CN117115160A - 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 - Google Patents
用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 Download PDFInfo
- Publication number
- CN117115160A CN117115160A CN202311376333.XA CN202311376333A CN117115160A CN 117115160 A CN117115160 A CN 117115160A CN 202311376333 A CN202311376333 A CN 202311376333A CN 117115160 A CN117115160 A CN 117115160A
- Authority
- CN
- China
- Prior art keywords
- image
- tunnel lining
- lining
- pouring quality
- gray
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000003384 imaging method Methods 0.000 claims description 15
- 239000002994 raw material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 11
- 238000005266 casting Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000000463 material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
-
- 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
Abstract
本发明公开了一种用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质,方法包括:确定检测区域,通过超声设备获得原始图像;进行图像增强,获得增强图像;对增强图像中的像素点进行双向滤波,获得最终图像;计算最终图像的混乱度;本发明通过使用超声设备获取隧道衬砌的原始图像,并结合图像处理技术进行分析,可以更准确地评估隧道衬砌的浇筑质量,大大减少传统方法中可能存在的主观误差,且本发明通过设定参数值实现自动化的图像评估和质量判定,避免了人为的干预和判断,提高了检测流程的效率。
Description
技术领域
本发明涉及隧道检测技术领域,具体涉及一种用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质。
背景技术
隧道建设在近年来的城市建设和交通工程中扮演着至关重要的角色。隧道的施工质量直接关系到隧道的安全和使用寿命,其中,衬砌的浇筑质量是评价隧道工程质量的重要指标。传统的隧道衬砌浇筑质量检测方法多基于人工目测、钢针试验或者其他有限的物理方法,这些方法不仅耗时、效率低,而且存在一定的误差,不能全面、准确地评价隧道衬砌的浇筑质量。
随着科技的发展,超声波检测技术逐渐被应用于隧道衬砌浇筑质量的检测中。超声波在经过介质时,不同物质、缺陷或者气泡会产生不同的反射声波,从而可以通过分析反射声波的特性来评估材料的内部状态和质量。但是,单纯地依靠原始的超声波图像,很难获得清晰、详细的内部结构信息,需要对图像进行处理和分析,才能更好地为工程人员提供决策依据。
目前,市场上的超声波检测设备虽然能够提供原始的反射声波图像,但对图像的处理和分析还需要依赖于复杂的后处理软件和专业的分析人员。此外,由于不同的检测设备、检测参数和被检测的衬砌材料存在差异,单一的图像处理算法很难满足不同情况的需求。
发明内容
本发明所要解决的技术问题是传统的检测方法准确度差且依赖工程人员决策,目的在于提供一种用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质,实现了针对隧道衬砌的浇筑质量检测,能够准确判断衬砌的浇筑质量。
本发明通过下述技术方案实现:
一种用于隧道衬砌浇筑质量的检测方法,包括:
确定检测区域,并在检测区域内侧布置超声设备,超声设备向检测区域发射超声波并接受反射声波,并根据反射声波获得原始图像;
判断原始图像中的标准差和对比度,若标准差不大于第一设定值或对比度不大于第二设定值,设判定原始图像不合格;
若标准差大于第一设定值且对比度大于第二设定值,则进行图像增强,获得增强图像;
构建基于增强图像、检测区域数据、超声设备参数的四维成像矩阵;
