CN118015384A - 一种墩柱混凝土病害自动识别方法及系统 - Google Patents
一种墩柱混凝土病害自动识别方法及系统 Download PDFInfo
- Publication number
- CN118015384A CN118015384A CN202410411922.5A CN202410411922A CN118015384A CN 118015384 A CN118015384 A CN 118015384A CN 202410411922 A CN202410411922 A CN 202410411922A CN 118015384 A CN118015384 A CN 118015384A
- Authority
- CN
- China
- Prior art keywords
- disease
- central control
- control module
- pier column
- column concrete
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 360
- 201000010099 disease Diseases 0.000 title claims abstract description 357
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 22
- 208000035874 Excoriation Diseases 0.000 claims description 18
- 238000005299 abrasion Methods 0.000 claims description 18
- 230000007797 corrosion Effects 0.000 claims description 18
- 238000005260 corrosion Methods 0.000 claims description 18
- 238000005336 cracking Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 9
- 239000000523 sample Substances 0.000 description 28
- 238000012423 maintenance Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Bridges Or Land Bridges (AREA)
Abstract
本发明涉及混凝土病害识别技术领域,公开了一种墩柱混凝土病害自动识别方法及系统,该系统包括:采集模块用于采集若干墩柱混凝土病害信息。存储模块用于提取墩柱混凝土病害的特征信息,并根据特征信息建立若干墩柱混凝土病害的特征样本。图像采集装置用于获取待识别的墩柱混凝土图像信息。中控模块用于提取墩柱混凝土图像特征,并根据特征与病害样本关系确定病害信息,再根据与预设病害信息关系确定病害等级。告警模块用于将待识别的墩柱混凝土的病害和病害的等级发送告警信息。本发明通过各模块的协同运行,从而实现了墩柱混凝土病害的快速识别。
Description
技术领域
本发明涉及混凝土病害识别技术领域,具体而言,涉及一种墩柱混凝土病害自动识别方法及系统。
背景技术
墩柱主要用于承载上部结构物的重量,在桥梁、立交桥、匝道桥、天桥等工程中起着至关重要的作用;墩柱的截面通常为圆形,也可以设计为矩形、椭圆形、曲线形、抛物线形等异形结构。
导致墩柱病害产生的原因有很多,例如前期设计、施工的缺陷,桥梁服役年限的增加都会引起墩柱耐久性降低,而桥梁在后期使用过程中经受频繁的超载,也会引发墩柱病害;而现有的墩柱病害识别通常采用专用设备对墩柱表面进行图像采样,如采用墩柱攀爬机器人携带摄像头,需要人工将墩柱攀爬机器人固定在每个墩柱上,此种采样的方式效率低,会极大的浪费人力物力。
因此,急需发明一种可以快速识别出墩柱混凝土病害的技术,用于解决当前技术中,在检测墩柱混凝土病害时检测成本较高,检测时间较长,检测效率较低的问题。
发明内容
鉴于此,本发明提出了一种墩柱混凝土病害自动识别方法及系统,旨在解决当前技术中在检测墩柱混凝土病害时检测成本较高,检测时间较长,检测效率较低的问题。
本发明提出了一种墩柱混凝土病害自动识别系统,包括:
采集模块,与数据库电连接,所述采集模块用于采集若干墩柱混凝土病害信息,所述病害信息包括开裂、腐蚀和磨损;
存储模块,与所述采集模块电连接,所述存储模块用于提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本;
图像采集装置,用于获取待识别的所述墩柱混凝土图像信息;
中控模块,分别与所述存储模块和图像采集装置电连接,所述中控模块用于提取待识别的所述墩柱混凝土图像信息中的图像特征,所述中控模块还用于根据所述图像特征与若干所述墩柱混凝土病害的特征样本之间的关系,确定待识别的所述墩柱混凝土的病害信息,所述中控模块还用于获取所述墩柱混凝土的病害面积以及病害面积颜色,并根据所述墩柱混凝土的病害面积与预设病害面积之间的关系确定所述病害的等级,所述中控模块还用于根据所述病害面积颜色与预设的病害面积颜色之间的关系对所述病害的等级进行调整;
告警模块,与所述中控模块电连接,所述告警模块用于将待识别的所述墩柱混凝土的病害和病害的等级发送告警信息。
进一步的,所述存储模块用于提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本时,包括:
所述存储模块还用于获取所述开裂、腐蚀和磨损的病害图像,并进行灰度值处理;
