CN113899675B - 一种基于机器视觉的混凝土抗渗自动检测方法、装置 - Google Patents
一种基于机器视觉的混凝土抗渗自动检测方法、装置 Download PDFInfo
- Publication number
- CN113899675B CN113899675B CN202111200751.4A CN202111200751A CN113899675B CN 113899675 B CN113899675 B CN 113899675B CN 202111200751 A CN202111200751 A CN 202111200751A CN 113899675 B CN113899675 B CN 113899675B
- Authority
- CN
- China
- Prior art keywords
- water seepage
- image
- test
- machine vision
- judgment
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000012360 testing method Methods 0.000 claims abstract description 158
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007655 standard test method Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000003487 anti-permeability effect Effects 0.000 description 1
- 239000012237 artificial material Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 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
- 230000035515 penetration Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/0806—Details, e.g. sample holders, mounting samples for testing
-
- 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
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/082—Investigating permeability by forcing a fluid through a sample
-
- 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
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/082—Investigating permeability by forcing a fluid through a sample
- G01N15/0826—Investigating permeability by forcing a fluid through a sample and measuring fluid flow rate, i.e. permeation rate or pressure change
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Dispersion Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Fluid Mechanics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及混凝土抗渗检测技术领域,公开了一种基于机器视觉的混凝土抗渗自动检测方法、装置,首先设置参数,并且获取混凝土抗渗自动检测装置工作台上待检测试件正上方俯视视觉图像;通过计算相邻时刻抓拍图像的余弦相似度判断是否出现渗水情况;针对出现疑似渗水情况的图像进行分别判断m个试件的各自渗水状况;并进行多次重复计算判断渗水情况,最终自动生成试验报告,并保存试验报告、证据原始数据到数据库中。与现有技术相比,本发明基于机器视觉进行抓拍检测,实现无人值守混凝土渗水自动检测,节省大量的人力和时间,且根据混凝土试件发生渗水后会持续渗水的特性,多次重复过程可进一步有效消除算法误判现象,确保自动检测的准确度高。
Description
技术领域
本发明涉及混凝土抗渗检测技术领域,具体涉及一种基于机器视觉的混凝土抗渗自动检测方法、装置。
背景技术