基于四维成像矩阵对增强图像中的像素点进行双向滤波,获得最终图像;
判断最终图像的清晰度,若清晰度不大于第三设定值,则判定最终图像不合格;
若清晰度大于第三设定值,则计算最终图像的混乱度,若混乱度大于第四设定值,则判定衬砌浇筑质量不合格;若混乱度不大于第四设定值,则判定衬砌浇筑质量合格。
可选地,标准图像的获得方法包括:
获取浇筑校测区域的衬砌的混凝土原料或原始配比,若获取的是原始配比,则按照原始配比配置混凝土原料;
用混凝土原料浇筑与检测区域的衬砌参数相同的标准衬砌;
通过超声设备获得标准衬砌的超声图像;
识别超声图像中的混凝土骨料,并将混凝土骨料对应的噪声图像作为标准图像。
进一步,在对原始图像进行标准差和对比度进行判断前,对原始图像进行校正,校正方法包括:
获得浇筑检测区域的衬砌的混凝土的标准图像,并通过标准图像去除原始图像中的噪声,获得校正图像;
校正图像的标准差的计算公式为:,其中,/>为校正图像的/>方向像素数量,/>为校正图像的/>方向像素数量,/>为/>处的灰度级,/>为校正图像总像素均值;
校正图像的对比度的计算公式为:,其中,/>为相邻的像素点之间的灰度级的差,/>为相邻像素点之间的像素分布概率;
将原始图像替换为校正图像,并判断校正图像中的信息熵和对比度。
可选地,进行图像增强的方法包括:
对待处理图像进行DCT变换,获取第一图像,其中,为高频分量,/>为低频分量;
将低频分量对应的低频图像均分分割为多个不重叠的子块;
计算低频图像的灰度级分布概率,确定输出的灰度值,并计算低频图像的累积分布函数,其中,/>为低频图像的灰度级,/>为低频图像的灰度级分布概率,/>为低频图像灰度级为/>的灰度值;
获取多个子块的灰度直方图,并计算灰度直方图的受限值,,式中,/>为直方图上子块的数量,/>为截断系数,/>为累积分布函数的最大斜率,/>为图像的灰度级;
将超过受限值的像素点分配到直方图的各灰度级中,循环检测直方图中各灰度级数大小,当其值小于该子块的受限值时,为其分配平均像素数/>;
重复分配操作,直至超过受限值的像素点被分配完成,再对所有子块的灰度直方图进行均衡化处理;
通过双线性插值法计算低频图像各点的灰度值,获取新的低频分量;
对高频分量进行线性伸缩变换,获得新的高频分量;
将新的低频分量和新的高频分量叠加,进行IDCT变换,获得增强图像。
可选地,构建四维成像矩阵,其中,/>为衬砌的厚度,/>为增强图像的横坐标,/>为增强图像的纵坐标,/>为超声设备的超声波束波长。
可选地,进行双向滤波的方法包括:
固定和/>,获得四维成像矩阵变现出的二维矩阵/>,并对其进行傅里叶变换:/>,其中,/>为/>的数据频率系数,/>为/>的数据频率系数,/>为虚数单位;
对进行高通滤波,/>,其中,,/>为滤波强度常数;
对进行傅里叶逆变换,获得最终图像,其中,/>为/>的上限,/>为/>上限。
具体地,计算最终图像的清晰度,,其中,/>为/>方向上灰度级的梯度,/>为/>方向上灰度级的梯度。
具体地,混乱度的计算方法包括:,其中,/>为第个灰度级在图像中出现的概率,/>为图像的灰度级;
一种用于隧道衬砌浇筑质量的检测终端,包括存储器、处理器以及存储在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如上任一项所述的一种用于隧道衬砌浇筑质量的检测方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上任一项所述的一种用于隧道衬砌浇筑质量的检测方法的步骤。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明通过使用超声设备获取隧道衬砌的原始图像,并结合图像处理技术进行分析,可以更准确地评估隧道衬砌的浇筑质量,大大减少传统方法中可能存在的主观误差,且本发明通过设定参数值实现自动化的图像评估和质量判定,避免了人为的干预和判断,提高了检测流程的效率。
本发明通过对原始图形进行标准差和对比度的判断,筛除不合格的超声图像,减少后续处理负载,并通过对原始图像进行图像增强和双向滤波处理,可以得到更为清晰、细致的内部结构图像,为决策提供更为准确的依据。
附图说明
附图示出了本发明的示例性实施方式,并与其说明一起用于解释本发明的原理,其中包括了这些附图以提供对本发明的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分,并不构成对本发明实施例的限定。
图1是根据本发明所述的用于隧道衬砌浇筑质量的检测方法的流程示意图。
图2是根据本发明所述的图像增强方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施方式仅用于解释相关内容,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分。