所述存储模块还用于根据灰度值处理后的所述开裂的病害图像的颜色差异作为第一病害样本;
所述存储模块还用于根据灰度值处理后的所述腐蚀的病害图像的颜色差异作为第二病害样本;
所述存储模块还用于根据灰度值处理后的所述磨损的病害图像的颜色差异作为第三病害样本。
进一步的,所述中控模块还用于将待识别的所述墩柱混凝土图像进行灰度值处理;
所述中控模块还用于将灰度值处理后的所述墩柱混凝土图像均分为若干图像单元,并提取若干所述图像单元的纹理特征;
所述中控模块还用于根据若干所述图像单元的纹理特征确定待识别的墩柱混凝土是否发生病害,其中:
若若干所述图像单元的纹理特征相一致时,所述中控模块则判断待识别的墩柱混凝土未发生病害;
若若干所述图像单元的纹理特征不一致时,所述中控模块则判断待识别的墩柱混凝土发生病害,并提取纹理特征不一致的所述图像单元的纹理特征作为第一特征。
进一步的,所述中控模块在判断待识别的墩柱混凝土发生病害,并提取纹理特征不一致的所述图像单元的纹理特征作为第一特征时,包括:
所述中控模块还用于获取所述第一特征的颜色差异;
所述中控模块还用于根据所述第一特征的颜色差异与第一病害样本、第二病害样本和第三病害样本的颜色差异之间进行比对,并根据比对结果确定待识别的所述墩柱混凝土发生病害类型,其中:
当所述第一特征的颜色差异与所述第一病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为开裂;
当所述第一特征的颜色差异与所述第二病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为腐蚀;
当所述第一特征的颜色差值与所述第三病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为磨损。
进一步的,所述中控模块还用于获取所述墩柱混凝土的病害面积以及病害面积颜色,并根据所述墩柱混凝土的病害面积与预设病害面积之间的关系确定所述病害的等级时,包括:
所述中控模块还用于获取所述第一特征的病害面积,并根据所述第一特征的病害面积与预设的面积之间的关系,确定所述病害的危害程度:
当所述第一特征的病害面积小于或等于所述预设的面积时,所述中控模块则确定所述病害的危害程度轻,并确定所述病害的等级为零;
当所述第一特征的病害面积大于所述预设的面积时,所述中控模块则确定所述病害的危害程度重,并根据所述第一特征的病害面积与预设的面积之间的关系确定所述病害的等级。
进一步的,所述中控模块在确定所述病害的危害程度重,并根据所述第一特征的病害面积与预设的面积之间的关系,确定所述病害的等级时,包括:
所述中控模块还用于获取所述第一特征的病害面积与预设的面积之间的面积差值L,设定L=l-l0,其中,l为所述第一特征的病害面积,l0为所述预设的面积;
所述中控模块还用于根据所述面积差值L与预设的面积差值之间进行比对,并根据比对结果确定所述病害的等级;
其中,所述中控模块还用于预先设定第一预设面积差值L1和第二预设面积差值L2,且L1<L2;
当L≤L1时,所述中控模块则确定所述病害的等级为第一等级;
当L1<L≤L2时,所述中控模块则确定所述病害的等级为第二等级:
当L>L2时,所述中控模块则确定所述病害的等级为第三等级:
且,第一等级<第二等级<第三等级。
进一步的,所述中控模块还用于根据所述病害面积颜色与预设的病害面积颜色之间的关系对所述病害的等级进行调整时,还包括:
所述中控模块还用于获取所述第一特征的颜色差异中各颜色黑度,并获取颜色黑度黑于其各颜色黑度的颜色,并设定为第二特征;
所述中控模块还用于获取所述第二特征的黑度值,并根据所述第二特征的黑度值与预设的黑度值之间的关系,判断是否对所述病害的等级进行调整:
当所述第二特征的黑度值低于所述预设的黑度值时,所述中控模块则判断不需要对所述病害的等级进行调整;
当所述第二特征的黑度值高于或等于所述预设的黑度值时,所述中控模块则根据所述第二特征的黑度值与所述预设的黑度值之间的关系,对所述病害的等级进行调整。
进一步的,所述中控模块在根据所述第二特征的黑度值与所述预设的黑度值之间的关系,对所述病害的等级进行调整时,包括:
所述中控模块还用于获取所述第二特征的黑度值与所述预设的黑度值之间黑度值差值K,设定K=k1-k0,其中,k1为所述第二特征的黑度值,k0为所述预设的黑度值;
所述中控模块还用于根据所述黑度值差值K与预设的黑度值差值之间进行比对,并根据比对结果调整所述病害的等级;
其中,所述中控模块还用于预先设定第一预设黑度值差值K1和第二预设黑度值差值K2,且K1<K2;
当K≤K1时,所述中控模块则将所述病害的等级增加一级,其中,若所述病害的等级为第三等级则不进行调整;
当K1<K≤K2时,所述中控模块则将所述病害的等级增加两级,其中,所述病害的等级为第三等级则不进行调整;
当K>K2时,所述中控模块则将所述病害的等级增加三级,其中,所述病害的等级为第二等级则不进行调整。
与现有技术相比,本发明的有益效果在于:采集模块通过与数据库连接,实现了对墩柱混凝土病害信息的实时采集,其中包括了开裂、腐蚀和磨损等关键信息。为后续的分析和识别提供充足的信息基础。其次,存储模块与采集模块相连,负责提取病害信息的特征,并根据这些特征构建起墩柱混凝土病害的特征样本库。这个库是系统的核心部分,通过存储大量的特征样本,为后续的图像识别和分类提供了可靠的参考依据,然后,图像采集装置用于获取待识别墩柱混凝土的图像信息,而中控模块则通过与存储模块和图像采集装置的连接,实现了对图像信息的智能处理和分析。中控模块首先提取图像中的特征,然后通过与特征样本库的比对,确定待识别墩柱混凝土的病害信息,并根据预设的病害等级关系,准确确定病害的等级。最后,通过告警模块负责将识别出的墩柱混凝土病害信息和等级发送为警报信息,使得相关管理人员能够及时采取必要的维修和处理措施,以确保混凝土结构的安全性和稳定性。
