CN109632806A - 一种基于机器视觉的渠道砼面板自动巡检***及方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的渠道砼面板自动巡检***，包括浮标，浮标置于需要巡检的渠道的上游并从上游至下游漂流，用于收集所放置的渠道两岸的砼面板的信息，本发明还提供一种基于机器视觉的渠道砼面板自动巡检方法，其包括设置浮标、采集数据、回收浮标与数据、处理图像、训练计算机和找出有裂缝的砼面板位置等步骤；相较传统雷达、声波检测方法，本发明所提供的巡检方法具有自动化程度高、覆盖面广、误差小等优点。

Description

一种基于机器视觉的渠道砼面板自动巡检***及方法

技术领域

本发明属于巡检技术领域，具体是指一种基于机器视觉的渠道砼面板自动巡检***及方法。

背景技术

在南水北调工程中，渠道两岸的砼面板在运营过程中，受到物理因素和化学因素的影响时会出现一定程度的破坏，将影响到整个输水工程的效益。砼面板的开裂是渠道挡水堤坝破坏的重要预警，及时有效的监测到堤坝的开裂并采取有效的措施，是减少渠道事故的重要方式。然而目前的人工检测技术，不仅费时较长，监测周期间隔大，同时还有检测人员个人因素导致的信息错漏等问题，使得整个渠道砼面板监测方面存在较大的安全漏洞。因此，有必要开发出一种能够在渠道内自动行进并采集砼面板数据的监测***，实现渠道砼面板破坏程度的自动识别与定位。

发明内容

为了克服现有技术的不足，本发明提供了一种基于机器视觉的渠道砼面板自动巡检***及方法。

为了达到上述目的，本发明采用以下技术方案：一种基于机器视觉的渠道砼面板自动巡检***，包括浮标，所述浮标置于预巡检的渠道的上游并从上游至下游漂流，用于收集所放置的渠道两岸的砼面板的信息，所述浮标中设有硬盘、GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器，所述硬盘分别与GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器连接，用于接收所述GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器获取的信息，所述GPS传感器用于对所述浮标进行定位，所述防水工业摄像机用于在所述球形浮标沿渠道漂流时对当前位置的渠道砼面板进行拍照，所述方位传感器用于获取当前位置的方位信息，所述双轴倾角传感器用于获取当前位置的渠道砼面板的倾角信息。

作为优选，所述防水工业摄像机包括水面上防水工业摄像机和水面下防水工业摄像机，所述水面上防水工业摄像机用于对水面以上的渠道砼面板进行拍照，所述水面下防水工业摄像机用于对水面以下的渠道砼面板进行拍照。

作为优选，所述浮标为球形浮标。

本发明还提供一种基于机器视觉的渠道砼面板自动巡检方法，其包括如下步骤：

步骤1：设置浮标：将浮标放置在预巡检的渠道的上游河道中；

步骤2：采集数据：浮标中的GPS传感器实时对浮标进行定位，防水工业摄像机在浮标沿渠道漂流时对两岸的砼面板进行拍照，方位传感器实时获取所处位置的方位信息，双轴倾角传感器实时获取所处位置的倾角信息，GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器将获取的信息均存放在硬盘中；

步骤3：回收浮标与数据：待浮标漂流到下游河道时将浮标收回，取出硬盘获得所有的图片及对应的数据；

步骤4：处理图像：利用图像处理技术对拍摄的图片进行自动处理，分类出有破坏砼面板图像和未破坏砼面板图像；

步骤5：训练计算机：利用卷积神经网络技术对计算机进行训练，其中，将有破坏砼面板面板图像和未破坏砼面板面板图像分开进行训练，经过几万张图像的训练后，使得计算机能够准确的识别砼面板上的裂缝；

步骤6：找出有裂缝的砼面板位置：根据收集到的有破坏砼面板图像对应的浮标方位、倾角信息，定位渠道砼面板的裂缝位置的信息。

有益效果：与现有技术相比，本发明具有以下优点： 本发明通过在浮标上安装工业防水摄像头，拍摄渠道砼面板图像，通过图像的处理和分析研究，对渠道砼面板是否存在破坏进行判定和定位，以此保证渠道的正常运营，相较传统雷达、声波检测方法，本发明所采用的方法具有自动化程度高、覆盖面广、误差小等优点。

附图说明

图1为本发明的使用状态示意图；

图2为本发明所提供的方法的技术路线图；

其中，1、浮标，2、砼面板。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，一种基于机器视觉的渠道砼面板自动巡检***，包括球形浮标，球形浮标置于需要巡检的渠道的上游并从上游至下游漂流，用于收集所放置的渠道两岸的砼面板的信息，球形浮标中设有硬盘、GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器，硬盘分别与GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器连接，用于接收GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器获取的信息，GPS传感器用于对浮标进行定位，防水工业摄像机用于在球形浮标沿渠道漂流时对当前位置的渠道砼面板进行拍照，方位传感器用于获取当前位置的方位信息，双轴倾角传感器用于获取当前位置的渠道砼面板的倾角信息。此外，防水工业摄像机包括水面上防水工业摄像机和水面下防水工业摄像机，水面上防水工业摄像机用于对水面以上的渠道砼面板进行拍照，水面下防水工业摄像机用于对水面以下的渠道砼面板进行拍照。