在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
实施例一
如图1所示,本实施例提供一种用于隧道衬砌浇筑质量的检测方法,包括:
第一步,确定检测区域,并在检测区域内侧布置超声设备,超声设备向检测区域发射超声波并接受反射声波,并根据反射声波获得原始图像。
在隧道衬砌浇筑质量检测中,首先需要确定目标检测区域,以便更精确地评估该区域的质量,因此需要实现选定检测区域,一般情况下选定矩形的检测区域,也可以在隧道内选取多个不同的检测区域,进行多次不同的检测。
通过超声设备对检测区域进行超声检测,超声波在物质中传播时,遇到不同介质或缺陷会产生反射。通过接收这些反射声波,可以了解物质内部的结构和状态,通过超声波实现快速、无损地获取隧道衬砌的内部结构信息。
第二步,判断原始图像中的标准差和对比度,若标准差不大于第一设定值或对比度不大于第二设定值,设判定原始图像不合格。
在超声波获取到的原始图像中,对图像的质量进行初步评估是至关重要的。为此,引入了标准差和对比度这两个指标。标准差和对比度能够反映图像的明暗变化和细节特征,这对于隧道衬砌的质量检测尤为重要,因为这可以帮助确定是否存在缺陷或异物。
对于原始图像,如果其标准差或对比度低于某一设定值,表示图像可能缺乏明显的特征或细节,或者说图像的亮度差异不大,这可能使得后续的分析和判断受到干扰或误导。为了确保准确性和可靠性,需要将这类图像视为不合格。
第三步,若标准差大于第一设定值且对比度大于第二设定值,则进行图像增强,获得增强图像。
即便原始图像满足了基础的标准差和对比度要求,仍然需要进一步提高图像的清晰度和对比度,以便于更好地观察和分析衬砌的内部状态。
第四步,构建基于增强图像、检测区域数据、超声设备参数的四维成像矩阵。
利用前面获得的增强图像、指定的检测区域数据以及超声设备的参数,构建出一个四维成像矩阵。这个矩阵不仅包含传统的三维空间数据(宽度、长度、深度),还增加了对超声波特性的维度描述,如波长、频率等,从而使得图像呈现更为精确的内部信息。
第五步,基于四维成像矩阵对增强图像中的像素点进行双向滤波,获得最终图像;在得到四维成像矩阵后,采用双向滤波技术对增强图像中的像素进行处理。双向滤波可以保留图像的边缘信息,同时消除不必要的噪声或干扰,从而得到更为清晰且真实的图像。
第六步,判断最终图像的清晰度,若清晰度不大于第三设定值,则判定最终图像不合格;在获得处理后的最终图像时,需要进一步确认图像的质量。清晰度是评价图像质量的关键指标。如果最终图像的清晰度低于预设的标准,这意味着图像可能没有呈现出所有必要的细节,因此被视为不合格。
第七步,若清晰度大于第三设定值,则计算最终图像的混乱度,若混乱度大于第四设定值,则判定衬砌浇筑质量不合格;若混乱度不大于第四设定值,则判定衬砌浇筑质量合格。
对于清晰度达标的图像,进一步计算图像的混乱度。混乱度可以反映图像中不规则、杂乱的区域,这些区域可能是裂缝、空腔或其他缺陷的表现。如果混乱度超过某个阈值,这意味着隧道衬砌浇筑可能存在问题或缺陷,需要进一步的检查或修复。反之,如果混乱度低,说明浇筑质量是合格的。
实施例二
为了进一步的提升图像的质量,本实施例提供标准图像的获得方法包括:
获取浇筑校测区域的衬砌的混凝土原料或原始配比,若获取的是原始配比,则按照原始配比配置混凝土原料。为了确保检测方法的准确性,首先需要获取一个标准的参考图像,这需要使用与检测区域相同的混凝土原料或配比。如果获得的只是混凝土的原始配比,则需要根据这一配比混合混凝土原料,确保与检测区域的混凝土成分和质地一致。
用混凝土原料浇筑与检测区域的衬砌参数相同的标准衬砌;在获取了与检测区域相同的混凝土原料后,模拟实际浇筑环境,创建一个标准衬砌样本。用于后续的超声图像采集和分析,作为检测的基准。
通过超声设备获得标准衬砌的超声图像;与检测实际隧道衬砌的步骤相同,对标准衬砌样本使用超声设备进行扫描,从而获取超声图像。获得一个清晰、没有缺陷的标准图像,
识别超声图像中的混凝土骨料,并将混凝土骨料对应的噪声图像作为标准图像。
混凝土由骨料、水和胶凝材料组成。在超声图像中,混凝土骨料通常呈现为与背景有所区别的区域。由于骨料的物理性质(如密度、硬度)与混凝土矩阵有所不同,导致超声波在这些地方的反射或散射特性与周围环境有所不同,从而在图像上形成噪声。此处的“噪声图像”实际上是指超声图像中由骨料产生的特征信号。将这些噪声图像作为标准图像,可以在后续的检测中,与实际浇筑的隧道衬砌图像进行对比,从而将噪声图像从原始图像中进行滤除,避免噪声对后续的检测造成影响。
在得到了标准图像后,在实施例以中的第一步与第二步之间增加校正步骤,即在对原始图像进行标准差和对比度进行判断前,对原始图像进行校正,校正方法包括:
获得浇筑检测区域的衬砌的混凝土的标准图像,并通过标准图像去除原始图像中的噪声,获得校正图像;通过得到的已知的标准图像,利用标准图像消除或减少原始图像中的噪声,从而得到校正后的图像。