另一方面,本申请还提供了一种墩柱混凝土病害自动识别方法,包括:
采集若干墩柱混凝土病害信息,所述病害信息包括开裂、腐蚀和磨损;
提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本;
获取待识别的所述墩柱混凝土图像信息;
提取待识别的所述墩柱混凝土图像信息中的图像特征,并根据所述图像特征与若干所述墩柱混凝土病害的特征样本之间的关系,确定待识别的所述墩柱混凝土的病害信息;
根据待识别的所述墩柱混凝土的病害信息与预设的病害信息之间的关系,确定所述病害的等级;
设置告警模块,将待识别的所述墩柱混凝土的病害和病害的等级建立告警信息,并经所述告警模块进行发送。
可以理解的是,本发明实施例的一种墩柱混凝土病害自动识别方法及系统具备相同的有益效果,不再赘述。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的一种墩柱混凝土病害自动识别系统的结构框图;
图2为本发明实施例提供的一种墩柱混凝土病害自动识别方法的流程框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整地传达给本领域的技术人员。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示,在本申请的一些实施例中,本实施例提供了一种墩柱混凝土病害自动识别系统,包括:采集模块、存储模块、图像采集装置、中控模块和告警模块。采集模块与数据库电连接,所述采集模块用于采集若干墩柱混凝土病害信息,所述病害信息包括开裂、腐蚀和磨损;存储模块与所述采集模块电连接,所述存储模块用于提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本;图像采集装置用于获取待识别的所述墩柱混凝土图像信息;中控模块分别与所述存储模块和图像采集装置电连接,所述中控模块用于提取待识别的所述墩柱混凝土图像信息中的图像特征,所述中控模块还用于根据所述图像特征与若干所述墩柱混凝土病害的特征样本之间的关系,确定待识别的所述墩柱混凝土的病害信息,所述中控模块还用于获取所述墩柱混凝土的病害面积以及病害面积颜色,并根据所述墩柱混凝土的病害面积与预设病害面积之间的关系确定所述病害的等级,所述中控模块还用于根据所述病害面积颜色与预设的病害面积颜色之间的关系对所述病害的等级进行调整;告警模块与所述中控模块电连接,所述告警模块用于将待识别的所述墩柱混凝土的病害和病害的等级发送告警信息。
可以看出的是,首先采集模块负责在数据库中收集墩柱混凝土的病害信息,其中包括开裂、腐蚀和磨损等。这些信息随后传输至存储模块,后者提取并存储墩柱混凝土病害的特征信息,并依据这些信息建立相应的特征样本库。接着,图像采集装置获取待识别墩柱混凝土的图像信息,而中控模块则通过与存储模块和图像采集装置的连接,实现了对图像信息的智能处理和分析。中控模块首先提取图像中的特征,然后与特征样本库进行比对,从而确定待识别墩柱混凝土的病害信息,并据此确定病害的等级。最后,告警模块将识别出的墩柱混凝土病害信息和等级发送为告警信息,以实现及时预警和必要的维修措施。整个系统的技术原理在于结合了信息采集、存储、图像处理和智能识别技术,实现了对墩柱混凝土病害的全面监测、准确识别和及时处理,为混凝土结构的安全性和可靠性提供了重要保障。
可以理解的是,通过采集模块和存储模块的配合,能够及时、全面地获取墩柱混凝土的各种病害信息,包括开裂、腐蚀和磨损等。这样的信息采集机制使得管理人员能够对墩柱混凝土的健康状况有清晰的了解,为后续的识别和处理提供了重要的数据支持。其次,通过利用图像采集装置能够获取待识别墩柱混凝土的图像信息,通过中控模块的智能处理和分析,能够准确地识别出病害信息,并确定病害的等级。这种智能识别的能力大大提高了病害识别的效率和准确性,有助于及时发现潜在的安全隐患,为维护墩柱混凝土结构的安全性提供了重要保障。最后,通过配备了告警模块,能够将识别出的墩柱混凝土病害信息和等级发送为告警信息,使得相关管理人员能够及时采取必要的维修和处理措施。这种及时的预警机制能够有效地减少病害造成的损失,保障混凝土结构的长期稳定性和安全性。
优选的是,图像采集装置为摄像机、摄像探头等图像录制或拍摄设备的一种或多种。
在本申请的一些实施例中,所述存储模块用于提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本时,包括:所述存储模块还用于获取所述开裂、腐蚀和磨损的病害图像,并进行灰度值处理。所述存储模块还用于根据灰度值处理后的所述开裂的病害图像的颜色差异作为第一病害样本。所述存储模块还用于根据灰度值处理后的所述腐蚀的病害图像的颜色差异作为第二病害样本。所述存储模块还用于根据灰度值处理后的所述磨损的病害图像的颜色差异作为第三病害样本。
在本申请的一些实施例中,所述中控模块还用于将待识别的所述墩柱混凝土图像进行灰度值处理。
所述中控模块还用于将灰度值处理后的所述墩柱混凝土图像均分为若干图像单元,并提取若干所述图像单元的纹理特征。所述中控模块还用于根据若干所述图像单元的纹理特征确定待识别的墩柱混凝土是否发生病害,其中:若若干所述图像单元的纹理特征相一致时,所述中控模块则判断待识别的墩柱混凝土未发生病害。若若干所述图像单元的纹理特征不一致时,所述中控模块则判断待识别的墩柱混凝土发生病害,并提取纹理特征不一致的所述图像单元的纹理特征作为第一特征。
