CN106226157A - 混凝土构件裂缝自动检测装置及方法 - Google Patents

Abstract

本发明公开一种混凝土构件裂缝自动检测装置、方法及***，该检测装置、方法及***是通过图像采集装置采集桥梁构件在受到载荷时构件形变而产生的裂缝图像，并将该图像发送至图像处理***中进行处理，获得构件产生裂缝的图像信息。该装置、方法及***采用自动获取图像的方式获得构件的裂缝信息，能够根据图像信息客观的判断不同部位、宽窄、长短的裂缝是否属于受力裂缝的合格判定标准，并且该图像信息能够实现数据上传到铁路工程建设信息管理平台数据中心，方便了桥梁构件载荷试验数据的获取和提高了桥梁构件载荷试验数据的真实性、正确性、可靠性。

Description

混凝土构件裂缝自动检测装置及方法

技术领域

本发明涉及构件质量检验设备领域，特别是涉及一种混凝土构件裂缝自动检测装置、方法及***。

背景技术

如图8所示，现有技术中有一种桥梁静载试验自动控制装置，包括用于控制整个试验过程的试验主控装置，还包括均与试验主控装置连接的加载执行装置、荷载测量装置、挠度测量装置、偏离校核装置和异常报警装置。试验主控装置还配置有用于数据上传和图像远程监控的远程监控装置、手动应急装置、全自动/半自动装置和用于通过一键操作完成试验全过程的一键控制装置。该装置实现了桥梁静载试验实现同步加载且各加载点荷载自动平衡，保证了试验数据的真实、准确、可靠，提高自动化程度，减少了试验人工及设备，实现了试验数据上传及远程监控。

但是该装置的桥梁裂缝的检测仍然需要人工观察来进行，不但每人对不同部位、宽窄、长短的裂缝是否属于受力裂缝的合格判定标准不同，观察人员的责任心不同，还有“视而不见”造假行为等等，直接影响到桥梁构件载荷试验数据的真实性、正确性、可靠性。

发明内容

本发明的目的是提供一种混凝土构件裂缝自动检测装置、方法及***，该检测装置、方法及***是通过图像采集装置采集桥梁构件在受到载荷时构件形变而产生的裂缝图像，并将该图像发送至图像处理***中进行处理，获得构件产生裂缝的图像信息。该装置、方法及***采用自动获取图像的方式获得构件的裂缝信息，能够根据图像信息客观的判断不同部位、宽窄、长短的裂缝是否属于受力裂缝的合格判定标准，并且该图像信息能够实现数据上传到铁路工程建设信息管理平台数据中心，方便了桥梁构件载荷试验数据的获取和提高了桥梁构件载荷试验数据的真实性、正确性、可靠性。

为实现上述目的，本发明提供了一种混凝土构件裂缝自动检测装置，包括：

图像采集装置，用于采集所述构件的图像；

图像处理装置，所述图像处理装置与所述图像采集装置相连接，用于识别所述图像中的裂缝；

移动承载装置，用于承载所述图像采集装置，且所述移动承载装置能够沿所述构件的至少一个待检测面移动。

可选的，所述移动承载装置包括移动轨道，所述图像采集装置设于所述移动轨道上且所述图像采集装置能够在所述移动轨道上移动，所述移动轨道能够沿所述构件的至少一个待检测面移动，所述图像采集装置在所述移动轨道上的移动方向与所述移动轨道的移动方向的夹角大于0°且小于180°。

可选的，所述移动轨道与所述构件接触处设有移动机构，所述移动轨道上设有爬壁机器人，所述爬壁机器人的顶面与所述构件的表面相接触，所述爬壁机器人沿所述构件的表面爬行并带动所述移动轨道沿所述构件移动；所述移动机构包括设于所述移动轨道两端的滚轮，所述滚轮与所述构件接触。

