CN117392126B - 一种水工隧洞缺陷检测方法 - Google Patents
一种水工隧洞缺陷检测方法 Download PDFInfo
- Publication number
- CN117392126B CN117392126B CN202311681090.0A CN202311681090A CN117392126B CN 117392126 B CN117392126 B CN 117392126B CN 202311681090 A CN202311681090 A CN 202311681090A CN 117392126 B CN117392126 B CN 117392126B
- Authority
- CN
- China
- Prior art keywords
- working image
- section
- pixel point
- pixel
- latest
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 98
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 57
- 238000005286 illumination Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000009877 rendering Methods 0.000 claims description 19
- 230000004907 flux Effects 0.000 claims description 18
- 230000002950 deficient Effects 0.000 claims description 6
- 230000008093 supporting effect Effects 0.000 abstract description 2
- 230000008676 import Effects 0.000 abstract 2
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 239000011435 rock Substances 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
- 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
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种水工隧洞缺陷检测方法,属于缺陷检测技术领域,包括以下步骤:S1、生成第一环境影响指数、第二环境影响指数和第三环境影响指数;S2、对进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像进行预处理,生成对应的进口段最新工作图像、洞身段最新工作图像和出口段最新工作图像,得到最新工作图像集合;S3、提取最新工作图像集合中各个最新工作图像的潜在缺陷轮廓;S4、确定水工隧洞是否存在缺陷。该水工隧洞缺陷检测方法可以对水工隧洞的不同位置有针对性地进行实时检测,及时发现潜在缺陷,对水工隧洞缺陷统计与结构安全评估具有重要的支撑作用。
Description
技术领域
本发明属于缺陷检测技术领域,具体涉及一种水工隧洞缺陷检测方法。
背景技术
在大型和特大型水电站引水工程中,由于水工隧洞具有直径大、距离长、超埋深和围岩地质复杂等特点,长年运行可能会出现裂缝、塌方、掉块和露筋等隧洞表观缺陷,须对水工隧洞进行定期监测,以准确获取水工隧洞内缺陷分布情况。然而现有水工隧洞缺陷检测技术常采用人工巡查,不能保证检测的及时性和准确性,且人工巡查容易出现安全问题。
发明内容
本发明为了解决以上问题,提出了一种水工隧洞缺陷检测方法。
本发明的技术方案是:一种水工隧洞缺陷检测方法包括以下步骤:
S1、采集水工隧洞进口段的环境参数、洞身段的环境参数和出口段的环境参数,生成对应的第一环境影响指数、第二环境影响指数和第三环境影响指数;
S2、采集水工隧洞进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像,并根据第一环境影响指数、第二环境影响指数和第三环境影响指数分别对进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像进行预处理,生成对应的进口段最新工作图像、洞身段最新工作图像和出口段最新工作图像,得到最新工作图像集合;