可以看出的是,首先,中控模块对灰度值处理后的墩柱混凝土图像进行细分,将其均分为若干图像单元,并提取每个图像单元的纹理特征。然后,中控模块根据这些图像单元的纹理特征来判断墩柱混凝土是否发生病害。如果多个图像单元的纹理特征相一致,中控模块则判断该墩柱混凝土未发生病害;相反,如果多个图像单元的纹理特征不一致,中控模块则判断该墩柱混凝土发生病害,并提取纹理特征不一致的图像单元的纹理特征作为第一特征。
可以理解的是,通过将墩柱混凝土图像均分为若干图像单元并提取纹理特征,中控模块能够更全面地分析混凝土表面的状况,从而更精准地判断是否发生病害。这种细分和特征提取的方式能够综合考量墩柱混凝土不同部位的特征,避免了因整体图像处理而忽略局部细节的情况,提高了识别的准确性。其次,利用多个图像单元的纹理特征是否一致来判断病害情况,中控模块可以在一定程度上减少误判的可能性。当多个图像单元的纹理特征相一致时,中控模块能够判断墩柱混凝土未发生病害,从而减少了误报率。相反,当多个图像单元的纹理特征不一致时,中控模块则能够更准确地识别出病害的存在,提高了识别的可靠性。最后,通过提取出纹理特征不一致的图像单元的纹理特征作为第一特征,中控模块为后续的进一步分析和处理提供了重要的参考。这种针对性的特征提取能够帮助相关人员更快速地定位并处理墩柱混凝土的病害,提高了处理的效率和及时性。
在本申请的一些实施例中,所述中控模块在判断待识别的墩柱混凝土发生病害,并提取纹理特征不一致的所述图像单元的纹理特征作为第一特征时,包括:所述中控模块还用于获取所述第一特征的颜色差异。所述中控模块还用于根据所述第一特征的颜色差异与第一病害样本、第二病害样本和第三病害样本的颜色差异之间进行比对,并根据比对结果确定待识别的所述墩柱混凝土发生病害类型,其中:当所述第一特征的颜色差异与所述第一病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为开裂。当所述第一特征的颜色差异与所述第二病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为腐蚀。当所述第一特征的颜色差值与所述第三病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为磨损。
可以看出的是,首先当中控模块确定墩柱混凝土发生病害并提取出纹理特征不一致的图像单元作为第一特征时,它还会获取这些图像单元的颜色差异。接着,中控模块将所提取的第一特征的颜色差异与预先建立的病害样本库中的颜色差异进行比对。通过比对结果,中控模块能够准确判定待识别的墩柱混凝土发生的具体病害类型。
具体来说,当第一特征的颜色差异与病害样本库中某个病害样本的颜色差异相一致时,中控模块会将待识别的墩柱混凝土病害确定为对应的病害类型,例如开裂、腐蚀或磨损。这种基于颜色差异的比对方式使得中控模块能够更加精准地识别出墩柱混凝土的具体病害类型,提高了识别的准确性和可靠性。
可以理解的是,首先,通过提取纹理特征和颜色差异,中控模块在判断墩柱混凝土是否发生病害时,考虑了多方面的特征,使识别过程更为全面和准确。这种综合考量能够有效地避免了因单一特征造成的误判,提高了识别的准确性。其次,利用颜色差异对待识别的病害类型进行判定,中控模块可以更精准地识别出墩柱混凝土所发生的具体病害类型,如开裂、腐蚀或磨损。这种区分不同类型病害的能力对于后续的维修和处理工作具有重要意义,有助于制定针对性的修复方案,提高了维修效率和质量。最后,通过对纹理特征和颜色差异的分析,系统可以在短时间内完成对墩柱混凝土病害的自动识别,避免了人工识别的耗时和不确定性,提高了识别的实用性和实际应用价值。
在本申请的一些实施例中,所述中控模块根据待识别的所述墩柱混凝土的病害信息与预设的病害信息之间的关系,确定所述病害的等级时,包括:所述中控模块还用于获取所述第一特征的病害面积,并根据所述第一特征的病害面积与预设的面积之间的关系,确定所述病害的危害程度:当所述第一特征的病害面积小于或等于所述预设的面积时,所述中控模块则确定所述病害的危害程度轻,并确定所述病害的等级为零。当所述第一特征的病害面积大于所述预设的面积时,所述中控模块则确定所述病害的危害程度重,并根据所述第一特征的病害面积与预设的面积之间的关系确定所述病害的等级。
在本申请的一些实施例中,所述中控模块在确定所述病害的危害程度重,并根据所述第一特征的病害面积与预设的面积之间的关系,确定所述病害的等级时,包括:所述中控模块还用于获取所述第一特征的病害面积与预设的面积之间的面积差值L,设定L=l-l0,其中,l为所述第一特征的病害面积,l0为所述预设的面积。所述中控模块还用于根据所述面积差值L与预设的面积差值之间进行比对,并根据比对结果确定所述病害的等级。其中:所述中控模块还用于预先设定第一预设面积差值L1和第二预设面积差值L2,且L1<L2。当L≤L1时,所述中控模块则确定所述病害的等级为第一等级。当L1<L≤L2时,所述中控模块则确定所述病害的等级为第二等级。当L>L2时,所述中控模块则确定所述病害的等级为第三等级。且,第一等级<第二等级<第三等级。
可以看出的是,中控模块根据待识别墩柱混凝土的病害信息与预设的病害信息之间的关系,确定病害的类型。然后,在确定了病害类型后,中控模块进一步获取病害的面积,并将其与预设的面积进行比较,从而确定病害的危害程度和等级。
具体来说,当病害的面积小于或等于预设的面积时,中控模块判定病害的危害程度较轻,将其等级确定为零。而当病害的面积大于预设的面积时,中控模块判定病害的危害程度较重,将根据面积差值与预设的面积差值之间的比较来确定病害的具体等级。进一步地,中控模块会设定两个预设面积差值,分别为第一预设面积差值和第二预设面积差值,并按照预设的顺序将病害分为三个等级。当面积差值小于等于第一预设面积差值时,病害被归类为第一等级;当面积差值介于第一预设面积差值和第二预设面积差值之间时,病害被归类为第二等级;而当面积差值大于第二预设面积差值时,则被归类为第三等级。