可选的，所述图像采集装置包括镜头和补光灯，所述补光灯用于为所述镜头拍摄图像提供补光光源。

本发明的另一目的在于提供了一种混凝土构件裂缝自动检测方法，包括：

获取构件的图像；

提取所述图像中灰度信息；

根据所述灰度信息确定所述图像中的灰暗区域；

基于所述灰暗区域识别所述构件的裂缝。

可选的，在所述基于灰暗区域识别构件的裂缝之后，还包括：

获取所述裂缝与所述构件横向所在直线的夹角，

判断所述夹角是否大于45°，获得第一判断结果；

当所述第一判断结果表示是时，确定所述裂缝为目标裂缝；

当所述第一判断结果表示否时，确定所述裂缝为非目标裂缝

可选的，所述基于所述灰暗区域识别所述构件的裂缝，具体包括：

利用高斯平滑滤波法对包含所述灰暗区域的图像进行低通滤波；

获取滤波后图像与所述灰暗区域的图像的差值图像；

提取所述差值图像中裂缝的方向信息；

结合所述方向信息，对所述滤波后的裂缝图像进行二值化处理，获得二值化图像；

剔除所述二值化图像中的杂散点和团块，提取裂缝。

可选的，所述提取所述差值图像中裂缝的方向信息，具体包括：

选取所述滤波后的裂缝图像中一像素点(i，j)；

以所述像素点(i，j)为中心，选取高度为h，宽度为w的矩形区域；

计算所述矩形区域内x和y方向的梯度均值；

根据所述梯度均值计算所述矩形区域内任意像素点(i，j)的相位角。

可选的，所述剔除所述二值化图像中的杂散点和团块，提取裂缝，具体包括：

获取所述二值化图像中灰暗成分的外包矩形；

计算所述外包矩形的长宽比；

判断所述长宽比是否大于设定长宽比，获得第二判断结果；

当所述第二判断结果表示是时，根据各外包矩形的邻接关系剔除非裂缝区域，确定所述剩余外包矩形所包围的灰暗成分为目标裂缝；

当所述第二判断结果表示否时，确定所述外包矩形所包围的灰暗成分为杂散点或团块，并剔除所述杂散点或所述团块。

可选的，所述检测方法还包括：

再次获取所述裂缝所在位置处的图像，得到二次图像；

识别所述二次图像中的二次裂缝；

比较所述二次图像中的二次裂缝与所述裂缝的长度，获得比较结果；

当所述比较结果表示所述二次裂缝的长度大于所述裂缝的长度，确定所述二次图像中的裂缝成分为目标裂缝；

当所述比较结果表示所述二次裂缝的长度不大于所述裂缝的长度，剔除所述灰暗区域，记录检测结果。

可选的，所述检测方法还包括：

获取预先收集的裂缝图像信息；

基于所述裂缝图像信息，提取含有裂缝的图像中的裂缝共性；

根据所述裂缝共性识别所述构件的图像中的裂缝。

本发明的又一目的在于提供了一种混凝土构件裂缝自动检测***，包括：

图像获取单元，用于获取构件的图像；

灰度信息提取单元，用于提取所述图像中灰度信息；

灰暗区域确定单元，根据所述灰度信息确定所述图像中的灰暗区域；

裂缝识别单元，基于所述灰暗区域识别所述构件的裂缝。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的混凝土构件裂缝自动检测装置利用能够在构件上移动的图像采集装置采集构件表面的图像，经过图像处理装置处理后，获得图像中的裂缝成分，从而实现构件的裂缝检测。通过本发明的裂缝检测装置进行裂缝检测避免了人工观察判断裂缝存在的安全隐患，而且能够客观、真实、准确的获取裂缝信息，提高了桥梁构件载荷试验数据的真实性、正确性、可靠性。本发明还提供了一种混凝土构件裂缝自动检测方法及***，该方法及***通过裂缝的邻域灰阶差异显著特性来检测裂缝，并且该方法及***能够准确识别采集的图像中存在的真实裂缝，并记录识别结果，实现裂缝数据的传输。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的混凝土构件裂缝自动检测装置的结构示意图；