将原始图像替换为校正图像,并判断校正图像中的标准差和对比度。
标准差用于描述图像像素值分布的离散程度。当标准差较小时,表示图像的像素值分布较为集中,图像可能缺乏明显的特征或细节。
校正图像的标准差的计算公式为:,其中,/>为校正图像的/>方向像素数量,/>为校正图像的/>方向像素数量,/>为/>处的灰度级,/>为校正图像总像素均值。
对比度用于描述图像明暗部分的对比程度。低对比度可能意味着图像的亮度差异不大,难以区分物体的边界和细节。
校正图像的对比度的计算公式为:,其中,/>为相邻的像素点之间的灰度级的差,/>为相邻像素点之间的像素分布概率。
实施例三
本实施例对第三步中的图像增强进行说明,如图2所示,图像增强的方法包括:
对待处理图像进行DCT变换,获取第一图像,其中,为高频分量,/>为低频分量;DCT(离散余弦变换)是一种常用的图像变换技术,用于将图像从空间域转换到频率域。在频率域中,我们可以清晰地看到图像中的低频分量和高频分量。低频分量通常包含图像的主要信息,如物体的轮廓和主要特征,而高频分量包含图像的细节和噪声。
将低频分量对应的低频图像均分分割为多个不重叠的子块;通过将低频图像分割为多个子块,我们可以对每个子块进行单独处理。这样,针对不同区域的特点,可以进行更为精细的增强操作。
计算低频图像的灰度级分布概率,确定输出的灰度值,并计算低频图像的累积分布函数,其中,/>为低频图像的灰度级,/>为低频图像的灰度级分布概率,/>为低频图像灰度级为/>的灰度值;用于获得低频图像的亮度分布。累积分布函数反映了在某一特定灰度值以下的像素所占的比例,这是进行直方图均衡化的基础。
获取多个子块的灰度直方图,并计算灰度直方图的受限值,,式中,/>为直方图上子块的数量,/>为截断系数,/>为累积分布函数的最大斜率,/>为图像的灰度级;受限值是为了防止过度增强,确保直方图均衡化后的图像不会失去太多细节。
将超过受限值的像素点分配到直方图的各灰度级中,循环检测直方图中各灰度级数大小,当其值小于该子块的受限值时,为其分配平均像素数/>。
重复分配操作,直至超过受限值的像素点被分配完成,再对所有子块的灰度直方图进行均衡化处理;确保每个子块都经过了均衡化处理,从而使整个图像获得均匀的增强。
通过双线性插值法计算低频图像各点的灰度值,获取新的低频分量;
对高频分量进行线性伸缩变换,获得新的高频分量;
将新的低频分量和新的高频分量叠加,进行IDCT变换,将其从频率域转回空间域,得到最终的增强图像。
实施例四
在实施例一中的第四步中,构建四维成像矩阵,其中,/>为衬砌的厚度,/>为增强图像的横坐标,/>为增强图像的纵坐标,/>为超声设备的超声波束波长。
基于四维成像矩阵,进行双向滤波的方法包括:
固定和/>,获得四维成像矩阵变现出的二维矩阵/>,固定衬砌的厚度和超声波束波长,将四维数据降维为二维数据。可以直观地对其进行图像处理和分析。
并对其进行傅里叶变换:,其中,/>为/>的数据频率系数,/>为/>的数据频率系数,/>为虚数单位;傅里叶变换是一个将图像从空间域转换到频率域的操作。在频率域中,我们可以更容易地识别和处理图像中的特定频率成分,例如滤除噪声或增强某些频率的特征。
对进行高通滤波,/>,其中,,/>为滤波强度常数;高通滤波是一个允许高频信号通过而削弱低频信号的过程。在图像处理中,高频通常代表图像的边缘和细节部分。通过高通滤波,我们可以强化这些细节或者减少低频的背景噪声。
对进行傅里叶逆变换,获得最终图像,其中,/>为/>的上限,/>为/>上限。
傅里叶逆变换是傅里叶变换的反操作,将频率域的表示转回到空间域。这允许我们从处理过的频率数据中重建出图像。最终图像由各频率分量和相应的相位信息组成。
实施例五
计算最终图像的清晰度,,其中,/>为/>方向上灰度级的梯度,/>为/>方向上灰度级的梯度。
清晰度是评价图像锐利度或图像中细节清晰度的指标。这里使用的清晰度计算公式基于图像的梯度,具体是基于图像在x和y方向的灰度梯度。一个较大的清晰度值意味着图像的细节更加清晰。这个方法对于检测图像中的边缘和纹理信息非常有效。
混乱度的计算方法包括:,其中,/>为第/>个灰度级在图像中出现的概率,/>为图像的灰度级。
混乱度是一个信息论的概念,常用于描述数据或信号的复杂度或不确定性。用于评价图像的复杂度或内容的不确定性。这个值可以帮助我们评估隧道衬砌的质量,若混乱度越高,则证明衬砌内部的情况越复杂,即衬砌内部可能裂隙、气泡、空鼓等异常情况较多,因此认定检测区域内的衬砌质量存在风险。
实施例六
一种用于隧道衬砌浇筑质量的检测终端,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如上的一种用于隧道衬砌浇筑质量的检测方法的步骤。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上的一种用于隧道衬砌浇筑质量的检测方法的步骤。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器和大容量存储设备可以统称为存储器。