可以理解的是,通过考虑病害的面积和预设的面积之间的关系,能够更准确地评估病害的危害程度和等级。这种方法使得系统能够更精确地识别出墩柱混凝土的病害情况,并且能够根据不同等级的病害情况采取相应的维修措施,有助于提高混凝土结构的安全性和耐久性。
在本申请的一些实施例中,所述中控模块在确定所述病害的等级时,还包括:所述中控模块还用于获取所述第一特征的颜色差异中各颜色黑度,并获取颜色黑度黑于其各颜色黑度的颜色,并设定为第二特征。所述中控模块还用于获取所述第二特征的黑度值,并根据所述第二特征的黑度值与预设的黑度值之间的关系,判断是否对所述病害的等级进行调整:当所述第二特征的黑度值低于所述预设的黑度值时,所述中控模块则判断不需要对所述病害的等级进行调整。当所述第二特征的黑度值高于或等于所述预设的黑度值时,所述中控模块则根据所述第二特征的黑度值与所述预设的黑度值之间的关系,对所述病害的等级进行调整。
在本申请的一些实施例中,所述中控模块在根据所述第二特征的黑度值与所述预设的黑度值之间的关系,对所述病害的等级进行调整时,包括:所述中控模块还用于获取所述第二特征的黑度值与所述预设的黑度值之间黑度值差值K,设定K=k1-k0,其中,k1为所述第二特征的黑度值,k0为所述预设的黑度值。所述中控模块还用于根据所述黑度值差值K与预设的黑度值差值之间进行比对,并根据比对结果调整所述病害的等级:其中,所述中控模块还用于预先设定第一预设黑度值差值K1和第二预设黑度值差值K2,且K1<K2。当K≤K1时,所述中控模块则将所述病害的等级增加一级,其中,若所述病害的等级为第三等级则不进行调整。当K1<K≤K2时,所述中控模块则将所述病害的等级增加两级,其中,所述病害的等级为第三等级则不进行调整。当K>K2时,所述中控模块则将所述病害的等级增加三级,其中,所述病害的等级为第二等级则不进行调整。
可以看出的是,中控模块在确定墩柱混凝土病害等级时,还会基于颜色差异和黑度值的进一步分析与调整过程。首先,中控模块获取了第一特征的颜色差异中各颜色的黑度,并找出黑度较低的颜色作为第二特征。接着,中控模块获取了第二特征的黑度值,并将其与预设的黑度值进行比较,以判断是否需要对病害的等级进行调整。在判断是否需要调整病害等级时,中控模块首先计算了第二特征的黑度值与预设的黑度值之间的差值,并根据预设的黑度值差值设定了三个阈值。根据这些阈值,中控模块决定对病害等级进行相应的调整。具体来说,当黑度值差值小于等于第一预设黑度值差值时,病害等级增加一级;当黑度值差值介于第一预设黑度值差值和第二预设黑度值差值之间时,病害等级增加两级;当黑度值差值大于第二预设黑度值差值时,病害等级增加三级。
可以理解的是,通过采用动态调整病害等级的方法,中控模块能够根据黑度值的差异进行灵活调整,使评定更加客观、细致。这种动态调整的方式使得最后告警模块发送的告警信息能够更全面地反映出墩柱混凝土病害的真实情况,避免了简单的静态判定可能带来的误差和不足。因此,针对不同病害情况,中控模块能够提供个性化、精准的维修建议,有助于有效规划和实施维修和修复方案,最大限度地提高了结构的安全性和耐久性。
上述实施例中,采集模块通过与数据库连接,实现了对墩柱混凝土病害信息的实时采集,其中包括了开裂、腐蚀和磨损等关键信息。为后续的分析和识别提供充足的信息基础。其次,存储模块与采集模块相连,负责提取病害信息的特征,并根据这些特征构建起墩柱混凝土病害的特征样本库。这个库是系统的核心部分,通过存储大量的特征样本,为后续的图像识别和分类提供了可靠的参考依据,然后,图像采集装置用于获取待识别墩柱混凝土的图像信息,而中控模块则通过与存储模块和图像采集装置的连接,实现了对图像信息的智能处理和分析。中控模块首先提取图像中的特征,然后通过与特征样本库的比对,确定待识别墩柱混凝土的病害信息,并根据预设的病害等级关系,准确确定病害的等级。最后,通过告警模块负责将识别出的墩柱混凝土病害信息和等级发送为警报信息,使得相关管理人员能够及时采取必要的维修和处理措施,以确保混凝土结构的安全性和稳定性。
如图2所示,基于上述实施例的另一种优选的方式中,本实施方式提供了一种墩柱混凝土病害自动识别方法,包括:
步骤S100、采集若干墩柱混凝土病害信息,所述病害信息包括开裂、腐蚀和磨损。
步骤S200、提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本。
步骤S300、获取待识别的所述墩柱混凝土图像信息。
步骤S400、提取待识别的所述墩柱混凝土图像信息中的图像特征,并根据所述图像特征与若干所述墩柱混凝土病害的特征样本之间的关系,确定待识别的所述墩柱混凝土的病害信息。
步骤S500、根据待识别的所述墩柱混凝土的病害信息与预设的病害信息之间的关系,确定所述病害的等级。
步骤S600、设置告警模块,将待识别的所述墩柱混凝土的病害和病害的等级建立告警信息,并经所述告警模块进行发送。
可以理解的是,本发明实施例的一种墩柱混凝土病害自动识别方法及系统具备相同的有益效果,不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序商品。因此,本申请可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序商品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序商品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框,以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.一种墩柱混凝土病害自动识别系统,其特征在于,包括:
采集模块,与数据库电连接,所述采集模块用于采集若干墩柱混凝土病害信息,所述病害信息包括开裂、腐蚀和磨损;
存储模块,与所述采集模块电连接,所述存储模块用于提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本;
图像采集装置,用于获取待识别的所述墩柱混凝土图像信息;
中控模块,分别与所述存储模块和图像采集装置电连接,所述中控模块用于提取待识别的所述墩柱混凝土图像信息中的图像特征,所述中控模块还用于根据所述图像特征与若干所述墩柱混凝土病害的特征样本之间的关系,确定待识别的所述墩柱混凝土的病害信息,所述中控模块还用于获取所述墩柱混凝土的病害面积以及病害面积颜色,并根据所述墩柱混凝土的病害面积与预设病害面积之间的关系确定所述病害的等级,所述中控模块还用于根据所述病害面积颜色与预设的病害面积颜色之间的关系对所述病害的等级进行调整;
告警模块,与所述中控模块电连接,所述告警模块用于将待识别的所述墩柱混凝土的病害和病害的等级发送告警信息。
2.如权利要求1所述的墩柱混凝土病害自动识别系统,其特征在于,所述存储模块用于提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本时,包括:
所述存储模块还用于获取所述开裂、腐蚀和磨损的病害图像,并进行灰度值处理;
所述存储模块还用于根据灰度值处理后的所述开裂的病害图像的颜色差异作为第一病害样本;
所述存储模块还用于根据灰度值处理后的所述腐蚀的病害图像的颜色差异作为第二病害样本;
所述存储模块还用于根据灰度值处理后的所述磨损的病害图像的颜色差异作为第三病害样本。
3.如权利要求2所述的墩柱混凝土病害自动识别系统,其特征在于,所述中控模块还用于将待识别的所述墩柱混凝土图像进行灰度值处理;
所述中控模块还用于将灰度值处理后的所述墩柱混凝土图像均分为若干图像单元,并提取若干所述图像单元的纹理特征;
所述中控模块还用于根据若干所述图像单元的纹理特征确定待识别的墩柱混凝土是否发生病害,其中:
若若干所述图像单元的纹理特征相一致时,所述中控模块则判断待识别的墩柱混凝土未发生病害;
若若干所述图像单元的纹理特征不一致时,所述中控模块则判断待识别的墩柱混凝土发生病害,并提取纹理特征不一致的所述图像单元的纹理特征作为第一特征。
4.如权利要求3所述的墩柱混凝土病害自动识别系统,其特征在于,所述中控模块在判断待识别的墩柱混凝土发生病害,并提取纹理特征不一致的所述图像单元的纹理特征作为第一特征时,包括:
所述中控模块还用于获取所述第一特征的颜色差异;
所述中控模块还用于根据所述第一特征的颜色差异与第一病害样本、第二病害样本和第三病害样本的颜色差异之间进行比对,并根据比对结果确定待识别的所述墩柱混凝土发生病害类型,其中:
当所述第一特征的颜色差异与所述第一病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为开裂;
当所述第一特征的颜色差异与所述第二病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为腐蚀;
当所述第一特征的颜色差值与所述第三病害样本的颜色差异相一致时,所述中控模块则确定待识别的所述墩柱混凝土发生的病害为磨损。
5.如权利要求4所述的墩柱混凝土病害自动识别系统,其特征在于,所述中控模块还用于获取所述墩柱混凝土的病害面积以及病害面积颜色,并根据所述墩柱混凝土的病害面积与预设病害面积之间的关系确定所述病害的等级时,包括:
所述中控模块还用于获取所述第一特征的病害面积,并根据所述第一特征的病害面积与预设的面积之间的关系,确定所述病害的危害程度:
当所述第一特征的病害面积小于或等于所述预设的面积时,所述中控模块则确定所述病害的危害程度轻,并确定所述病害的等级为零;
当所述第一特征的病害面积大于所述预设的面积时,所述中控模块则确定所述病害的危害程度重,并根据所述第一特征的病害面积与预设的面积之间的关系确定所述病害的等级。
6.如权利要求5所述的墩柱混凝土病害自动识别系统,其特征在于,所述中控模块在确定所述病害的危害程度重,并根据所述第一特征的病害面积与预设的面积之间的关系,确定所述病害的等级时,包括:
所述中控模块还用于获取所述第一特征的病害面积与预设的面积之间的面积差值L,设定L=l-l0,其中,l为所述第一特征的病害面积,l0为所述预设的面积;
所述中控模块还用于根据所述面积差值L与预设的面积差值之间进行比对,并根据比对结果确定所述病害的等级;
其中,所述中控模块还用于预先设定第一预设面积差值L1和第二预设面积差值L2,且L1<L2;
当L≤L1时,所述中控模块则确定所述病害的等级为第一等级;
当L1<L≤L2时,所述中控模块则确定所述病害的等级为第二等级:
当L>L2时,所述中控模块则确定所述病害的等级为第三等级:
且,第一等级<第二等级<第三等级。
7.如权利要求6所述的墩柱混凝土病害自动识别系统,其特征在于,所述中控模块还用于根据所述病害面积颜色与预设的病害面积颜色之间的关系对所述病害的等级进行调整时,还包括:
所述中控模块还用于获取所述第一特征的颜色差异中各颜色黑度,并获取颜色黑度黑于其各颜色黑度的颜色,并设定为第二特征;
所述中控模块还用于获取所述第二特征的黑度值,并根据所述第二特征的黑度值与预设的黑度值之间的关系,判断是否对所述病害的等级进行调整:
当所述第二特征的黑度值低于所述预设的黑度值时,所述中控模块则判断不需要对所述病害的等级进行调整;
当所述第二特征的黑度值高于或等于所述预设的黑度值时,所述中控模块则根据所述第二特征的黑度值与所述预设的黑度值之间的关系,对所述病害的等级进行调整。