图2为本发明实施例提供轨道小车的结构示意图；

图3为本发明实施例提供的爬壁机器人的结构示意图；

图4为本发明实施例提供的图像采集装置的结构示意图；

图5为本发明实施例提供的构件远红外巡航目标点的结构示意图；

图6为本发明实施例提供的混凝土构件裂缝自动检测方法的总体流程图；

图7为本发明实施例提供的混凝土构件裂缝自动检测方法中二次检测的流程图；

图8为本发明实施例提供的基于灰暗区域识别构件的裂缝的流程图；

图9为本发明实施例提供的提取差值图像中裂缝的方向信息的流程图；

图10为本发明实施例提供的图像中通过一像素点的直线的网格图；

图11为本发明实施例提供的经过二值化处理的二值化图像；

图12为本发明实施例提供的经过空间闭运算处理的闭运算图像；

图13为本发明实施例提供的剔除二值化图像中的杂散点和团块，提取裂缝并标注裂缝的流程图；

图14为本发明实施例提供的筛选裂缝图像；

图15为本发明实施例提供的在原图中标注裂缝后的图像。

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。

本发明提供了一种混凝土构件裂缝自动检测装置，如图1所示，包括：

图像采集装置3，用于采集构件1的图像；

图像处理装置(图1中未示出)，图像处理装置与图像采集装置3相连接，用于识别图像中的裂缝；

移动承载装置2，用于承载图像采集装置3，且移动承载装置2能够沿构件1的至少一个待检测面移动。

本实施方式是利用能够在构件1上移动的图像采集装置3采集构件表面的图像，经过图像处理装置处理后，获得图像中的裂缝成分，从而实现构件的裂缝检测。通过本发明的裂缝检测装置进行裂缝检测避免了人工观察判断裂缝存在的安全隐患，而且能够客观、真实、准确的获取裂缝信息，提高了桥梁构件载荷试验数据的真实性、正确性、可靠性。

作为一种可选的实施方式，与其他实施方式不同的是，如图1和3所示，移动承载装置2包括移动轨道4，图像采集装置3设于移动轨道4上且图像采集装置3能够在移动轨道4上移动，移动轨道4能够沿构件1的至少一个待检测面移动，在本实施方式中，移动轨道4沿构件1的底面移动；图像采集装置3在移动轨道4上的移动方向与移动轨道4的移动方向的夹角大于0°且小于180°。具体的，移动轨道4与构件1接触处设有移动机构，移动轨道上设有爬壁机器人5，爬壁机器人5的顶面吸附于构件1表面，爬壁机器人5吸附于构件1并沿构件1表面爬行的推动作用能够带动移动轨道4沿构件纵向移动，从而实现承载的图像采集装置3沿构件纵向移动，实现纵向构件图像的采集。

本实施方式中的移动机构可以是设置在移动轨道两端的滚轮5，通过滚轮5与构件1接触，并沿着构件1滚动，实现移动轨道4的移动。

本实施方式中的移动机构可以是设置在移动轨道上的滑块(图1中未示出)以及设置在构件上与滑块相适配的滑轨(图1中未示出)，这样移动轨道能够沿该滑轨移动，固定了移动轨道在构件上的移动轨迹，同时也能够避免移动轨道偏离构件的检测面的问题，能够提高检测精度。

与上述实施方式不同的是移动承载装置还可以是通过人工遥控的无人机，图像采集装置设于无人机上，图像采集装置与图像处理装置可通过无线传输数据。人员可以通过遥控无人机来拍摄构件任意部位的图像。

作为一种可选的实施方式，与其他实施方式不同的是，如图2和3图像采集装置3包括镜头8。该镜头8包括线阵相机、面阵相机中一种或两种，还包括工业镜头。可选的，该镜头8设置在轨道小车6上，该轨道小车6设置在移动轨道4上，能够沿移动轨道4移动，轨道小车6的移动方向与移动轨道4的移动方向不同，从而使镜头8能够拍摄到构件的整个检测面，覆盖检测面广，不会出现漏检情况，进而提高了检测裂缝的全面性和准确性。另一种可选的实施方式，镜头8还可以设置在爬壁机器人5上，通过一拍摄臂9与该爬壁机器人5相连接，该拍摄臂9能够绕爬壁机器人5水平摆动180°。该设置方式的镜头是以圆环状的扫描过程进行构件检测面的图像采集的，这样省去了轨道小车6的结构，简化了采集装置，同时利用拍摄臂9的摆动实现构件检测面图像的采集，而且在移动轨道4移动到某一位置时，该设置方式的镜头8能够拍摄到更大范围的图像，提高了采集效率。

作为一种可选的实施方式，与其他实施方式不同的是，如图4所示，图像采集装置3还包括补光灯10，补光灯10用于为镜头8拍摄图像提供补光光源。补光灯可以是环形光源或条形光源。一般情况下，桥梁上表面受到载荷后下表面会向下弯曲变形，为了检测桥梁构件下表面受载后是否出现裂缝，都是在构件的下表面进行图像采集，但构件下表面光照不足，会严重影响图像采集的清晰度，因此，需要该补光灯为镜头提供补偿光，以保证图像采集的清晰，进而提高裂缝识别的准确性和精度。

