체 감지 및 노면 크랙 검출 기반 퍼스널 모빌리티용 안전 운행 안내 시스템
CN115389523A (zh) * 2022-08-26 2022-11-25 成都木格子装饰工程有限公司 一种基于人机协作和视觉检测的建筑工程监理分析系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MACIEJ SZELAQ: "Evalution of cracking patterns in cement composites-From Basics to Advances:A Review", MATERIALS, 29 May 2020 (2020-05-29) *
李雯雯 等: "基于全卷积神经网络和朴素贝叶斯数据融合的桥梁裂缝识别算法", 公路交通科技, vol. 40, no. 2, 28 February 2023 (2023-02-28) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474907A (zh) * 2023-12-25 2024-01-30 浙江恒逸石化有限公司 出丝状态的检测方法、装置、设备及存储介质
CN117474907B (zh) * 2023-12-25 2024-03-22 浙江恒逸石化有限公司 出丝状态的检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN117115135B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
CN117115135B (zh) 一种基于机器视觉的混凝土裂纹检测系统及方法
WO2017175555A1 (ja) 磨耗検査装置及び磨耗検査方法
CN110176139B (zh) 一种基于dbscan+的道路拥堵识别可视化方法
CN108647572B (zh) 一种基于霍夫变换的车道偏离预警方法
CN111311560B (zh) 钢轨扣件状态的检测方法及装置
Tsai et al. Automatically detect and classify asphalt pavement raveling severity using 3D technology and machine learning
CN114005282B (zh) 一种基于群智感知的智慧城市交通管理系统及方法
CN110530278B (zh) 利用多线结构光测量间隙面差的方法
CN108229803B (zh) 一种特征路段的提取方法、危险路段的判断方法及系统
CN107798293A (zh) 一种道路裂缝检测装置
CN116563279B (zh) 基于计算机视觉的量测开关检测方法
CN103837087A (zh) 基于主动形状模型的受电弓自动检测方法
CN113759391A (zh) 一种基于激光雷达的可通行区域检测方法
Biswas et al. Assessment of level-of-service on urban arterials: a case study in Kolkata metropolis
CN113139410B (zh) 路面检测方法、装置、设备及存储介质
CN108931206A (zh) 用于钢轨轮廓离群点检测及有效廓形识别的方法
CN113638295B (zh) 一种基于三维路面的全幅平整度检测方法
CN116631187B (zh) 一种案件现场勘查信息智能采集分析系统
CN113551636B (zh) 基于异常数据矫正的平整度检测方法
CN113276907A (zh) 基于惯导系统及多种传感器组合的轨道检测方法及系统
KR101791947B1 (ko) 프랙탈 차원 분석에 기반한 주행 평가 방법 및 장치
CN116310067A (zh) 一种基于精密三维的路面安全状况评估方法
Nagaraj et al. A practical approach for road quality estimation using smartphone based inertial data: Imu data processing pipeline to estimate road quality
CN115798194B (zh) 基于车辆振动数据的道路路况监测方法及装置
CN117057682B (zh) 一种道路施工期间交通安全评价方法及系统

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