8.如权利要求7所述的墩柱混凝土病害自动识别系统,其特征在于,所述中控模块在根据所述第二特征的黑度值与所述预设的黑度值之间的关系,对所述病害的等级进行调整时,包括:
所述中控模块还用于获取所述第二特征的黑度值与所述预设的黑度值之间黑度值差值K,设定K=k1-k0,其中,k1为所述第二特征的黑度值,k0为所述预设的黑度值;
所述中控模块还用于根据所述黑度值差值K与预设的黑度值差值之间进行比对,并根据比对结果调整所述病害的等级;
其中,所述中控模块还用于预先设定第一预设黑度值差值K1和第二预设黑度值差值K2,且K1<K2;
当K≤K1时,所述中控模块则将所述病害的等级增加一级,其中,若所述病害的等级为第三等级则不进行调整;
当K1<K≤K2时,所述中控模块则将所述病害的等级增加两级,其中,所述病害的等级为第三等级则不进行调整;
当K>K2时,所述中控模块则将所述病害的等级增加三级,其中,所述病害的等级为第二等级则不进行调整。
9.一种墩柱混凝土病害自动识别方法,适用于如权利要求1-8任一项所述的墩柱混凝土病害自动识别系统中,其特征在于,包括:
采集若干墩柱混凝土病害信息,所述病害信息包括开裂、腐蚀和磨损;
提取所述墩柱混凝土病害的特征信息,并根据所述特征信息建立若干所述墩柱混凝土病害的特征样本;
获取待识别的所述墩柱混凝土图像信息;
提取待识别的所述墩柱混凝土图像信息中的图像特征,并根据所述图像特征与若干所述墩柱混凝土病害的特征样本之间的关系,确定待识别的所述墩柱混凝土的病害信息;
根据待识别的所述墩柱混凝土的病害信息与预设的病害信息之间的关系,确定所述病害的等级;
设置告警模块,将待识别的所述墩柱混凝土的病害和病害的等级建立告警信息,并经所述告警模块进行发送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410411922.5A CN118015384B (zh) | 2024-04-08 | 2024-04-08 | 一种墩柱混凝土病害自动识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410411922.5A CN118015384B (zh) | 2024-04-08 | 2024-04-08 | 一种墩柱混凝土病害自动识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118015384A true CN118015384A (zh) | 2024-05-10 |
CN118015384B CN118015384B (zh) | 2024-06-21 |
Family
ID=90952647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410411922.5A Active CN118015384B (zh) | 2024-04-08 | 2024-04-08 | 一种墩柱混凝土病害自动识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118015384B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844285A (zh) * | 2016-02-25 | 2016-08-10 | 中国农业大学 | 基于图像信息的黄瓜病害识别方法及装置 |
WO2019024610A1 (zh) * | 2017-08-04 | 2019-02-07 | 合肥美的智能科技有限公司 | 图像识别方法、装置、计算机设备和可读存储介质 |
US20210319561A1 (en) * | 2020-11-02 | 2021-10-14 | BeSTDR Infrastructure Hospital(Pingyu) | Image segmentation method and system for pavement disease based on deep learning |
CN114972843A (zh) * | 2022-04-26 | 2022-08-30 | 黑龙江省农业科学院农业遥感与信息研究所 | 一种基于大数据的农业病虫害诊断与预警系统 |
CN114998713A (zh) * | 2022-08-08 | 2022-09-02 | 中科视语(北京)科技有限公司 | 路面病害识别方法、装置、系统、电子设备及存储介质 |
CN115909033A (zh) * | 2022-11-25 | 2023-04-04 | 南方电网科学研究院有限责任公司 | 一种摄像机镜头凝冻状态评估方法及装置 |
CN116740378A (zh) * | 2023-07-03 | 2023-09-12 | 南通黄海药械有限公司 | 一种基于图像处理的园林病虫害评价系统 |
CN116758053A (zh) * | 2023-07-24 | 2023-09-15 | 重庆交通大学 | 基于人工智能的桥梁桥墩病害检测系统 |
CN116863452A (zh) * | 2023-07-11 | 2023-10-10 | 广东东篱环境股份有限公司 | 植物病害识别方法、存储介质和识别系统 |
CN117456463A (zh) * | 2023-11-10 | 2024-01-26 | 我的田(海南)农业信息科技有限公司 | 一种基于大数据与深度学习的病虫害识别系统 |
-
2024
- 2024-04-08 CN CN202410411922.5A patent/CN118015384B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844285A (zh) * | 2016-02-25 | 2016-08-10 | 中国农业大学 | 基于图像信息的黄瓜病害识别方法及装置 |