在本实施方式中图像采集装置包括千兆网工业面阵CCD(charge coupleddevice)相机11、工业镜头12、机器视觉LED条形光源10。采用千兆网工业面阵CCD(chargecoupled device)相机11、工业镜头12作为镜头8，采用机器视觉LED条形光源10作为补光灯10。千兆网工业面阵相机11采用CCD传感器，实现高速高清晰度稳定成像，使相机应用于更广泛的工业场合。该工业相机12具有高分辨率、高速度、高精度、高清晰度、低噪声等特点，千兆网输出，直接传输距离可达100m，被广泛应用于高速高精度的机器视觉领域。机器视觉LED条形光源适合机器视觉中被检物体的表面照明，可以从任何角度提供配合物体的斜射照明，在条形结构中具有高亮度的分布，广泛应用于表面裂缝检测等。其亮度和安装角度均可调，具有高亮度、低温、均衡、无闪烁等特点。使机器视觉LED条形光源以最大功率输出，调整工业镜头的光圈、焦距，以使图像呈最佳清晰度。相机的曝光时间也不宜过大，防止图像采集过程中的图像拖影造成的图像模糊。

该混凝土构件裂缝自动检测装置的检测范围覆盖桥梁箱梁构件跨中左右各2m底面和下翼缘底角处向上15cm的弧面。

作为一种可选的实施方式，与其他实施方式不同的是，如图5所示混凝土构件裂缝自动检测装置还包括控制装置、远红外巡航目标点13，控制装置分别与爬壁机器人5、图像采集装置3和图像处理装置相连接，控制装置控制爬壁机器人5吸附于构件1按照远红外巡航目标点13移动；控制图像采集装置3在移动承载装置2上按照远红外巡航目标点13移动并采集图像；以及控制图像处理装置识别图像中的裂缝成分，并将经图像处理装置处理后的图像传输到铁路工程建设信息管理平台数据中心。该控制装置设置能够实现自动化的构件图像采集以及构件裂缝的识别，避免了人工观察出现的判断标准不同而导致裂缝信息不准确的问题产生，提高了构件裂缝的检测精度和检测效率，提高了工程试验的安全性。

作为一种可选的实施方式，与其他实施方式不同的是，该混凝土构件裂缝自动检测装置还包括报警装置，该报警装置包括声报警和光报警，当图像处理装置检测到图像中存在裂缝时，该报警装置报警，以提醒工人确定裂缝和采取相应措施。

本发明的另一目的在于提供了一种混凝土构件裂缝自动检测方法，如图6所示，包括：

步骤601：获取构件的图像；

步骤602：提取图像中灰度信息；

步骤603：根据灰度信息确定图像中的灰暗区域；

步骤604：基于灰暗区域识别构件的裂缝。

其中，灰暗区域为灰度小于设定灰度阈值的区域，图像中的裂缝为图像中灰度值较小的区域，因此，当灰度小于设定灰度阈值的区域才可能出现裂缝，缩小了识别范围，加快了识别速率。

该混凝土构件裂缝自动检测方法利用上述的混凝土构件裂缝自动检测装置进行检测，采用图像采集装置在移动承载装置上往复运动，并且移动承载装置在构件上移动，对桥梁箱梁构件承受较大弯矩部位进行扫描，运动图像处理装置中的处理算法识别图像中的裂缝成分，并记录裂缝检测结果。

