CN112001271A - 一种工地道路保洁方法、装置和*** - Google Patents
一种工地道路保洁方法、装置和*** Download PDFInfo
- Publication number
- CN112001271A CN112001271A CN202010777488.4A CN202010777488A CN112001271A CN 112001271 A CN112001271 A CN 112001271A CN 202010777488 A CN202010777488 A CN 202010777488A CN 112001271 A CN112001271 A CN 112001271A
- Authority
- CN
- China
- Prior art keywords
- road surface
- threshold value
- image
- cleaning
- threshold
- 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.)
- Pending
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000010276 construction Methods 0.000 title claims abstract description 46
- 239000002689 soil Substances 0.000 claims abstract description 82
- 238000005286 illumination Methods 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003915 air pollution Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 18
- 239000000428 dust Substances 0.000 description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 239000007921 spray Substances 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000009191 jumping Effects 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
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dispersion Chemistry (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种工地道路保洁方法,获取路面图像,基于方法一和/或方法二对路面进行清洁,方法一:计算路面图像中泥土覆盖面积占路面总面积的比值,判断比值是否大于第一阈值,若比值大于第一阈值,对路面进行清洁;方法二:计算路面图像中泥土颜色与正常路面颜色的色差,判断色差是否大于第二阈值,若色差大于第二阈值,对路面进行清洁;通过获取路面图像信息,判断路面上的覆土面积占比有无超过第一阈值,和/或判断最大色差是否超过第二阈值,在超过第一阈值或第二阈值的情况下对路面进行清洁,达到及时清洁路面散落泥土的目的,从而保持工地空气洁净,避免工人因空气污染而患病。
Description
技术领域
本发明属于环保设备技术领域,特别涉及一种工地道路保洁方法、装置和***。
背景技术
近年来,我国基础设施建设高速发展,城市中出现大大小小的施工工地,且大多工地施工需要开挖土方作业。这些大量土方,不能直接堆放在工地,需要运往工地以外的地方堆存。工地在装运土方的过程中,难免会让土方散落在实施工地的道路上,如不及时清理,这些土方在经过工地施工车辆的多次碾压及风吹日晒后,极其容易变成细小的颗粒,飘散到空气中。这样不但会造成城市空气的污染,而且会降低施工场地的能见度下降,对施工作业产生不好的影响,并且会影响施工工人的身体健康,甚至增加犯病风险。
发明内容
针对上述问题,本发明提出一种工地道路保洁方法,获取路面图像;
基于方法一和/或方法二对路面进行清洁;
方法一:计算路面图像中泥土覆盖面积占路面总面积的比值;
判断比值是否大于第一阈值,若比值大于第一阈值,对路面进行清洁;
方法二:计算路面图像中泥土颜色与正常路面颜色的色差;
判断色差是否大于第二阈值,若色差大于第二阈值,对路面进行清洁。
优选地,所述计算路面图像中泥土覆盖面积占图像总面积的比值具体包括:
获取路面图像中泥土的轮廓特征,计算所述轮廓内的面积,将多个轮廓面积求和,得到泥土总面积;
计算路面图像中路面总面积;
计算泥土总面积和路面总面积的商。
优选地,包括多个第一阈值;
获取路面附近光照强度,基于光照强度选择相应的第一阈值。
优选地,所述计算路面图像中泥土颜色与正常路面颜色的色差,判断色差是否大于第二阈值具体包括:
获取路面图像中泥土的轮廓特征;
计算每一轮廓内泥土颜色与正常路面颜色的色差;