WO2019024610A1 (zh) * | 2017-08-04 | 2019-02-07 | 合肥美的智能科技有限公司 | 图像识别方法、装置、计算机设备和可读存储介质 |
US20210319561A1 (en) * | 2020-11-02 | 2021-10-14 | BeSTDR Infrastructure Hospital(Pingyu) | Image segmentation method and system for pavement disease based on deep learning |
CN114972843A (zh) * | 2022-04-26 | 2022-08-30 | 黑龙江省农业科学院农业遥感与信息研究所 | 一种基于大数据的农业病虫害诊断与预警系统 |
CN114998713A (zh) * | 2022-08-08 | 2022-09-02 | 中科视语(北京)科技有限公司 | 路面病害识别方法、装置、系统、电子设备及存储介质 |
CN115909033A (zh) * | 2022-11-25 | 2023-04-04 | 南方电网科学研究院有限责任公司 | 一种摄像机镜头凝冻状态评估方法及装置 |
CN116740378A (zh) * | 2023-07-03 | 2023-09-12 | 南通黄海药械有限公司 | 一种基于图像处理的园林病虫害评价系统 |
CN116863452A (zh) * | 2023-07-11 | 2023-10-10 | 广东东篱环境股份有限公司 | 植物病害识别方法、存储介质和识别系统 |
CN116758053A (zh) * | 2023-07-24 | 2023-09-15 | 重庆交通大学 | 基于人工智能的桥梁桥墩病害检测系统 |
CN117456463A (zh) * | 2023-11-10 | 2024-01-26 | 我的田(海南)农业信息科技有限公司 | 一种基于大数据与深度学习的病虫害识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118015384B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549522B (zh) | 基于目标检测的纺织品质量检测方法 | |
KR102121958B1 (ko) | 콘크리트 구조물 결함 분석 서비스 제공 방법, 시스템 및 컴퓨터 프로그램 | |
US11361423B2 (en) | Artificial intelligence-based process and system for visual inspection of infrastructure | |
CN112529884B (zh) | 一种基于压痕特征图像识别的焊点质量评价方法 | |
CN117636073B (zh) | 混凝土缺陷检测方法、装置及存储介质 | |
CN110070024B (zh) | 一种皮肤压力性损伤热成像图像识别的方法、系统及手机 | |
CN116166983A (zh) | 一种基于机器学习的列车弓网故障检测方法 | |
CN115995056A (zh) | 一种基于深度学习的桥梁病害自动识别方法 | |
CN117057644A (zh) | 一种基于特性匹配的设备生产质量检测方法及系统 | |
Shatnawi | Automatic pavement cracks detection using image processing techniques and neural network | |
CN116168356A (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN118015384B (zh) | 一种墩柱混凝土病害自动识别方法及系统 | |
CN117314921B (zh) | 一种基于rfid的轨道巡检设备的起点检测及处置方法 | |
CN117372377B (zh) | 一种单晶硅棱线的断线检测方法、装置及电子设备 | |
CN117237747A (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN113205479A (zh) | 用于评估资产健康状况的系统和方法 | |
CN114494103A (zh) | 缺陷检测方法及检测装置 | |
CN113222947B (zh) | 一种非金属材料焊接缺陷智能检测方法及系统 | |
CN115689206A (zh) | 一种基于深度学习的变电站基建进度智能监测方法 | |
CN112508946B (zh) | 一种基于对抗神经网络的电缆隧道异常检测方法 | |
CN114565883A (zh) | 一种设备的运行故障用图形识别算法 | |
CN112801120A (zh) | 一种无人机巡检图像缺陷智能分析的方法 | |
CN116579609B (zh) | 一种基于巡检过程中的违规操作分析方法 | |
CN117911415B (zh) | 一种基于机器视觉的设备自动化监管系统及方法 | |
EP4036850B1 (en) | Computer vision based monoclonal quality control |
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 |