S3、提取最新工作图像集合中各个最新工作图像的潜在缺陷轮廓;
S4、根据各个最新工作图像的潜在缺陷轮廓,确定水工隧洞是否存在缺陷。
进一步地,进口段的环境参数包括进口段自然光的光照强度、进口段照明光的光亮度、进口段照明光的光通量和进口段照明光的显色指数;
洞身段的环境参数包括洞身段能见度、洞身段照明光的光亮度、洞身段照明光的光通量和洞身段照明光的显色指数;
出口段的环境参数包括出口段自然光的光照强度、出口段照明光的光亮度、出口段照明光的光通量和出口段照明光的显色指数;
第一环境影响指数d 1的计算公式为:
;
式中,g 1表示进口段自然光的光照强度,g 2表示进口段照明光的光亮度,φ 1表示进口段照明光的光通量,a 1表示进口段照明光的显色指数;
第二环境影响指数d 2的计算公式为:
;
式中,S表示洞身段能见度,g 3表示洞身段照明光的光亮度,φ 2表示洞身段照明光的光通量,a 2表示洞身段照明光的显色指数,c表示任意常数;
第三环境影响指数d 3的计算公式为:
;
式中,g 4表示出口段自然光的光照强度,g 5表示出口段照明光的光亮度,φ 3表示出口段照明光的光通量,a 3表示进口段照明光的显色指数。
进一步地,S2中,对进口段实时工作图像进行预处理的具体方法为:提取进口段实时工作图像中各个像素点的像素亮度,根据第一环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成进口段最新工作图像;
对洞身段实时工作图像进行预处理的具体方法为:提取洞身段实时工作图像中各个像素点的像素亮度,根据第二环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成洞身段最新工作图像;
对出口段实时工作图像进行预处理的具体方法为:提取出口段实时工作图像中各个像素点的像素亮度,根据第三环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成出口段最新工作图像。
进一步地,进口段最新工作图像中第m个像素点的修正像素亮度L m 的计算公式为:
;
式中,d 1表示第一环境影响指数,l m 表示进口段实时工作图像中第m个像素点的像素亮度,M表示进口段实时工作图像的像素点个数;
洞身段最新工作图像中第n个像素点的修正像素亮度P n 的计算公式为:
;
式中,d 2表示第二环境影响指数,p n 表示洞身段实时工作图像中第n个像素点的像素亮度,N表示洞身段实时工作图像的像素点个数;
出口段最新工作图像中第k个像素点的修正像素亮度Q k 的计算公式为:
;
式中,d 3表示第三环境影响指数,q k 表示出口段实时工作图像中第k个像素点的像素亮度,K表示出口段实时工作图像的像素点个数。
进一步地,S3包括以下子步骤:
S31、提取最新工作图像中各个像素点的灰度值,并根据各个像素点的灰度值确定最新工作图像的中心像素点;
S32、提取中心像素点的D邻域像素点集合,计算D邻域像素点集合中各个邻域像素点的梯度变化阈值,将梯度变化阈值大于或等于0.5的邻域像素点作为潜在缺陷像素点集合的子集,并将梯度变化阈值最小的邻域像素点作为最新中心像素点;
S33、重复S32,直至最新中心像素点的各个邻域像素点的梯度变化值均小于0.5,得到最终的潜在缺陷像素点集合;
S34、根据最终的潜在缺陷像素点集合,确定最新工作图像的潜在缺陷轮廓。
进一步地,S31中,确定最新工作图像的中心像素点的具体方法为:根据最新工作图像中各个像素点的灰度值,计算各个像素点的中心灰度值,将中心灰度值最大的像素点作为中心像素点;
其中,最新工作图像中第l个中心灰度值H l 的计算公式为:
;
式中,L表示最新工作图像的像素点个数,h l 表示最新工作图像中第l个像素点的灰度值,log(·)表示对数函数,表示最新工作图像的最小灰度值,/>表示最新工作图像的最大灰度值。
进一步地,S32中,D邻域像素点集合中第i个邻域像素点的梯度变化阈值γ i 的计算公式为:
;
式中,G i 表示D邻域像素点集合中第i个邻域像素点的灰度值,G 0表示中心像素点的灰度值,max(·)表示最大值运算,min(·)表示最小值运算。
进一步地,S34中,确定最新工作图像的潜在缺陷轮廓的具体方法为:将最终的潜在缺陷像素点集合的像素点顺时针连接,生成潜在缺陷轮廓。
进一步地,S4中,确定水工隧洞是否存在缺陷的具体方法为:提取各个最新工作图像的潜在缺陷轮廓的缺陷权重值,若存在缺陷权重值小于设定的缺陷权重阈值,则水工隧洞存在缺陷,否则水工隧洞不存在缺陷。