在本说明书的描述中,参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本发明,而并非是对本发明的范围进行限定。对于所属领域的技术人员而言,在上述发明的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本发明的范围内。
Claims (10)
1.一种用于隧道衬砌浇筑质量的检测方法,其特征在于,包括:
确定检测区域,并在检测区域内侧布置超声设备,超声设备向检测区域发射超声波并接受反射声波,并根据反射声波获得原始图像;
判断原始图像中的标准差和对比度,若标准差不大于第一设定值或对比度不大于第二设定值,设判定原始图像不合格;
若标准差大于第一设定值且对比度大于第二设定值,则进行图像增强,获得增强图像;
构建基于增强图像、检测区域数据、超声设备参数的四维成像矩阵;
基于四维成像矩阵对增强图像中的像素点进行双向滤波,获得最终图像;
判断最终图像的清晰度,若清晰度不大于第三设定值,则判定最终图像不合格;
若清晰度大于第三设定值,则计算最终图像的混乱度,若混乱度大于第四设定值,则判定衬砌浇筑质量不合格;若混乱度不大于第四设定值,则判定衬砌浇筑质量合格。
2.根据权利要求1所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,标准图像的获得方法包括:
获取浇筑校测区域的衬砌的混凝土原料或原始配比,若获取的是原始配比,则按照原始配比配置混凝土原料;
用混凝土原料浇筑与检测区域的衬砌参数相同的标准衬砌;
通过超声设备获得标准衬砌的超声图像;
识别超声图像中的混凝土骨料,并将混凝土骨料对应的噪声图像作为标准图像。
3.根据权利要求1所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,在对原始图像进行标准差和对比度进行判断前,对原始图像进行校正,校正方法包括:
获得浇筑检测区域的衬砌的混凝土的标准图像,并通过标准图像去除原始图像中的噪声,获得校正图像;
校正图像的标准差的计算公式为:,其中,/>为校正图像的/>方向像素数量,/>为校正图像的/>方向像素数量,/>为/>处的灰度级,/>为校正图像总像素均值;
校正图像的对比度的计算公式为:,其中,/>为相邻的像素点之间的灰度级的差,/>为相邻像素点之间的像素分布概率;
将原始图像替换为校正图像,并判断校正图像中的信息熵和对比度。
4.根据权利要求1所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,进行图像增强的方法包括:
对待处理图像进行DCT变换,获取第一图像,其中,为高频分量,/>为低频分量;
将低频分量对应的低频图像均分分割为多个不重叠的子块;
计算低频图像的灰度级分布概率,确定输出的灰度值,并计算低频图像的累积分布函数,其中,/>为低频图像的灰度级,/>为低频图像的灰度级分布概率,为低频图像灰度级为/>的灰度值;
获取多个子块的灰度直方图,并计算灰度直方图的受限值,,式中,/>为直方图上子块的数量,/>为截断系数,/>为累积分布函数的最大斜率,/>为图像的灰度级;
将超过受限值的像素点分配到直方图的各灰度级中,循环检测直方图中各灰度级数大小,当其值小于该子块的受限值时,为其分配平均像素数/>;
重复分配操作,直至超过受限值的像素点被分配完成,再对所有子块的灰度直方图进行均衡化处理;
通过双线性插值法计算低频图像各点的灰度值,获取新的低频分量;
对高频分量进行线性伸缩变换,获得新的高频分量;
将新的低频分量和新的高频分量叠加,进行IDCT变换,获得增强图像。
5.根据权利要求1所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,构建四维成像矩阵,其中,/>为衬砌的厚度,/>为增强图像的横坐标,/>为增强图像的纵坐标,/>为超声设备的超声波束波长。
6.根据权利要求5所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,进行双向滤波的方法包括:
固定和/>,获得四维成像矩阵变现出的二维矩阵/>,并对其进行傅里叶变换:,其中,/>为/>的数据频率系数,/>为/>的数据频率系数,/>为虚数单位;
对进行高通滤波,/>,其中,,/>为滤波强度常数;
对进行傅里叶逆变换,获得最终图像,其中,/>为/>的上限,/>为/>上限。
7.根据权利要求1所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,计算最终图像的清晰度,,其中,/>为/>方向上灰度级的梯度,/>为方向上灰度级的梯度。