本发明实施例还提供一种基于机器视觉的渠道砼面板自动巡检方法，其包括如下步骤：

步骤1：设置浮标：将浮标放置在需要巡检的渠道的上游河道中；

步骤2：采集数据：浮标中的GPS传感器实时对浮标进行定位，防水工业摄像机在浮标沿渠道漂流时对两岸的砼面板进行拍照，方位传感器实时获取所处位置的方位信息，双轴倾角传感器实时获取所处位置的倾角信息，GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器将获取的信息均存放在硬盘中；

步骤3：回收浮标与数据：待浮标漂流到下游河道时将浮标收回，取出硬盘获得所有的图片及对应的数据；

步骤4：处理图像：利用图像处理技术对拍摄的图片进行自动处理，分类出有破坏砼面板图像和未破坏砼面板图像；

步骤5：训练计算机：利用卷积神经网络技术对计算机进行训练，其中，将有破坏砼面板面板图像和未破坏砼面板面板图像分开进行训练，经过几万张图像的训练后，使得计算机能够准确的识别砼面板上的裂缝；

步骤6：找出有裂缝的砼面板位置：根据收集到的有破坏砼面板图像对应的浮标方位、倾角等信息，精确定位渠道砼面板的裂缝位置的信息。

随着图像处理技术的不断发展,机器视觉以其独有的优势在多个领域都有所应用,具有十分广阔的市场前景。在国内外土木工程领域，机器视觉方法在路面、桥梁等的检测中得到广泛应用。本发明通过研发一种内置有工业防水摄像头、GPS传感器、方位传感器和双轴倾角传感器的浮标，并在被检查渠道的上游释放浮标，并在下游回收。漂浮过程中，浮标自动拍摄渠道沿线的砼面板图像，同时获取GPS定位数据、方位数据和双轴倾角传感数据，存放在硬盘中，待回收后取出硬盘中的数据，利用经过训练的卷积神经网络进行逐帧图像的识别，找到有破坏的砼面板及其位置。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种基于机器视觉的渠道砼面板自动巡检***，其特征在于：包括浮标，所述浮标置于预巡检的渠道的上游并从上游至下游漂流，用于收集所放置的渠道两岸的砼面板的信息，所述浮标中设有硬盘、GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器，

所述硬盘分别与GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器连接，用于接收所述GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器获取的信息，

所述GPS传感器用于对所述浮标进行定位，所述防水工业摄像机用于在所述球形浮标沿渠道漂流时对当前位置的渠道砼面板进行拍照，所述方位传感器用于获取当前位置的方位信息，所述双轴倾角传感器用于获取当前位置的渠道砼面板的倾角信息。

2.根据权利要求1所述的基于机器视觉的渠道砼面板自动巡检***，其特征在于：所述防水工业摄像机包括水面上防水工业摄像机和水面下防水工业摄像机，所述水面上防水工业摄像机用于对水面以上的渠道砼面板进行拍照，所述水面下防水工业摄像机用于对水面以下的渠道砼面板进行拍照。

3.根据权利要求1所述的基于机器视觉的渠道砼面板自动巡检***，其特征在于：所述浮标为球形浮标。

4.一种如权利要求1-3任一所述的基于机器视觉的渠道砼面板自动巡检***的自动巡检方法，其特征在于：包括以下步骤：

步骤1：设置浮标：将浮标放置在预巡检的渠道的上游河道中；

步骤2：采集数据：浮标中的GPS传感器实时对浮标进行定位，防水工业摄像机在浮标沿渠道漂流时对两岸的砼面板进行拍照，方位传感器实时获取所处位置的方位信息，双轴倾角传感器实时获取所处位置的倾角信息，GPS传感器、防水工业摄像机、方位传感器和双轴倾角传感器将获取的信息均存放在硬盘中；

步骤3：回收浮标与数据：待浮标漂流到下游河道时将浮标收回，取出硬盘获得所有的图片及对应的数据；

步骤4：处理图像：利用图像处理技术对拍摄的图片进行自动处理，分类出有破坏砼面板图像和未破坏砼面板图像；

步骤5：训练计算机：利用卷积神经网络技术对计算机进行训练，其中，将有破坏砼面板面板图像和未破坏砼面板面板图像分开进行训练，经过几万张图像的训练后，使得计算机能够准确的识别砼面板上的裂缝；

步骤6：找出有裂缝的砼面板位置：根据收集到的有破坏砼面板图像对应的浮标方位、倾角信息，定位渠道砼面板的裂缝位置的信息。