作为一种可选的实施方式，在基于灰暗区域识别构件的裂缝之后，还包括：

获取裂缝与构件横向所在直线的夹角，

判断夹角是否大于45°，获得第一判断结果；

当第一判断结果表示是时，确定裂缝为目标裂缝；

当第一判断结果表示否时，确定裂缝为非目标裂缝。

作为一种可选的实施方式，如图7所示，所述检测方法还包括：

步骤701：再次获取裂缝所在位置处的图像，得到二次图像；

步骤702：识别二次图像中的二次裂缝；

步骤703：比较二次图像中的二次裂缝与裂缝的长度，获得比较结果；

当比较结果表示二次裂缝的长度大于裂缝的长度，确定二次图像中的裂缝成分为目标裂缝，并发出报警信号；

当比较结果表示二次裂缝的长度不大于裂缝的长度，剔除灰暗区域，记录检测结果。

在试验开始前，利用上述混凝土构件裂缝自动检测方法首先对构件的检测区域扫描、检测一次，记录构件梁底的初始裂缝的坐标。试验过程中，需要对构件施加1.00级至1.20级的载荷，控制装置控制移动承载装置搭载图像采集装置对构件梁体关键区域进行扫描，扫描图像传输至图像处理装置进行处理、检测并提取裂缝坐标。在1.20级之前的各级施加载荷5min内完成1次、1.20级的持荷20min内完成4次图像数据的采集、处理和受力裂缝判定，其中，获取初始图像的同时也获取该初始图像对应的位置坐标，再次获取图像时也获取图像对应的位置坐标，并将两次相同位置坐标的图像进行比较，比较两侧图像中的裂缝成分的长度，如果比较结果表示：二次图像中的裂缝成分长度大于前次图像中的裂缝成分的长度，则二次图像中的裂缝成分为真实裂缝，即施加载荷后产生的裂缝，提取并记录二次图像，并报警，以便工人确认裂缝并定位。如果当比较结果表示：二次图像中的裂缝成分长度不大于前次图像中的裂缝成分的长度，剔除前次图像和二次图像，记录检测结果，说明初始图像中的裂缝并不是施加载荷而产生的，因此剔除，并记录检测结果。

其中，图像的位置坐标是根据设置的远红外巡航目标点以及控制爬壁机器人的运动轨迹和图像采集装置的运动轨迹确定的。

在上述实施方式中，从采集到的桥梁底部图像中检测到裂缝成分，需要将图像进行二值化处理，属于图像分割的范畴。然后从处理后的成分滤除杂散点和成片的区域，提取裂缝成分。为了采用动态阈值二值化的方式进行图像的分割，并且考虑到裂缝的纹理分布特性排除杂散点、团块的干扰，提出一种基于裂缝方向分布的局部二值化的裂缝检测方法，即上述基于灰暗区域识别构件的裂缝的步骤，如图8所示，具体包括：

步骤801：利用高斯平滑滤波法对包含灰暗区域的图像进行低通滤波；

步骤802：获取滤波后图像与灰暗区域的图像的差值图像；

步骤803：提取差值图像中裂缝的方向信息；

步骤804：结合方向信息，对灰暗区域的图像进行二值化处理，获得二值化图像；

步骤805：剔除二值化图像中的杂散点和团块，提取裂缝并标注裂缝。

其中，将采集到的图像进行灰度化处理后得到单通道图像。由于采集过程中光照、抖动等问题，图像中混有噪声，使得图像中部分像素值与其邻域像素偏差较大。因此在进行裂缝提取前需要对图像进行高斯平滑处理，通过低通滤波后，得到图像的低通成分。然后通过原图与低通滤波后图像作差，得到裂缝图像的高频成分。以保证裂缝提取的准确性。

其中，为了得到图像中各点的方向信息，首先需要得到x，y的方向梯度，梯度值的获取采用的一阶微分得到两个方向上的梯度和为了使每个像素点的方向信息尽可能的准确，在本实施方式中采用了局部区域像素作为参考来进行计算。如图9所示，具体的，提取滤波后的裂缝图像中裂缝的方向信息的步骤具体包括：

步骤901：选取滤波后的裂缝图像中一像素点(i，j)；

步骤902：以像素点(i，j)为中心，选取高度为h，宽度为w的矩形区域；

步骤903：计算矩形区域内x和y方向的梯度均值；

步骤904：根据梯度均值计算矩形区域内任意像素点(i，j)的相位角。

其中，梯度均值的计算公式为：

$\left\{\begin{array}{c}{V}_x(i,j)=\underset{u=i-\frac{w}{2}}{\overset{i+\frac{w}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{h}{2}}{\overset{j+\frac{h}{2}}{\mathrm{\Σ}}}2{\∂}_x(u,v){\∂}_y(u,v)\\ V_y(i,j)=\underset{u=i-\frac{w}{2}}{\overset{i+\frac{w}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{h}{2}}{\overset{j+\frac{h}{2}}{\mathrm{\Σ}}}{\∂}_x^2(u,v)-{\∂}_y^2(u,v)\end{array}\right.,$

通过上式得到矩形区域内x、y方向梯度均值后，通过矩形区域内的均值来估计每个点的相位，相位的计算公式为：在获得了裂缝的方向信息后，即可将多段裂缝图形整合成一条裂缝，更能准确的确定裂缝位置，提高裂缝检测的精度。