进一步地,潜在缺陷轮廓的缺陷权重值的确定方法具体为:计算潜在缺陷轮廓中最大灰度值所在像素点与最小灰度值所在像素点之间的欧式距离,作为缺陷权重值。
本发明的有益效果是:
(1)该水工隧洞缺陷检测方法充分考虑水工隧洞不同位置的光照情况,生成对应的环境影响指数,该环境影响指数可以用于指导后期图像预处理,提高图像预处理的清晰度;
(2)该水工隧洞缺陷检测方法对水工隧洞不同位置的工作图像采用不同的预处理方法,保证有针对性地实现图像质量提高,提高后续步骤判断是否存在缺陷的准确率;
(3)该水工隧洞缺陷检测方法通过对工作图像的像素点进行不断遍历,得到符合潜在缺陷像素点集合要求的所有像素点,由此可以根据潜在缺陷像素点精准确定缺陷轮廓;
(4)该水工隧洞缺陷检测方法可以对水工隧洞的不同位置有针对性地进行实时检测,及时发现潜在缺陷,对水工隧洞缺陷统计与结构安全评估具有重要的支撑作用。
附图说明
图1为水工隧洞缺陷检测方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种水工隧洞缺陷检测方法,包括以下步骤:
S1、采集水工隧洞进口段的环境参数、洞身段的环境参数和出口段的环境参数,生成对应的第一环境影响指数、第二环境影响指数和第三环境影响指数;
S2、采集水工隧洞进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像,并根据第一环境影响指数、第二环境影响指数和第三环境影响指数分别对进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像进行预处理,生成对应的进口段最新工作图像、洞身段最新工作图像和出口段最新工作图像,得到最新工作图像集合;
S3、提取最新工作图像集合中各个最新工作图像的潜在缺陷轮廓;
S4、根据各个最新工作图像的潜在缺陷轮廓,确定水工隧洞是否存在缺陷。
在本发明实施例中,进口段的环境参数包括进口段自然光的光照强度、进口段照明光的光亮度、进口段照明光的光通量和进口段照明光的显色指数;
洞身段的环境参数包括洞身段能见度、洞身段照明光的光亮度、洞身段照明光的光通量和洞身段照明光的显色指数;
出口段的环境参数包括出口段自然光的光照强度、出口段照明光的光亮度、出口段照明光的光通量和出口段照明光的显色指数;
第一环境影响指数d 1的计算公式为:
;
式中,g 1表示进口段自然光的光照强度,g 2表示进口段照明光的光亮度,φ 1表示进口段照明光的光通量,a 1表示进口段照明光的显色指数;
第二环境影响指数d 2的计算公式为:
;
式中,S表示洞身段能见度,g 3表示洞身段照明光的光亮度,φ 2表示洞身段照明光的光通量,a 2表示洞身段照明光的显色指数,c表示任意常数;
第三环境影响指数d 3的计算公式为:
;
式中,g 4表示出口段自然光的光照强度,g 5表示出口段照明光的光亮度,φ 3表示出口段照明光的光通量,a 3表示进口段照明光的显色指数。
由于水工隧洞处于山区,因此水工隧洞的进口段和出口段的自然光可能会受到山体和树木等遮挡,导致后期采集实时工作图像的亮度降低;同时,水工隧洞的进口段、洞身段和出口段一般设置有照明装置,方便施工人员施工、巡查以及车辆通过等,照明装置的显色指数可以反映光源对于隧洞自然原色的呈现程度。因此水工隧洞各个位置的照明装置亮度也会影响后期采集实时工作图像的质量。另外,水工隧洞的洞身段一般不存在自然光照射,单纯依靠照明装置提供光源,导致洞身段的能见度明显降低,因此将洞身段的能见度也作为影响实时工作图像采集质量的因素之一。综上,需要对水工隧洞不同位置受自然光和/或照明装置的影响用数值来明确表示,即环境影响指数。
在本发明实施例中,S2中,对进口段实时工作图像进行预处理的具体方法为:提取进口段实时工作图像中各个像素点的像素亮度,根据第一环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成进口段最新工作图像;
对洞身段实时工作图像进行预处理的具体方法为:提取洞身段实时工作图像中各个像素点的像素亮度,根据第二环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成洞身段最新工作图像;
对出口段实时工作图像进行预处理的具体方法为:提取出口段实时工作图像中各个像素点的像素亮度,根据第三环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成出口段最新工作图像。