选取最大色差,判断最大色差是否大于第二阈值。
优选地,包括多个第二阈值;
获取路面附近光照强度,基于光照强度选择相应的第二阈值。
优选地,获取路面附近PM2.5浓度;
判断PM2.5浓度是否大于第三阈值,若大于第三阈值,对路面进行清洁。
优选地,通过多个图像采集设备获取路面图像;
计算多个图像采集设备分别获取的路面图像的亮度值;
提取路面图像亮度最大值;
分别计算多个图像采集设备获取的路面图像的亮度值与亮度最大值的差值;
判断所述差值是否大于第四阈值,若大于第四阈值,对相应的图像采集设备进行清洁。
本发明还提出了一种工地道路保洁装置,包括:
图像获取单元,用于获取路面图像;
图像处理单元,用于获取路面图像中泥土覆盖面积占路面总面积的比值,或用于获取路面图像中泥土颜色与正常路面颜色的色差;
判断单元,用于判断比值是否大于第一阈值,和/或,用于判断色差是否大于第二阈值;
控制单元,用于根据判断单元的判断结果控制第一清洁设备对路面进行清洁。
优选地,还包括:
光照强度获取单元,用于获取路面附近光照强度;
选择单元,基于光照强度选择相应的第一阈值或基于光照强度选择相应的第二阈值;
浓度获取单元,用于获取路面附近PM2.5浓度;
图像处理单元还用于计算分别获取的路面图像的亮度值,提取路面图像亮度最大值,分别计算获取的路面图像的亮度值与亮度最大值的差值;
判断单元还用于判断PM2.5浓度是否大于第三阈值;判断单元还用于判断所述差值是否大于第四阈值;
控制单元还用于根据判断单元的判断结果控制第二清洁设备对图像采集设备进行清洁;
参数预设单元,用于接收预设的第一阈值、第二阈值、第三阈值和第四阈值。
本发明还提出了一种工地道路保洁***,包括:
处理器,处理器存储有计算机程序,处理器执行所述计算机程序时实现如权利要求1-7中任一项所述方法的步骤;
图像采集设备,用于采集路面图像并发送至处理器;
光照强度传感器,用于采集路面附近光照强度并将光照强度发送至处理器;
PM2.5浓度传感器,用于采集路面附近PM2.5浓度并将PM2.5浓度发送至处理器;
终端控制设备,用于预设第一阈值、第二阈值、第三阈值和第四阈值,并将预设的第一阈值、第二阈值、第三阈值和第四阈值发送至处理器;
第一清洁设备,用于根据处理器发出的指令对路面进行清洁;
第二清洁设备,用于根据处理器发出的指令对图像采集设备进行清洁;
预制模块,预制模块设有凹槽,凹槽顶部设有镂空网栅,图像采集设备、第一清洁设备和第二清洁设备安装在凹槽顶部。
本发明的工地道路保洁方法,通过获取路面图像信息,判断路面上的覆土面积占比有无超过第一阈值,和/或判断最大色差是否超过第二阈值,在超过第一阈值或第二阈值的情况下对路面进行清洁,达到及时清洁路面散落泥土的目的,从而保持工地空气洁净,避免工人因空气污染而患病。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例中工地道路保洁方法一的流程图;
图2示出了本发明实施例中工地道路保洁方法二的流程图;
图3示出了本发明实施例中根据PM2.5浓度值进行路面清洁的流程图;
图4示出了本发明实施例中预制模块的结构示意图。
1-预制模块,2-镂空网栅,3-导流管,4-***头,5-喷头。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地说明,显然,所描述的实施例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。
为了工地路面及空气洁净,本发明的实施例提出了一种工地道路保洁方法,有两种方法可用,方法一包括以下步骤:
参照图1,获取路面图像,获取的图像可以是静态的照片或动态的视频,本实施例中是每间隔8分钟采集一次路面的照片,在实际运用中,间隔时间可以根据现场情况进行调节,如果尘土污染不是很严重,间隔时间可以设置长一点,如果尘土污染比较严重,则间隔时间可以设置短一点,一般情况下时间设置为5-30分钟;
获取路面图像中泥土覆盖面积占路面总面积的比值;
预设第一阈值,判断比值是否大于第一阈值,若比值大于第一阈值,则说明路面上的泥土较多,随后对路面进行清洁,若比值小于等于第一阈值,则说明路面上的泥土较少,不需要对路面进行清洁。
通过上述方法一,在比值大于第一阈值的情况下对路面进行清洁,达到及时清洁路面散落泥土的目的,从而保持工地空气洁净,避免工人因空气污染而患病。
上述获取路面图像中泥土覆盖面积占图像总面积的比值具体包括以下步骤:
对获取的图像进行预处理,预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取和识别的可靠性;具体是通过图像锐化来突出泥土和路面的分界线,增强图像的边缘及灰度跳变的部分,补偿图像中泥土的轮廓,使泥土轮廓变得清晰。
图像在获取和传输过程中不可避免会产生噪声,图像噪声会对泥土轮廓特征的提取造成干扰,需要将其消除,图像去噪算法具体有基于空间域下的滤波器去噪、基于小波域的小波阈值去噪、基于PDE的图像去噪和全变分(TV)图像去噪。
图像去噪后,获取路面图像中泥土的轮廓特征,计算所述轮廓内的面积,将多个轮廓面积求和,得到泥土总面积;具体地,图像中有高频分量和低频分量,图像中的高频分量,指的是图像强度(亮度/灰度)变化剧烈的地方,也就是我们常说的边缘(轮廓);图像中的低频分量,指的是图像强度(亮度/灰度)变换平缓的地方,也就是大片色块的地方。