8.根据权利要求1所述的一种用于隧道衬砌浇筑质量的检测方法,其特征在于,混乱度的计算方法包括:,其中,/>为第/>个灰度级在图像中出现的概率,/>为图像的灰度级。
9.一种用于隧道衬砌浇筑质量的检测终端,包括存储器、处理器以及存储在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1-8中任一项所述的一种用于隧道衬砌浇筑质量的检测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的一种用于隧道衬砌浇筑质量的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311376333.XA CN117115160B (zh) | 2023-10-24 | 2023-10-24 | 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311376333.XA CN117115160B (zh) | 2023-10-24 | 2023-10-24 | 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115160A true CN117115160A (zh) | 2023-11-24 |
CN117115160B CN117115160B (zh) | 2024-02-02 |
Family
ID=88813286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311376333.XA Active CN117115160B (zh) | 2023-10-24 | 2023-10-24 | 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115160B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN102611828A (zh) * | 2012-01-11 | 2012-07-25 | 四川大学 | 一种雾天连续视频图像实时性增强处理系统 |
CN103093429A (zh) * | 2013-01-18 | 2013-05-08 | 金三立视频科技(深圳)有限公司 | 图像增强方法 |
CN104994375A (zh) * | 2015-07-08 | 2015-10-21 | 天津大学 | 一种基于立体视觉显著性的立体图像质量客观评价方法 |
CN107862677A (zh) * | 2017-10-16 | 2018-03-30 | 中铁第四勘察设计院集团有限公司 | 一种基于梯度类间阈值算法的隧道衬砌裂缝识别方法及系统 |
EP3624454A1 (en) * | 2018-09-13 | 2020-03-18 | Blackmagic Design Pty Ltd | Image processing method and system |
CN111396081A (zh) * | 2020-04-29 | 2020-07-10 | 四川省交通勘察设计研究院有限公司 | 一种高温隧道衬砌施工系统及施工方法 |
CN111507922A (zh) * | 2020-04-21 | 2020-08-07 | 南京航空航天大学 | 一种基于直方图的隧道表面图像自适应增强方法 |
CN111582271A (zh) * | 2020-04-29 | 2020-08-25 | 安徽国钜工程机械科技有限公司 | 一种基于地质雷达的铁路隧道内部病害检测方法及其装置 |
CN111815629A (zh) * | 2020-08-25 | 2020-10-23 | 创新奇智(南京)科技有限公司 | 衬砌检测方法、装置、电子设备及存储介质 |
CN112153371A (zh) * | 2020-08-24 | 2020-12-29 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
CN113591511A (zh) * | 2020-04-30 | 2021-11-02 | 顺丰科技有限公司 | 混凝土状态的识别方法、装置、电子设备及存储介质 |
CN115326809A (zh) * | 2022-08-02 | 2022-11-11 | 山西省智慧交通研究院有限公司 | 一种隧道衬砌表观裂纹检测方法及检测装置 |
US20220383484A1 (en) * | 2021-05-25 | 2022-12-01 | Tongji University | Tunnel defect detecting method and system using unmanned aerial vehicle |