各个位置的环境影响指数受自然光和/或照明装置的光照强度等因素决定,环境影响指数越大,说明该位置处采集的实时工作图像受光照强度影响越大,故利用环境影响指数对像素点亮度进行修正,保证采集的工作图像质量更贴近于真实情况。
在本发明实施例中,进口段最新工作图像中第m个像素点的修正像素亮度L m 的计算公式为:
;
式中,d 1表示第一环境影响指数,l m 表示进口段实时工作图像中第m个像素点的像素亮度,M表示进口段实时工作图像的像素点个数;
洞身段最新工作图像中第n个像素点的修正像素亮度P n 的计算公式为:
;
式中,d 2表示第二环境影响指数,p n 表示洞身段实时工作图像中第n个像素点的像素亮度,N表示洞身段实时工作图像的像素点个数;
出口段最新工作图像中第k个像素点的修正像素亮度Q k 的计算公式为:
;
式中,d 3表示第三环境影响指数,q k 表示出口段实时工作图像中第k个像素点的像素亮度,K表示出口段实时工作图像的像素点个数。
在本发明实施例中,S3包括以下子步骤:
S31、提取最新工作图像中各个像素点的灰度值,并根据各个像素点的灰度值确定最新工作图像的中心像素点;
S32、提取中心像素点的D邻域像素点集合,计算D邻域像素点集合中各个邻域像素点的梯度变化阈值,将梯度变化阈值大于或等于0.5的邻域像素点作为潜在缺陷像素点集合的子集,并将梯度变化阈值最小的邻域像素点作为最新中心像素点;
S33、重复S32,直至最新中心像素点的各个邻域像素点的梯度变化值均小于0.5,得到最终的潜在缺陷像素点集合;
S34、根据最终的潜在缺陷像素点集合,确定最新工作图像的潜在缺陷轮廓。
经预处理后的进口段最新工作图像、洞身段最新工作图像和出口段最新工作图像的图像质量高,均可以反映水工隧洞各位置的真实情况,因此可以直接提取各个最新工作图像的潜在缺陷轮廓。将中心灰度值最大的像素点作为中心像素点,由该像素点开始遍历最新工作图像。中心像素点的D邻域可以反映中心像素点与周围像素点的邻接关系,中心像素点与邻接像素点的梯度变化阈值若大于或等于0.5,则表示该邻接像素点可能存在像素变化较大的可能,故将其潜在缺陷像素点集合的子集,并将梯度变化阈值最小的邻接像素点作为下一个中心像素点,进行同样的大小比较,由此遍历最新工作图像,直至不再出现梯度变化阈值若大于或等于0.5的邻接像素点,确定潜在缺陷像素点集合的所有子集。
在本发明实施例中,S31中,确定最新工作图像的中心像素点的具体方法为:根据最新工作图像中各个像素点的灰度值,计算各个像素点的中心灰度值,将中心灰度值最大的像素点作为中心像素点;
其中,最新工作图像中第l个中心灰度值H l 的计算公式为:
;
式中,L表示最新工作图像的像素点个数,h l 表示最新工作图像中第l个像素点的灰度值,log(·)表示对数函数,表示最新工作图像的最小灰度值,/>表示最新工作图像的最大灰度值。
在本发明实施例中,S32中,D邻域像素点集合中第i个邻域像素点的梯度变化阈值γ i 的计算公式为:
;
式中,G i 表示D邻域像素点集合中第i个邻域像素点的灰度值,G 0表示中心像素点的灰度值,max(·)表示最大值运算,min(·)表示最小值运算。i=1,2,3,4。D邻域:将当前像素为中心位置,其中左上、右上、左下、右下的四个对角上的像素就是当前像素的D邻域。
在本发明实施例中,S34中,确定最新工作图像的潜在缺陷轮廓的具体方法为:将最终的潜在缺陷像素点集合的像素点顺时针连接,生成潜在缺陷轮廓。
在本发明实施例中,S4中,确定水工隧洞是否存在缺陷的具体方法为:提取各个最新工作图像的潜在缺陷轮廓的缺陷权重值,若存在缺陷权重值小于设定的缺陷权重阈值,则水工隧洞存在缺陷,否则水工隧洞不存在缺陷。
缺陷权重阈值可以根据实际情况人为确定,也可以将所有潜在缺点轮廓形成的距离的均值作为缺陷权重阈值。
在本发明实施例中,潜在缺陷轮廓的缺陷权重值的确定方法具体为:计算潜在缺陷轮廓中最大灰度值所在像素点与最小灰度值所在像素点之间的欧式距离,作为缺陷权重值。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种水工隧洞缺陷检测方法,其特征在于,包括以下步骤:
S1、采集水工隧洞进口段的环境参数、洞身段的环境参数和出口段的环境参数,生成对应的第一环境影响指数、第二环境影响指数和第三环境影响指数;
S2、采集水工隧洞进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像,并根据第一环境影响指数、第二环境影响指数和第三环境影响指数分别对进口段实时工作图像、洞身段实时工作图像和出口段实时工作图像进行预处理,生成对应的进口段最新工作图像、洞身段最新工作图像和出口段最新工作图像,得到最新工作图像集合;