不同图像灰度不同,边界处一般会有明显的边缘,利用此特征可以分割图像。在实际的图像分割中,往往只用到一阶和二阶导数,虽然,原理上,可以用更高阶的导数,但是,因为噪声的影响,在纯粹二阶的导数操作中就会出现对噪声的敏感现象,三阶以上的导数信息往往失去了应用价值。二阶导数还可以说明灰度突变的类型。在有些情况下,如灰度变化均匀的图像,只利用一阶导数可能找不到边界,此时二阶导数就能提供很有用的信息。二阶导数对噪声也比较敏感,解决的方法是先对图像进行平滑滤波,消除部分噪声,再进行边缘检测。不过,利用二阶导数信息的算法是基于过零检测的,因此得到的边缘点数比较少,有利于后继的处理和识别工作。
各种算子的存在就是对这种导数分割原理进行的实例化计算,是为了在计算过程中直接使用的一种计算单位,下面以Sobel算子为例进行讲解。
Sobel算子主要用于边缘检测,在技术上它是以离散型的差分算子,用来运算图像亮度函数的梯度的近似值,Sobel算子是典型的基于一阶导数的边缘检测算子,由于该算子中引入了类似局部平均的运算,因此对噪声具有平滑作用,能很好的消除噪声的影响。Sobel算子对于像素的位置的影响做了加权。Sobel算子包含两组3x3的矩阵,分别为横向及纵向模板,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。实际使用中,常用如下两个模板来检测图像边缘。
在以上例子中,如果以上的角度θ等于零,即代表图像该处拥有纵向边缘,左方较右方暗。
利用OpenCV计算泥土轮廓内面积,contourArea()函数用于计算轮廓内面积,contourArea函数调用形式:
double contourArea(InputArray contour,bool oriented=false)
参数详解:
InputArray contour:输入的点,一般是图像的轮廓点。
bool oriented=false:表示某一个方向上轮廓的的面积值,顺时针或者逆时针,一般选择默认false。
将计算得到的每个轮廓面积求和,从得出路面图像中泥土总面积,再计算泥土总面积和路面总面积的商,从而得出泥土总面积占比值。其中路面总面积在不同时间拍摄的图片中保持一致,在第一次获取到路面面积后将数值存储,后续拍摄图片后不需要再计算路面面积,路面面积的算法和泥土面积的算法相同,也是先提取路面轮廓,再计算路面轮廓内面积。
由于泥土的颜色和路面颜色不同,泥土和路面之间存在色差,因此可以通过计算色差来,方法二如图2所示,获取路面图像,获取的图像可以是静态的照片或动态的视频,本实施例中是每间隔8分钟采集一次路面的照片,在实际运用中,间隔时间可以根据现场情况进行调节,如果尘土污染不是很严重,间隔时间可以设置长一点,如果尘土污染比较严重,则间隔时间可以设置短一点,一般情况下时间设置为5-30分钟;
获取路面图像中泥土颜色与路面颜色的色差;
预设第二阈值,判断色差是否大于第二阈值,若色差大于第二阈值,则说明路面上的泥土较多,随后对路面进行清洁,若色差小于等于第二阈值,则说明路面上的泥土较少,不需要对路面进行清洁。
通过上述方法二,在色差大于第二阈值的情况下对路面进行清洁,达到及时清洁路面散落泥土的目的,从而保持工地空气洁净,避免工人因空气污染而患病。
获取路面图像中泥土颜色与路面颜色的色差具体包括以下步骤:
对获取的图像进行预处理,预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取和识别的可靠性;具体是通过图像锐化来突出泥土和路面的分界线,增强图像的边缘及灰度跳变的部分,补偿图像中泥土的轮廓,使泥土轮廓变得清晰。
图像在获取和传输过程中不可避免会产生噪声,图像噪声会对泥土轮廓特征的提取造成干扰,需要将其消除,图像去噪算法具体有基于空间域下的滤波器去噪、基于小波域的小波阈值去噪、基于PDE的图像去噪和全变分(TV)图像去噪。
图像去噪后,获取路面图像中泥土的轮廓特征,从而在图像中获得多个泥土轮廓,正常路面的图像与存在装置内,将每个泥土轮廓内泥土颜色与正常路面颜色进行比对,计算每个泥土轮廓内泥涂颜色与正常路面颜色的色差,得到多个色差,选取值最大的色差,判断最大色差是否超过第二阈值,若最大色差大于第二阈值,则说明路面上的泥土较多,随后对路面进行清洁,若最大色差小于等于第二阈值,则说明路面上的泥土较少,不需要对路面进行清洁。
色差基于以下公式计算:
L表示明度(亮度),a表示红-绿色轴,b表示蓝-黄色轴,
表1
表2
表3
上述方法一和方法二可以同时使用,两个方法相互独立,只要满足比值大于第一阈值和色差大于第二阈值中的其一,则对路面进行清洁,也可以是只使用方法一或方法二,但只使用方法一或方法二的效果可能没有同时使用方法一和方法二达到的效果好。
本实施例中将获取的路面图像存储下来以便于后期查询,具体可以是在获取图像后处理图像前进行存储,也可以在处理图像后再存储。