CN116402371A (zh) * | 2022-12-26 | 2023-07-07 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种用于隧道衬砌检测的信息化管理系统 |
-
2023
- 2023-10-24 CN CN202311376333.XA patent/CN117115160B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN102611828A (zh) * | 2012-01-11 | 2012-07-25 | 四川大学 | 一种雾天连续视频图像实时性增强处理系统 |
CN103093429A (zh) * | 2013-01-18 | 2013-05-08 | 金三立视频科技(深圳)有限公司 | 图像增强方法 |
CN104994375A (zh) * | 2015-07-08 | 2015-10-21 | 天津大学 | 一种基于立体视觉显著性的立体图像质量客观评价方法 |
CN107862677A (zh) * | 2017-10-16 | 2018-03-30 | 中铁第四勘察设计院集团有限公司 | 一种基于梯度类间阈值算法的隧道衬砌裂缝识别方法及系统 |
EP3624454A1 (en) * | 2018-09-13 | 2020-03-18 | Blackmagic Design Pty Ltd | Image processing method and system |
CN111507922A (zh) * | 2020-04-21 | 2020-08-07 | 南京航空航天大学 | 一种基于直方图的隧道表面图像自适应增强方法 |
CN111396081A (zh) * | 2020-04-29 | 2020-07-10 | 四川省交通勘察设计研究院有限公司 | 一种高温隧道衬砌施工系统及施工方法 |
CN111582271A (zh) * | 2020-04-29 | 2020-08-25 | 安徽国钜工程机械科技有限公司 | 一种基于地质雷达的铁路隧道内部病害检测方法及其装置 |
CN113591511A (zh) * | 2020-04-30 | 2021-11-02 | 顺丰科技有限公司 | 混凝土状态的识别方法、装置、电子设备及存储介质 |
CN112153371A (zh) * | 2020-08-24 | 2020-12-29 | 珠海格力电器股份有限公司 | 图像质量检测方法、装置、存储介质及产品检测方法 |
CN111815629A (zh) * | 2020-08-25 | 2020-10-23 | 创新奇智(南京)科技有限公司 | 衬砌检测方法、装置、电子设备及存储介质 |
US20220383484A1 (en) * | 2021-05-25 | 2022-12-01 | Tongji University | Tunnel defect detecting method and system using unmanned aerial vehicle |
CN115326809A (zh) * | 2022-08-02 | 2022-11-11 | 山西省智慧交通研究院有限公司 | 一种隧道衬砌表观裂纹检测方法及检测装置 |
CN116402371A (zh) * | 2022-12-26 | 2023-07-07 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种用于隧道衬砌检测的信息化管理系统 |
Non-Patent Citations (5)
Title |
---|
MIN HU等: "Detecting Anomalies in Time Series Data via a Meta-Feature Based Approach", 《 IEEE ACCESS 》, vol. 6, pages 27760 - 27776, XP011685321, DOI: 10.1109/ACCESS.2018.2840086 * |
曹绮雯: "基于探地雷达技术的东江水源输水隧洞灌浆质量检测研究", 《水利技术监督》, no. 11, pages 35 - 40 * |
潘利: "二次衬砌混凝土开裂成因分析及裂缝控制技术研究", 《施工技术》, vol. 48, no. 1, pages 601 - 604 * |
程云泽: "基于卷积神经网络的桥梁裂缝识别和测量方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 05, pages 034 - 176 * |