S3、提取最新工作图像集合中各个最新工作图像的潜在缺陷轮廓;
S4、根据各个最新工作图像的潜在缺陷轮廓,确定水工隧洞是否存在缺陷;
所述进口段的环境参数包括进口段自然光的光照强度、进口段照明光的光亮度、进口段照明光的光通量和进口段照明光的显色指数;
所述洞身段的环境参数包括洞身段能见度、洞身段照明光的光亮度、洞身段照明光的光通量和洞身段照明光的显色指数;
所述出口段的环境参数包括出口段自然光的光照强度、出口段照明光的光亮度、出口段照明光的光通量和出口段照明光的显色指数;
所述第一环境影响指数d1的计算公式为:
;
式中,g1表示进口段自然光的光照强度,g2表示进口段照明光的光亮度,φ1表示进口段照明光的光通量,a1表示进口段照明光的显色指数;
所述第二环境影响指数d2的计算公式为:
;
式中,S表示洞身段能见度,g3表示洞身段照明光的光亮度,φ2表示洞身段照明光的光通量,a2表示洞身段照明光的显色指数,c表示任意常数;
所述第三环境影响指数d3的计算公式为:
;
式中,g4表示出口段自然光的光照强度,g5表示出口段照明光的光亮度,φ3表示出口段照明光的光通量,a3表示进口段照明光的显色指数;
所述S3包括以下子步骤:
S31、提取最新工作图像中各个像素点的灰度值,并根据各个像素点的灰度值确定最新工作图像的中心像素点;
S32、提取中心像素点的D邻域像素点集合,计算D邻域像素点集合中各个邻域像素点的梯度变化阈值,将梯度变化阈值大于或等于0.5的邻域像素点作为潜在缺陷像素点集合的子集,并将梯度变化阈值最小的邻域像素点作为最新中心像素点;
S33、重复S32,直至最新中心像素点的各个邻域像素点的梯度变化值均小于0.5,得到最终的潜在缺陷像素点集合;
S34、根据最终的潜在缺陷像素点集合,确定最新工作图像的潜在缺陷轮廓;
所述S31中,确定最新工作图像的中心像素点的具体方法为:根据最新工作图像中各个像素点的灰度值,计算各个像素点的中心灰度值,将中心灰度值最大的像素点作为中心像素点;
其中,最新工作图像中第l个中心灰度值Hl的计算公式为:
;
式中,L表示最新工作图像的像素点个数,hl表示最新工作图像中第l个像素点的灰度值,log(·)表示对数函数,表示最新工作图像的最小灰度值,/>表示最新工作图像的最大灰度值;
所述S32中,D邻域像素点集合中第i个邻域像素点的梯度变化阈值γi的计算公式为:
;
式中,Gi表示D邻域像素点集合中第i个邻域像素点的灰度值,G0表示中心像素点的灰度值,max(·)表示最大值运算,min(·)表示最小值运算;
所述S34中,确定最新工作图像的潜在缺陷轮廓的具体方法为:将最终的潜在缺陷像素点集合的像素点顺时针连接,生成潜在缺陷轮廓。
2.根据权利要求1所述的水工隧洞缺陷检测方法,其特征在于,所述S2中,对进口段实时工作图像进行预处理的具体方法为:提取进口段实时工作图像中各个像素点的像素亮度,根据第一环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成进口段最新工作图像;
对洞身段实时工作图像进行预处理的具体方法为:提取洞身段实时工作图像中各个像素点的像素亮度,根据第二环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成洞身段最新工作图像;
对出口段实时工作图像进行预处理的具体方法为:提取出口段实时工作图像中各个像素点的像素亮度,根据第三环境影响指数对各个像素点的像素亮度进行修正,得到各个像素点的修正像素亮度,生成出口段最新工作图像。
3.根据权利要求2所述的水工隧洞缺陷检测方法,其特征在于,所述进口段最新工作图像中第m个像素点的修正像素亮度Lm的计算公式为:
;
式中,d1表示第一环境影响指数,lm表示进口段实时工作图像中第m个像素点的像素亮度,M表示进口段实时工作图像的像素点个数;
所述洞身段最新工作图像中第n个像素点的修正像素亮度Pn的计算公式为:
;
式中,d2表示第二环境影响指数,pn表示洞身段实时工作图像中第n个像素点的像素亮度,N表示洞身段实时工作图像的像素点个数;
所述出口段最新工作图像中第k个像素点的修正像素亮度Qk的计算公式为:
;
式中,d3表示第三环境影响指数,qk表示出口段实时工作图像中第k个像素点的像素亮度,K表示出口段实时工作图像的像素点个数。
4.根据权利要求1所述的水工隧洞缺陷检测方法,其特征在于,所述S4中,确定水工隧洞是否存在缺陷的具体方法为:提取各个最新工作图像的潜在缺陷轮廓的缺陷权重值,若存在缺陷权重值小于设定的缺陷权重阈值,则水工隧洞存在缺陷,否则水工隧洞不存在缺陷。