工地施工环境复杂,有时为了赶工期,可能会在不同环境条件下施工,有时白天施工,有时夜晚施工,有时晴天施工,有时阴天施工,不同环境条件下光照强度不同,光照强度强的情况下,采集的图像光线明亮、画面清晰、轮廓明显,能够准确的识别出散落在路面上泥土的轮廓特征,识别能力较敏锐,识别出的泥土覆盖率也较高,光照强度弱的情况下,采集的图像光线不足、画面较暗、轮廓模糊,采集到的图片特征不够明显,识别能力稍显迟钝,识别出的泥土覆盖率较低些。
针对上述问题,方法一中可以设置多个模式,不同模式下的第一阈值不同,并采集路面附近光照强度,不同光照强度对应不同的第一阈值,示例性的将光照强度I分为以下几个级别,I≤0.3lx,0.3lx<I≤500lx,500lx<I≤30000lx,I>30000lx,对应的第一阈值分别为10%,15%,20%,25%,根据当前的光照强度选择对应的第一阈值,例如当前光照强度为12000lx,选择对应的第一阈值20%,计算当前泥土覆盖面积占比,如果占比值小于等于20%,则无需对路面进行清洁,如果占比值大于20%,则对路面进行清洁,又例如当前光照强度为30001lx,选择对应的第一阈值25%,计算当前泥土覆盖面积占比,如果占比值小于等于25%,则无需对路面进行清洁,如果占比值大于25%,则对路面进行清洁。从而解决了不同光照强度下轮廓识别的问题。
上述光照强度分级和不同第一阈值大小只是一种示例,在其他的设计方式上,可以根据具体情况设置。
同样在不同环境下,由于采集到图像的亮度、红-绿色,蓝-黄色不同,那么计算得到的色差也就不同;对于相同的泥土轮廓,光照强度强的情况下,采集的图像光线明亮、画面清晰、能够准确的识别出散落在路面上泥土的轮廓特征,图像中泥土的亮度、红-绿色,蓝-黄色值均较大,光照强度弱的情况下,采集的图像光线昏暗、画面模糊、能够准确的识别出散落在路面上泥土的轮廓特征,图像中泥土的亮度、红-绿色,蓝-黄色值均较小;因此计算得到的色差也不同,而第二阈值固定不变,影响是否需要进行清洁的判断。
因此方法二中也可以设置多个模式,不同模式下的第二阈值不同,并采集路面附近光照强度,不同光照强度对应不同的第二阈值,示例性的将光照强度I分为以下几个级别,I≤0.3lx,0.3lx<I≤500lx,500lx<I≤30000lx,I>30000lx,对应的第一阈值分别为3、4、5、6,根据当前的光照强度选择对应的第一阈值,例如当前光照强度为12000lx,选择对应的第二阈值5,计算当前泥土与路面的色差,选取最大的色差,如果最大色差小于等于5,则无需对路面进行清洁,如果最大色差大于5,则对路面进行清洁,又例如当前光照强度为30001lx,选择对应的第二阈值6,计算当前泥土与路面的色差,选取最大的色差,如果最大色差小于等于6,则无需对路面进行清洁,如果最大色差大于6,则对路面进行清洁。从而解决了不同光照强度下色差值不同的问题。
上述光照强度分级和不同第二阈值大小只是一种示例,在其他的设计方式上,可以根据具体情况设置。
在另外的设计方式上,由于不同时间段光照强度不同,不同季节同一时间段的光照强度不同,还可以根据不同季节、不同时间设置第一阈值和第二阈值,另外泥土的轮廓、颜色会华环境因素影响。例如湿度、温度等等,还可以根据环境情况设置第一阈值和第二阈值,参照图3,本实施例还可以对工地环境中的PM2.5浓度值进行监控,根据PM2.5浓度值大小判断是否需要对路面进行清洁,具体地,预设第三阈值,如果监测的PM2.5浓度值大于第三阈值,则说明空气中灰尘较多,对路面进行清洁,如果监测的PM2.5浓度值小于等于第三阈值,则说明空气中灰尘较少,无需对路面进行清洁。
示例性地,设置第三阈值大小为75μg/m3,当采集的PM2.5浓度值大于75μg/m3,对路面进行清洁,当采集的PM2.5浓度值小于等于75μg/m3,无需对路面进行清洁。
上述通过路面泥土面积占比判断是否需要对路面进行清洁和通过PM2.5浓度值判断是否需要对路面进行清洁的两种模式相互独立,只要其中一种模式判定需要对路面进行清洁,则对路面进行清洁,不考虑另一模式是否需要对路面进行清洁。
在另外的设计方式上,还可以根据不同季节、不同天气情况、不同地理位置、施工情况、不同路灯照明情况调节。例如在夏季,气候湿润,尘土容易被雨水带走,冬季,气候干燥,尘土容易残留在路面上,由于温湿度不同,泥土的颜色在不同季节也会有差异,因此根据不同季节调节第一阈值和第二阈值。可以与气象***关联起来,接收气象数据,根据气象数据调节第一阈值和第二阈值,或是根据气象数据判断未来一段时间是否需要进行清洁,例如基于气象数据获知未来几个小时内会下雨,那么即使比值大于第一阈值或色差大于第二阈值,也不对路面进行清洁,因为依靠后面的雨水就能将路面清洁干净,节约了水资源。还可以根据施工情况进行调节,如果施工造成的灰尘较大,可以缩短获取图像的间隔时间,如果施工造成的灰尘较小,可以延长获取图像的间隔时间。不同路灯照明情况下会导致泥土的颜色发生变化,例如有的路灯发射的光为黄色,有的路灯发射的光接近自然光,又由于路灯每隔几米设置一个,距离路灯不同位置的路面,泥土颜色也会不同,因此也要根据不同位置的路面设置不同的第一阈值和第二阈值。
本实施例中可以预设路面清洁时间,例如清洁10分钟后停止清洁,具体时间可以根据施工现场设置,以确保路面达到清洁目的和不影响正常施工为准。