混凝土是建筑工程中最常见的人工材料,建筑工程都对混凝土的抗渗水性能有不同的要求。混凝土抗渗性能是指建筑工程所完成混凝土材料在压力作用下抵抗水和其它液体介质渗透的性能。混凝土的抗渗性用抗渗等级(P)或渗透系数来表示。我国标准采用抗渗等级。抗渗等级是以28天龄期的标准试件,按标准试验方法进行试验时所能承受的最大水压力来确定。GB50164《混凝土质量控制标准》根据混凝土试件在抗渗试验时所能承受的最大水压力,混凝土的抗渗等级划分为P4、P6、P8、P10、P12和大于P12六个等级,相应表示能抵抗0.4、0.6、0.8、1.0及1.2MPa的静水压力而不渗水。在混凝土抗渗试验时,在不同的水压力下,一组6个试件中4个试件是否出现渗水现象进行判定。
目前通常采用混凝土抗渗仪来检测水泥混凝土的抗渗性。混凝土抗渗仪有手动和电动两类仪器。当前先进是自动加压混凝土抗渗检测仪。其技术特点是采用电子控制***通过设定压力预设值自动控制水泵达到试验压力,并自动记录加压后的试验时间。试验过程是在设定压力下观察被检查混凝土试件的渗水现象来判断渗水性,并且试验过程可实现自动恒压和升压。按照相关规范,采用这种自动加压混凝土抗渗仪试验过程需要24小时完成,高标准要求的试验过程甚至达48小时。试验过程需要试验员24小时(或48小时)持续人工观察渗水情况。长时间观察工作消耗试验员大量的时间和精力。这种自动加压混凝土抗渗检测仪不仅消耗大量的时间和人力,而且试验结果无法自动保持,试验过程数据和渗水现象也需要依靠实验员人工记录,不利于出具更具证明力的实验报告和后期原始数据留存。目前还有另一种可自动判断试验结果的混凝土抗渗仪,采用密闭容器压力处处相等的原理,通过压力损失判断是否渗水。这种混凝土抗渗仪由于对仪器密闭性有非常高的要求,在仪器老化、密封不严、故障等情况下常常出现试验结果误判情况。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种基于机器视觉的混凝土抗渗自动检测方法、装置,通过采用图像分析技术自动识别试验过程中的渗水现象,实现无人值守混凝土渗水自动检测,节省大量的人力和时间,提高检测工作效率。
技术方案:本发明提供了一种基于机器视觉的混凝土抗渗自动检测方法,包括如下步骤:
步骤1:首先设置如下参数:逐步加压上限和下限值、维持压力试验时长参数d、图像数据采集频率参数q、机器视觉判定误差参数θ、渗水判断持续时间参数β以及渗水试件发生最低个数k,1=<k<=m,m为混凝土抗渗自动检测装置工作台上同时开展一组试验的试件个数;
步骤2:获取混凝土抗渗自动检测装置工作台上待检测试件正上方俯视视觉图像;
步骤3:每隔q秒钟自动抓取一张试件图像,任意的ti时刻(ti>q)抓取的图像A,ti+q时刻抓取的图像B,将图像A和图像B可表示成为n维度向量,A=[A1,A2,…,An],B=[B1,B2,...,Bn],计算图像A和图像B的余弦相似度θ;
步骤4:在ti+q时刻,判断图像A和B的相似度sim(A,B)值大于等于机器视觉判定误差参数θ,则未出现渗水现象,继续进行抗渗试验;如果sim(A,B)值小于θ,则试件出现疑似渗水现象,记录疑似点图像为Y,自动启动视频记录保存视频证据数据,并自动保存图像A和B、时间、水压数据,并转步骤5;
步骤5:将图像A和图像B逻辑分割为独立的m个部分P1-Pm,分别计算图像A的m个区域,记为AS1-ASm和图像B的m个区域记为BS1-BSm中的m个区域的各自的相似度sim(AS1,BS1)、sim(AS2,BS2)、sim(AS3,BS3)、…、sim(ASm,BSm),采用步骤3所述余弦相似度θ将相似度结果与θ进行比较分别判断m个试件的各自渗水状况,并记录该试件编号、渗水时间以及水压数据。
进一步地,该混凝土抗渗自动检测方法还包括:
步骤6:在ti+2q时刻,获取图像C,计算图像C和疑似点Y的相似度sim(C,Y)值,并判断sim(C,Y)值大于等于机器视觉判定误差参数θ,则ti+q时刻渗水现象为误判,清除疑似点Y图像为空,并清除疑似点Y相关记录数据;如果sim(C,Y)值小于θ,则试件继续出现疑似渗水现象,并采用上述步骤5方法再重复计算各自对应的相似度并判断每个试件的渗水情况;
步骤7:重复上述过程ti+2q时刻的计算过程β次后,判断如果渗水试件的个数大于等于k,则可判断为本组试验试件渗水,如果渗水试件的个数小于k或未发现渗水现象,继续进行试验直至设定的维持压力试验时长参数d小时结束。
进一步地,所述步骤1中渗水判断持续时间参数β>=2q,且β为q的整数倍。
进一步地,所述步骤3中图像A和图像B的余弦相似度θ通过下面公式计算:
进一步地,所述混凝土抗渗自动检测装置工作台上同时开展一组试验的试件个数m取6。
本发明还公开了一种基于机器视觉的混凝土抗渗自动检测装置,包括:
***参数设置模块,用于设置参数:逐步加压上限和下限值、维持压力试验时长参数d、图像数据采集频率参数q、机器视觉判定误差参数θ、渗水判断持续时间参数β以及渗水试件发生最低个数k,1=<k<=m,m为混凝土抗渗自动检测装置工作台上同时开展一组试验的试件个数;
图像获取模块,用于控制摄像头的开启与关闭并获取混凝土抗渗自动检测装置工作台上待检测试件正上方俯视视觉图像;
自动检测模块,用于对获取到的图像基于机器视觉进行自动检测,所述自动检测模块包括第一判断检测模块、第二判断检测模块;
所述第一判断检测模块用于通过计算整体图像相邻时刻的余弦相似度,初步判断整体获取的图像的渗水情况,并记录疑似点Y;