5.根据权利要求4所述的水工隧洞缺陷检测方法,其特征在于,所述潜在缺陷轮廓的缺陷权重值的确定方法具体为:计算潜在缺陷轮廓中最大灰度值所在像素点与最小灰度值所在像素点之间的欧式距离,作为缺陷权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311681090.0A CN117392126B (zh) | 2023-12-08 | 2023-12-08 | 一种水工隧洞缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311681090.0A CN117392126B (zh) | 2023-12-08 | 2023-12-08 | 一种水工隧洞缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392126A CN117392126A (zh) | 2024-01-12 |
CN117392126B true CN117392126B (zh) | 2024-03-15 |
Family
ID=89463402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311681090.0A Active CN117392126B (zh) | 2023-12-08 | 2023-12-08 | 一种水工隧洞缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392126B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154040A (zh) * | 2017-05-08 | 2017-09-12 | 重庆邮电大学 | 一种隧道衬砌表面图像裂缝检测方法 |
CN107463934A (zh) * | 2017-08-08 | 2017-12-12 | 浙江国自机器人技术有限公司 | 一种隧道裂缝检测方法及装置 |
CN109767426A (zh) * | 2018-12-13 | 2019-05-17 | 同济大学 | 一种基于图像特征识别的盾构隧道渗漏水检测方法 |
CN110378950A (zh) * | 2019-06-18 | 2019-10-25 | 上海同岩土木工程科技股份有限公司 | 一种基于灰度和梯度融合的隧道结构裂缝识别方法 |
CN111507971A (zh) * | 2020-04-20 | 2020-08-07 | 南京航空航天大学 | 一种隧道表面缺陷检测方法 |
WO2020248345A1 (zh) * | 2019-06-14 | 2020-12-17 | 浙江大学 | 一种基于分治思想的疵病宽度实时溯源方法 |
CN116071437A (zh) * | 2023-02-27 | 2023-05-05 | 国能大渡河流域水电开发有限公司 | 水工隧洞表观缺陷空间标定方法 |
CN116739986A (zh) * | 2023-05-11 | 2023-09-12 | 哈尔滨工程大学 | Auv在输水隧洞内对典型缺陷检测的光学声学组合方法 |
-
2023
- 2023-12-08 CN CN202311681090.0A patent/CN117392126B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154040A (zh) * | 2017-05-08 | 2017-09-12 | 重庆邮电大学 | 一种隧道衬砌表面图像裂缝检测方法 |
CN107463934A (zh) * | 2017-08-08 | 2017-12-12 | 浙江国自机器人技术有限公司 | 一种隧道裂缝检测方法及装置 |
CN109767426A (zh) * | 2018-12-13 | 2019-05-17 | 同济大学 | 一种基于图像特征识别的盾构隧道渗漏水检测方法 |
WO2020248345A1 (zh) * | 2019-06-14 | 2020-12-17 | 浙江大学 | 一种基于分治思想的疵病宽度实时溯源方法 |
CN110378950A (zh) * | 2019-06-18 | 2019-10-25 | 上海同岩土木工程科技股份有限公司 | 一种基于灰度和梯度融合的隧道结构裂缝识别方法 |