由于是在工地环境,图像采集设备的镜头容易被灰尘掩盖,导致无法正常采集图像,因此需要对镜头进行清洁。本实施例中对比多个镜头的采集图像的亮度,判断镜头有没有被灰尘覆盖。
首先计算多个图像采集设备分别获取的路面图像的亮度值,这里的亮度值是指一张图像的平均亮度值,如果是RGB图像,可以将RGB颜色空间转为YIQ色彩空间,其中Y是指颜色的明视度,即亮度:Y=0.299R+0.587G+0.114B,得到多个不同图像采集设备所采集路面图像的亮度值,提取路面图像亮度最大值,以该亮度值为基准,分别计算其他图像采集设备获取的路面图像的亮度值与亮度最大值的差值,判断所述差值是否大于第四阈值,若大于第四阈值,对相应的图像采集设备进行清洁。
示例性的,设有6个图像采集设备,6个图像采集设备采集的图像亮度经计算分别为90、85、25、99、83、92,亮度最大值为99,以99为基准,其他亮度值与99的差值分别为9、14、74、16、7,第四预设阈值为22,74>22,可以得出亮度值25对应的图像采集设备被灰尘覆盖,需要对该图像采集设备进行清洁,可以发出报警信息至控制台,告知被尘土覆盖的图像采集设备的编号,人工进行清洁,另外一种方式是设置第二清洁设备,第二清洁设备可以是一个可以喷水的喷头,当检测到有图像采集设备被尘土覆盖时,喷头向图像采集设备的镜头喷出水,对镜头进行清洗,实现自清洁。
本实施例中还提出了一种工地道路保洁装置,包括以下几个单元:
图像获取单元,外界图像采集设备将采集到的图片发送至图像获取单元;
图像处理单元,图像处理单元对图像进行锐化,突出泥土和路面的分界线,增强图像的边缘及灰度跳变的部分,补偿图像中泥土的轮廓,使泥土轮廓变得清晰,并对图像进行降噪处理,提取图像中的泥土轮廓,计算轮廓内面积,并将各轮廓面积求和,计算泥土覆盖面积占路面总面积的比值,另外还可以用于计算路面图像中泥土颜色与正常路面颜色的色差,选取最大的色差,正常路面颜色的相关参数存储在图像处理单元中;
判断单元,判断单元内预设一个或多个第一阈值,用于判断所述比值是否大于第一阈值,并将判断结果发送至控制单元,还可以预设有一个或多个第二阈值,用于判断所述最大色差是否大于第二阈值,并将判断结果发送至控制单元;
控制单元,用于根据判断单元的判断结果控制第一清洁设备对路面进行清洁,如果判断结果是比值大于第一阈值或最大色差大于第二阈值,则控制单元控制第一清洁设备开启,第一清洁设备工作一段时间后再将其关闭,如果判断结果是比值小于等于第一阈值或最大色差小于等于第二阈值,则控制单元不发出任何指令,第一清洁设备保持关闭状态。
进一步地,工地道路保洁装置还包括:
存储单元,用于存储路面图像,具体可以是硬盘、U盘、光盘等等。
光照强度获取单元,用于获取路面附近实时的光照强度,光照强度是由外界的光照强度传感器发送过来的。
选择单元,如果判断单元内设置了多个第一阈值,选择单元基于光照强度选择相应的第一阈值进行使用,或是如果判断单元内设置了多个第二阈值,选择单元基于光照强度选择相应的第二阈值进行使用。
浓度获取单元,用于获取路面附近PM2.5浓度,PM2.5浓度由外界的PM2.5浓度传感器发送过来的。
图像处理单元还用于计算分别获取的路面图像的亮度值,提取路面图像亮度最大值,分别计算获取的路面图像的亮度值与亮度最大值的差值。
判断单元还用于判断PM2.5浓度是否大于第三阈值,并将判断结果发送至控制单元,如果判断结果是PM2.5浓度大于第三阈值,则控制单元控制第一清洁设备开启,第一清洁设备工作一段时间后再将其关闭,如果判断结果是PM2.5浓度小于等于第三阈值,则控制单元不发出任何指令,第一清洁设备保持关闭状态。
判断单元还用于判断所述差值是否大于第四阈值。
控制单元还用于根据判断单元的判断结果控制第二清洁设备对图像采集设备进行清洁。
参数预设单元,用于接收预设的第一阈值、第二阈值、第三阈值、第四阈值和路面清洁时间,并将第一阈值、第二阈值、第三阈值、第四阈值和路面清洁时间存储,第一阈值、第三阈值和路面清洁时间由外部的终端控制设备预设。
本实施例还提出了一种工地道路保洁***,包括:
处理器,处理器存储有计算机程序,处理器执行所述计算机程序时实现上述工地道路保洁方法的步骤;处理器可以计算泥土覆盖面积占路面总面积的比值,判断比值是否大于第一阈值,若比值大于第一阈值,发送开启指令至第一清洁设备;处理器还可以比较路面图像中泥土颜色与正常路面颜色的色差,判断最大的最大色差是否大于第二阈值,若最大色差大于第二阈值,发送开启指令至第一清洁设备;处理器还可以判断PM2.5浓度是否大于第三阈值,若大于第三阈值,发送开启指令至第一清洁设备。
图像采集设备,用于采集路面图像,图像采集设备可以是摄像机、相机、监控探头等等,图像采集设备安装在路面附近,可以对路面进行拍照或录制视频,并将采集的照片或视频发送至处理器。
光照强度传感器,用于采集路面附近光照强度并将光照强度发送至处理器,光照强度传感器安装在路面附近。
PM2.5浓度传感器,用于采集路面附近PM2.5浓度并将PM2.5浓度发送至处理器,PM2.5浓度传感器安装在路面附近。
终端控制设备,供使用人员预设第一阈值、第二阈值、第三阈值、第四阈值和路面清洁时间,终端控制设备可以设有一个触控屏,通过触控屏设置一个或多个第一阈值、一个或多个第二阈值、第三阈值、第四阈值和路面清洁时间,并将第一阈值、一个或多个第二阈值、第三阈值、第四阈值和路面清洁时间发送至处理器,供处理器使用。