闫卫红: "基于卷积滤波和梯度结构相似的隧道衬砌图像质量评价", 《筑路机械与施工机械化》, vol. 33, no. 06, pages 110 - 115 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115160B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2438123C2 (ru) | Способ обнаружения и классификации дефектов в строительных компонентах с помощью ультразвука | |
JP7319432B2 (ja) | 学習用データ収集装置、学習用データ収集方法、及びプログラム | |
CN112233248B (zh) | 基于三维点云的表面平整度的检测方法、系统及介质 | |
CN111239246B (zh) | 一种分步筛选有效信号的曲面结构缺陷全聚焦成像方法 | |
EP2338048A2 (en) | Composite evaluation by deriving the angular distribution of features | |
CN112037214B (zh) | 一种缺陷检测的评估方法、装置、电子设备及存储介质 | |
US20210208107A1 (en) | Ultrasonic analysis of a subject | |
Guan et al. | A time-domain synthetic aperture ultrasound imaging method for material flaw quantification with validations on small-scale artificial and natural flaws | |
US10775349B2 (en) | Defect detection using ultrasound scan data | |
CN117115160B (zh) | 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质 | |
CN115616674A (zh) | 探地雷达训练数据集模拟扩增与道路无损检测方法及系统 | |
JP6802921B2 (ja) | 加工物のコンピュータ断層撮影検査のためのシステムの機能状態を監視するための方法 | |
Kerut et al. | Review of methods for texture analysis of myocardium from echocardiographic images: a means of tissue characterization | |
CN110832543B (zh) | 根据对物体的测量来确定测量数据中的不确定性的方法 | |
CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
CN114066881A (zh) | 一种基于非线性变换检测方法、计算机设备及存储介质 | |
Pei et al. | Image enhancement for on-site X-ray nondestructive inspection of reinforced concrete structures | |
Grandin et al. | Implementation of automated 3D defect detection for low signal-to noise features in NDE data | |
JP7273663B2 (ja) | 凍結地盤の評価方法、及び凍結地盤の評価装置 | |
CN110473183B (zh) | 一种面向可见光全链路仿真图像的评价方法、装置、电子设备和介质 | |
CN111399038B (zh) | 斜率参数提取方法、装置及计算机可读存储介质 | |
WO2022107417A1 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN105784735A (zh) | 一种超声ct检测的结果数据图形化处理显示方法 | |
WO2024009550A1 (ja) | 信号処理装置及び信号処理方法 | |
Guarneri et al. | A blind deconvolution approach to discontinuity location and characterization in ultrasonic nondestructive testing |
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 |