本实施方式中的动态阈值的局部二值化方法，是以Niblack方法为基础，将Niblack二值化方法与图像中各点的相位相结合的算法。

在图像中的一点(i，j)，如图10所示，首先按照该点(i，j)在x和y方向上的相位和点的坐标可以求出通过该点一条直线，取该直线的上半平面、下半平面各N个点，统计该直线上2N+1个点的均值m(i，j)与方差s(i，j)：

$m(x,y)=\frac{1}{2N+1}\mathrm{\Σ}I(i,j)$

$s(x,y)=\sqrt{\frac{1}{2N+1}\mathrm{\Σ}{\[I(i,j)-m(x,y)\]}^2}$

本算法中，I(i,j)为点(i，j)处的像素值大小，在目标点(i，j)上取该点相位直线上的像素作为参考，以该直线作为模板，得到的阈值为：T(x,y)＝m(x,y)+k·s(x,y)

上式中，k为修正系数，通常按工程需要给出。得到目标像素的判定阈值后，便可以对该点进行判定：

$\left\{\begin{array}{cc}I(x,y)=0& I(x,y)\≤T(x,y)\\ I(x,y)=255& I(x,y)>T(x,y)\end{array}\right.$

图像中的每个像素点都通过该算法计算后，便得到目标图像的二值化图像。为了弥合狭窄的缺口，采用了空间闭运算，平滑二值化图像结果，效果如图11和12所示。

作为一种可选的实施方式，如图13所示，剔除二值化图像中的杂散点和团块，提取裂缝并标注裂缝的步骤，具体包括：

步骤1301：获取二值化图像中灰暗成分的外包矩形；

步骤1302：计算外包矩形的长宽比；

步骤1303：判断长宽比是否大于设定长宽比，获得判断结果；

步骤1304：当判断结果表示是时，根据各外包矩形的邻接关系剔除非裂缝区域，确定所述剩余外包矩形所包围的灰暗成分为目标裂缝；

步骤1305：当比较结果表示否时，确定外包矩形所包围的灰暗成分为杂散点或团块，并剔除杂散点或团块。

通过二值化后的图像存在很多杂散的点、团块，为了滤除这些成分，本实施方式采用了目标外包矩形纵横比限制、长度限制、面积限制等，实现脏点或团块的自动过滤，筛选出狭长的成分。然后通过裂缝间的邻接关系，剔除孤立的成分。如图14和15所示，矩形框包被的成分为符合要求裂缝成分，最后在原图中标注出裂缝成分以便观察。

作为一种可选的实施方式，所述检测方法还包括：

获取预先收集的裂缝图像信息；

基于裂缝图像信息，提取含有裂缝的图像中的裂缝共性；

根据裂缝共性识别构件的图像中的裂缝。

本实施方案采用机器自学习方法，学习识别裂缝，降低了识别难度，提高了识别率。

本发明的又一目的在于提供了一种混凝土构件裂缝自动检测***，包括：

图像获取单元，用于获取构件的图像；

灰度信息提取单元，用于提取图像中灰度信息；

灰暗区域确定单元，根据灰度信息确定图像中的灰暗区域；

裂缝识别单元，基于灰暗区域识别构件的裂缝。

该混凝土构件裂缝自动检测方法利用上述的混凝土构件裂缝自动检测装置进行检测，采用图像采集装置在移动承载装置上往复运动，并且移动承载装置在构件上移动，对桥梁箱梁构件承受较大弯矩部位进行扫描，运动图像处理装置中的处理算法识别图像中的裂缝成分，并记录裂缝检测结果。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种混凝土构件裂缝自动检测装置，其特征在于，包括：

图像采集装置，用于采集所述构件的图像；

图像处理装置，所述图像处理装置与所述图像采集装置相连接，用于识别所述图像中的裂缝；

移动承载装置，用于承载所述图像采集装置，且所述移动承载装置能够沿所述构件的至少一个待检测面移动。

2.根据权利要求1所述的混凝土构件裂缝自动检测装置，其特征在于，所述移动承载装置包括移动轨道，所述图像采集装置设于所述移动轨道上且所述图像采集装置能够在所述移动轨道上移动，所述移动轨道能够沿所述构件的至少一个待检测面移动，所述图像采集装置在所述移动轨道上的移动方向与所述移动轨道的移动方向的夹角大于0°且小于180°。