第一清洁设备,第一清洁设备如果接收到处理器发出的开启指令,则对路面进行清洁一段时间,如果没有接收到处理器发出的开启指令,则保持关闭;本实施例中的第一清洁设备为喷水装置,喷水装置接收到开启指令后,喷水装置向路面喷水,在另外的设计方式上,第一清洁设备还可以为清洁车等。
第二清洁设备,用于根据处理器发出的指令对图像采集设备进行清洁。
预制模块,预制模块设有凹槽,凹槽顶部设有镂空网栅,图像采集设备、第一清洁设备和第二清洁设备安装在凹槽顶部。
示例性的,本实施例中的保洁***应用于钢结构网格路面,钢结构网格路面是由多个预制模块拼接而成,参照图4,工地道路保洁***部分结构的示意图,包括预制模块1,预制模块1相互拼接即构成了钢结构网格路面,预制模块1包括左右对称的两个单元,预制模块1内设有凹槽,凹槽顶部设有镂空网栅2,凹槽底部连接有导流管3,预制模块顶部设有保护结构,图像采集设备和第一清洁设备安装在保护结构内,图4中的图像采集设备为***头4,第一清洁设备中的喷头5安装在保护结构内,在不影响***头4和喷头5工作性能下,避免设备遭到外部环境损坏或者影响性能,增加设备安全性、***稳定性;***头4采集镂空网栅2的图像信息,并将图像信息发送至处理器,当处理器判断出镂空网栅2上的灰尘超过阈值时,控制喷头5开启,喷头5喷出清洁液至镂空网栅2表面,将镂空网栅2上的灰尘冲刷至凹槽内,最终进入导流管3内,沿着导流管3流走。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种工地道路保洁方法,其特征在于,
获取路面图像;
基于方法一和/或方法二对路面进行清洁;
方法一:计算路面图像中泥土覆盖面积占路面总面积的比值;
判断比值是否大于第一阈值,若比值大于第一阈值,对路面进行清洁;
方法二:计算路面图像中泥土颜色与正常路面颜色的色差;
判断色差是否大于第二阈值,若色差大于第二阈值,对路面进行清洁。
2.根据权利要求1所述的工地道路保洁方法,其特征在于,所述计算路面图像中泥土覆盖面积占图像总面积的比值具体包括:
获取路面图像中泥土的轮廓特征,计算所述轮廓内的面积,将多个轮廓面积求和,得到泥土总面积;
计算路面图像中路面总面积;
计算泥土总面积和路面总面积的商。
3.根据权利要求1或2所述的工地道路保洁方法,其特征在于,
包括多个第一阈值;
获取路面附近光照强度,基于光照强度选择相应的第一阈值。
4.根据权利要求1所述的工地道路保洁方法,其特征在于,所述计算路面图像中泥土颜色与正常路面颜色的色差,判断色差是否大于第二阈值具体包括:
获取路面图像中泥土的轮廓特征;
计算每一轮廓内泥土颜色与正常路面颜色的色差;
选取最大色差,判断最大色差是否大于第二阈值。
5.根据权利要求1或4所述的工地道路保洁方法,其特征在于,
包括多个第二阈值;
获取路面附近光照强度,基于光照强度选择相应的第二阈值。
6.根据权利要求1所述的工地道路保洁方法,其特征在于,
获取路面附近PM2.5浓度;
判断PM2.5浓度是否大于第三阈值,若大于第三阈值,对路面进行清洁。
7.根据权利要求1所述的工地道路保洁方法,其特征在于,
通过多个图像采集设备获取路面图像;
计算多个图像采集设备分别获取的路面图像的亮度值;
提取路面图像亮度最大值;
分别计算多个图像采集设备获取的路面图像的亮度值与亮度最大值的差值;
判断所述差值是否大于第四阈值,若大于第四阈值,对相应的图像采集设备进行清洁。
8.一种工地道路保洁装置,其特征在于,包括:
图像获取单元,用于获取路面图像;
图像处理单元,用于获取路面图像中泥土覆盖面积占路面总面积的比值,或用于获取路面图像中泥土颜色与正常路面颜色的色差;
判断单元,用于判断比值是否大于第一阈值,和/或,用于判断色差是否大于第二阈值;
控制单元,用于根据判断单元的判断结果控制第一清洁设备对路面进行清洁。
9.根据权利要求8所述的工地道路保洁装置,其特征在于,还包括:
光照强度获取单元,用于获取路面附近光照强度;
选择单元,基于光照强度选择相应的第一阈值或基于光照强度选择相应的第二阈值;
浓度获取单元,用于获取路面附近PM2.5浓度;
图像处理单元还用于计算分别获取的路面图像的亮度值,提取路面图像亮度最大值,分别计算获取的路面图像的亮度值与亮度最大值的差值;
判断单元还用于判断PM2.5浓度是否大于第三阈值;判断单元还用于判断所述差值是否大于第四阈值;
控制单元还用于根据判断单元的判断结果控制第二清洁设备对图像采集设备进行清洁;
参数预设单元,用于接收预设的第一阈值、第二阈值、第三阈值和第四阈值。
10.一种工地道路保洁***,其特征在于,包括:
处理器,处理器存储有计算机程序,处理器执行所述计算机程序时实现如权利要求1-7中任一项所述方法的步骤;
图像采集设备,用于采集路面图像并发送至处理器;
光照强度传感器,用于采集路面附近光照强度并将光照强度发送至处理器;
PM2.5浓度传感器,用于采集路面附近PM2.5浓度并将PM2.5浓度发送至处理器;
终端控制设备,用于预设第一阈值、第二阈值、第三阈值和第四阈值,并将预设的第一阈值、第二阈值、第三阈值和第四阈值发送至处理器;