CN111507971A (zh) * | 2020-04-20 | 2020-08-07 | 南京航空航天大学 | 一种隧道表面缺陷检测方法 |
CN116071437A (zh) * | 2023-02-27 | 2023-05-05 | 国能大渡河流域水电开发有限公司 | 水工隧洞表观缺陷空间标定方法 |
CN116739986A (zh) * | 2023-05-11 | 2023-09-12 | 哈尔滨工程大学 | Auv在输水隧洞内对典型缺陷检测的光学声学组合方法 |
Non-Patent Citations (3)
Title |
---|
Study on the mechanism and rapid treatment method of leakage disease at the junction between the shaft and shield tunnel;Libin Wang等;Engineering Failure Analysis;20230920;第154卷;1-19 * |
基于多模态特征融合的隧道渗水异常检测方法;朱厚喜等;计算机应用;20231012;第43卷(第S2期);276-284 * |
基于机器视觉的隧道表观病害监测技术研究;郭鸿雁等;地下空间与工程学报;20231015;第19卷(第05期);1633-1645 * |
Also Published As
Publication number | Publication date |
---|---|
CN117392126A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543878B (zh) | 一种基于神经网络的指针仪表读数识别方法 | |
CN113469177B (zh) | 基于深度学习的排水管道缺陷检测方法及系统 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN115439481B (zh) | 基于图像处理的除氧器焊接质量检测方法 | |
CN111598856B (zh) | 基于缺陷导向多点定位神经网络的芯片表面缺陷自动检测方法及系统 | |
CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
CN108960237B (zh) | 一种指针式油位计读数识别方法 | |
CN109872309B (zh) | 检测系统、方法、装置及计算机可读存储介质 | |
CN103456021B (zh) | 一种基于形态学分析的布匹瑕疵检测方法 | |
CN107967681B (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
CN111104860A (zh) | 一种基于机器视觉的无人机水质色度监测方法 | |
CN111079734B (zh) | 铁路货车三角孔异物检测方法 | |
CN105046697A (zh) | 一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法 | |
CN111401358B (zh) | 一种基于神经网络的仪表表盘校正方法 | |
CN114581764B (zh) | 基于深度学习算法的地下结构裂纹病害判别方法 | |
CN108596909A (zh) | 空心圆柱工件表面缺陷检测系统及方法 | |
CN114708325A (zh) | 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法 | |
CN117392126B (zh) | 一种水工隧洞缺陷检测方法 | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法 | |
CN111210405A (zh) | 一种基于红外成像的挥发性有机物泄露检测方法 | |
CN117173661B (zh) | 基于计算机视觉的沥青道路质量检测方法 | |
CN113435442A (zh) | 水位测量方法、装置、水尺及电子设备 | |
CN112288680B (zh) | 汽车轮毂x射线图像的缺陷区域自动提取方法及系统 | |
CN115797411B (zh) | 一种利用机器视觉在线识别水电站电缆桥架形变的方法 |
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 |