3.根据权利要求2所述的混凝土构件裂缝自动检测装置，其特征在于，所述移动轨道与所述构件接触处设有移动机构，所述移动轨道上设有爬壁机器人，所述爬壁机器人的顶面与所述构件的表面相接触，所述爬壁机器人沿所述构件的表面爬行并带动所述移动轨道沿所述构件移动；所述移动机构包括设于所述移动轨道两端的滚轮，所述滚轮与所述构件接触。

4.根据权利要求1所述的混凝土构件裂缝自动检测装置，其特征在于，所述图像采集装置包括镜头和补光灯，所述补光灯用于为所述镜头拍摄图像提供补光光源。

5.一种混凝土构件裂缝自动检测方法，其特征在于，包括：

获取构件的图像；

提取所述图像中灰度信息；

根据所述灰度信息确定所述图像中的灰暗区域；

基于所述灰暗区域识别所述构件的裂缝。

6.根据权利要求5所述的混凝土构件裂缝自动检测方法，其特征在于，在所述基于灰暗区域识别构件的裂缝之后，还包括：

获取所述裂缝与所述构件横向所在直线的夹角，

判断所述夹角是否大于45°，获得第一判断结果；

当所述第一判断结果表示是时，确定所述裂缝为目标裂缝；

当所述第一判断结果表示否时，确定所述裂缝为非目标裂缝。

7.根据权利要求5所述的混凝土构件裂缝自动检测方法，其特征在于，所述基于所述灰暗区域识别所述构件的裂缝，具体包括：

利用高斯平滑滤波法对包含所述灰暗区域的图像进行低通滤波；

获取滤波后图像与所述灰暗区域的图像的差值图像；

提取所述差值图像中裂缝的方向信息；

结合所述方向信息，对所述灰暗区域的图像进行二值化处理，获得二值化图像；

剔除所述二值化图像中的杂散点和团块，提取裂缝。

8.根据权利要求7所述的混凝土构件裂缝自动检测方法，其特征在于，所述提取所述差值图像中裂缝的方向信息，具体包括：

选取所述滤波后的裂缝图像中一像素点(i，j)；

以所述像素点(i，j)为中心，选取高度为h，宽度为w的矩形区域；

计算所述矩形区域内x和y方向的梯度均值；

根据所述梯度均值计算所述矩形区域内任意像素点(i，j)的相位角。

9.根据权利要求7所述的混凝土构件裂缝自动检测方法，其特征在于，所述剔除所述二值化图像中的杂散点和团块，提取裂缝，具体包括：

获取所述二值化图像中灰暗成分的外包矩形；

计算所述外包矩形的长宽比；

判断所述长宽比是否大于设定长宽比，获得第二判断结果；

当所述第二判断结果表示是时，根据各外包矩形的邻接关系剔除非裂缝区域，确定所述剩余外包矩形所包围的灰暗成分为目标裂缝；

当所述第二判断结果表示否时，确定所述外包矩形所包围的灰暗成分为杂散点或团块，并剔除所述杂散点或所述团块。

10.根据权利要求5所述的混凝土构件裂缝自动检测方法，其特征在于，所述检测方法还包括：

再次获取所述裂缝所在位置处的图像，得到二次图像；

识别所述二次图像中的二次裂缝；

比较所述二次图像中的二次裂缝与所述裂缝的长度，获得比较结果；

当所述比较结果表示所述二次裂缝的长度大于所述裂缝的长度，确定所述二次图像中的裂缝成分为目标裂缝；

当所述比较结果表示所述二次裂缝的长度不大于所述裂缝的长度，剔除所述灰暗区域，记录检测结果。

11.根据权利要求5所述的混凝土构件裂缝自动检测方法，其特征在于，所述检测方法还包括：

获取预先收集的裂缝图像信息；

基于所述裂缝图像信息，提取含有裂缝的图像中的裂缝共性；

根据所述裂缝共性识别所述构件的图像中的裂缝。

12.一种混凝土构件裂缝自动检测***，其特征在于，包括：

图像获取单元，用于获取构件的图像；

灰度信息提取单元，用于提取所述图像中灰度信息；

灰暗区域确定单元，根据所述灰度信息确定所述图像中的灰暗区域；

裂缝识别单元，基于所述灰暗区域识别所述构件的裂缝。