第一清洁设备,用于根据处理器发出的指令对路面进行清洁;
第二清洁设备,用于根据处理器发出的指令对图像采集设备进行清洁;
预制模块,预制模块设有凹槽,凹槽顶部设有镂空网栅,图像采集设备、第一清洁设备和第二清洁设备安装在凹槽顶部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010777488.4A CN112001271A (zh) | 2020-08-05 | 2020-08-05 | 一种工地道路保洁方法、装置和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010777488.4A CN112001271A (zh) | 2020-08-05 | 2020-08-05 | 一种工地道路保洁方法、装置和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112001271A true CN112001271A (zh) | 2020-11-27 |
Family
ID=73462779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010777488.4A Pending CN112001271A (zh) | 2020-08-05 | 2020-08-05 | 一种工地道路保洁方法、装置和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001271A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114273315A (zh) * | 2022-03-04 | 2022-04-05 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
CN115018801A (zh) * | 2022-06-15 | 2022-09-06 | 湖南湘江智车出行科技有限公司 | 一种道路清洁度检测方法以及智能清扫方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003118555A (ja) * | 2001-10-16 | 2003-04-23 | Sumitomo Rubber Ind Ltd | 路面状態判定方法および装置、ならびに路面状態の判定のしきい値設定プログラム |
CN106572349A (zh) * | 2016-11-18 | 2017-04-19 | 维沃移动通信有限公司 | 一种摄像头清洁度的检测方法及移动终端 |
CN107341790A (zh) * | 2017-06-12 | 2017-11-10 | 广州大学 | 一种环境洁净度检测的图像处理方法 |
CN107404647A (zh) * | 2016-05-20 | 2017-11-28 | 中兴通讯股份有限公司 | 镜头状态检测方法及装置 |
CN109087363A (zh) * | 2018-06-28 | 2018-12-25 | 江南大学 | 一种基于hsv颜色空间的污水排放检测方法 |
CN109325932A (zh) * | 2017-07-26 | 2019-02-12 | 华为技术有限公司 | 设备防尘网的除尘方法、装置、设备和计算机存储介质 |
CN109523527A (zh) * | 2018-11-12 | 2019-03-26 | 北京地平线机器人技术研发有限公司 | 图像中脏污区域的检测方法、装置和电子设备 |
CN109599078A (zh) * | 2018-12-20 | 2019-04-09 | 余姚市荣大塑业有限公司 | 指板油污清洁*** |
-
2020
- 2020-08-05 CN CN202010777488.4A patent/CN112001271A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003118555A (ja) * | 2001-10-16 | 2003-04-23 | Sumitomo Rubber Ind Ltd | 路面状態判定方法および装置、ならびに路面状態の判定のしきい値設定プログラム |
CN107404647A (zh) * | 2016-05-20 | 2017-11-28 | 中兴通讯股份有限公司 | 镜头状态检测方法及装置 |
CN106572349A (zh) * | 2016-11-18 | 2017-04-19 | 维沃移动通信有限公司 | 一种摄像头清洁度的检测方法及移动终端 |
CN107341790A (zh) * | 2017-06-12 | 2017-11-10 | 广州大学 | 一种环境洁净度检测的图像处理方法 |
CN109325932A (zh) * | 2017-07-26 | 2019-02-12 | 华为技术有限公司 | 设备防尘网的除尘方法、装置、设备和计算机存储介质 |
CN109087363A (zh) * | 2018-06-28 | 2018-12-25 | 江南大学 | 一种基于hsv颜色空间的污水排放检测方法 |
CN109523527A (zh) * | 2018-11-12 | 2019-03-26 | 北京地平线机器人技术研发有限公司 | 图像中脏污区域的检测方法、装置和电子设备 |
CN109599078A (zh) * | 2018-12-20 | 2019-04-09 | 余姚市荣大塑业有限公司 | 指板油污清洁*** |
Non-Patent Citations (3)
Title |
---|
2016-2017/中国知识产权研究会编: "《各行业专利技术现状及其发展趋势报告》", 30 April 2017, pages: 506 - 513 * |
蓝贤桂等: "《人工智能背景下图像处理技术的应用研究》", 北京:北京工业大学出版社, pages: 181 - 183 * |
邓继忠等: "《数字图像处理技术》", 30 September 2005, pages: 153 - 162 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114273315A (zh) * | 2022-03-04 | 2022-04-05 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
CN114273315B (zh) * | 2022-03-04 | 2022-06-14 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
WO2023165129A1 (zh) * | 2022-03-04 | 2023-09-07 | 华电电力科学研究院有限公司 | 一种除雾器堵塞预控***、方法、设备及介质 |
CN115018801A (zh) * | 2022-06-15 | 2022-09-06 | 湖南湘江智车出行科技有限公司 | 一种道路清洁度检测方法以及智能清扫方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106680285B (zh) | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 | |
CN104112370B (zh) | 基于监控图像的停车场智能车位识别方法及*** | |
CN101739550B (zh) | 运动目标检测方法及*** | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和*** | |
CN102280030B (zh) | 夜晚车辆检测的方法及其*** | |
CN111179232A (zh) | 基于图像处理的钢筋尺寸检测***及方法 | |
CN103442209A (zh) | 一种输电线路的视频监控方法 | |
EP2460354A1 (en) | System and method for video-quality enhancement | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN112001271A (zh) | 一种工地道路保洁方法、装置和*** | |
CN109359593B (zh) | 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 | |
Rojas et al. | Vehicle detection in color images | |
CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
CN108332927A (zh) | 一种桥梁表面裂缝检测装置 | |
CN109460705A (zh) | 基于机器视觉的输油管道监控方法 | |
CN110659546A (zh) | 一种违法摊位检测方法及装置 | |
CN110020642A (zh) | 一种基于车辆检测的能见度识别方法 | |
CN110276787B (zh) | 基于标志物图像检测的导线舞动监测方法 | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN110223332B (zh) | 一种桥梁裂缝标定方法 | |
CN116739998A (zh) | 基于机器视觉的煤矿箕斗滚轮罐耳磨损检测方法 | |
CN109751985A (zh) | 一种基于安防摄像机的水库堤坝散浸监测方法 | |
TWI465699B (zh) | 水位量測方法 | |
Hautiere et al. | Meteorological conditions processing for vision-based traffic monitoring | |
Cheng et al. | Automated real-time pavement distress analysis |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201127 |