所述第二判断检测模块用于对第一判断检测模块检测有疑似渗水情况下的图像进行分割为独立的m个部分,分别通过计算各试件图像的余弦相似度判断m个试件的各自渗水状况;
试验报告生成和数据保存模块,用于根据自动检测模块的检测结果自动生成试验报告,并保存试验报告、证据原始数据到数据库中。
优选地,所述自动检测模块还包括第三判断检测模块;
所述第三判断检测模块用于在ti+2q时刻,再次获取图像C,计算图像C和疑似点Y的相似度值,判断ti+q时刻渗水现象是否为误判;若ti+2q时刻试件继续出现疑似渗水现象,则采用第二判断检测模块再重复计算各自对应的相似度并判断每个试件的渗水情况;
第三判断检测模块还用于重复ti+2q时刻的上述计算过程β次,并判断如果渗水试件的个数大于等于k,则可判断为本组试验试件渗水,如果渗水试件的个数小于k或未发现渗水现象,继续进行试验直至设定的维持压力试验时长参数d小时结束。
有益效果:
1、本发明基于机器视觉对抓拍的图像进行识别其渗水情况,并根据整体图像疑似渗水情况再对图像进行分割后依次判断各试件的渗水情况,这样可以降减少渗水情况的检测过程,只有整体图像出现疑似渗水情况下在逐个判断试件渗水情况,可以提高检测精度,并且基于机器视觉进行抓拍检测,不需要人工一直值守,实现无人值守混凝土渗水自动检测,节省大量的人力和时间,提高检测工作效率。
2、本发明在出现疑似渗水情况下,进行多次渗水情况计算判断,根据多次计算判断渗水情况从而再最终确定其渗水情况,根据混凝土试件发生渗水后会持续渗水的特性,多次重复过程可进一步有效消除算法误判现象,确保自动检测的准确度高。
3、本发明通过对抓拍的图像进行分割成不同试件区域进行各个试件渗水情况判断,这样可以实现一个摄像头同时开展多个试件的试验,工作效率更高。
附图说明
图1为本发明混凝土抗渗自动检测装置整体结构示意图。
其中,1-工作台,2-模座,3-按钮开关面板,4-工业摄像头,5-支架,6-试件
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明公开了一种基于机器视觉的混凝土抗渗自动检测仪方法,遵循GB/T50081-2002《普通混凝土力学性能试验方法标准》、T0528-94、GBJ81-85等标准要求。其基于如下结构设置,具体包含以下部分:
工作台:用于固定模座、控制模块、按钮开关面板、电子显示屏、水箱、电动机、水泵、阀门、工业摄像头等零部件。工作台由机架和台面组成,机架采用钢结构,台面采用钢板焊接制成,工作台整体做防锈和喷漆。
模座:用于固定封闭试验待检测混凝土试件,一个工作台可以安装多个模座,参见附图1,本实施方式中安装6个模座,可同时开展一组试验,用螺丝固定于工作台。
水压控制***:由水箱、水管、可调速水泵、电磁阀、PLC控制器及通信模块组成。
水箱用于储存试验用水,由可调速水泵通过水管输送水到模座底盘使其充满带压水,该水压力作用于试件。采用压力传感器实时采集模座底内的水压,控制***根据预设加压值、时间参数逐级加压,并自动调节水压。试验控制过程由PLC控制器通过通信模块接收水压传感器回传的实时水压数据,并通过发送调节水压传指令控制电磁阀和水泵。可调速水泵电机采用功率90瓦,转速1390转/分钟,配套电源380V-50HZ,流量0.11升/分钟,压力调节范围0.1-4Mpa。PLC控制器采用三菱FX2n系列可编程控制器或其他系列可满足要求的型号即可。
基于机器视觉的自动检测***:由操作电脑、工业摄像头、配套软件***组成。
工业摄像头通过支架架设于控制台模座的正上方,用于实时监测试件表面,在试验过程中采集试件表面视频和图像视觉数据。工业摄像头通过操作电脑提供的USB2.0以上标准接口免驱动接入。
项目设置模块,用于设定检测项目名称、试验员、检测时间。
***参数设置模块,用于设置参数:***参数设置模块用于设置逐步加压上限和下限值,下限设置为0.1Mpa,每个隔8小时加压0.1Mpa,上限工作压力4Mpa,下限设置为维持压力试验时长参数d设置为8小时(单位:小时),图像数据采集频率参数q(单位:分钟)设置为300秒、机器视觉判定误差参数θ(0=<θ<=1)设置为0.85,渗水判断持续时间参数β(β>=2q,且β为q的整数倍)设置为1800秒,渗水试件发生最低个数k(1=<k<=6)设置为2个。
图像获取模块,用于控制摄像头的开启与关闭并获取混凝土抗渗自动检测装置工作台上待检测试件正上方俯视视觉图像。如果获取的图像有歪斜现象,通过纵横两个方向可调节轨道调节摄像头位置和角度直至试件图像位于软件可视化区域正中位置,形成固定机器观测视觉范围。
自动检测模块,用于对获取到的图像基于机器视觉进行自动检测,所述自动检测模块包括第一判断检测模块、第二判断检测模块、第三判断检测模块;
第一判断检测模块用于通过计算整体图像相邻时刻的余弦相似度,初步判断整体获取的图像的渗水情况,并记录疑似点Y;
第二判断检测模块用于对第一判断检测模块检测有疑似渗水情况下的图像通过软件提供的直线工具将可视区域的6个模座固定的试件图像逻辑分割为独立的6个部分P1-P6,由程序记录6个矩形部分的位置。上述分割方法能够实现一个摄像头同时开展6个试件的试验,分别通过计算各试件图像的余弦相似度判断6个试件的各自渗水状况;
第三判断检测模块用于在ti+2q时刻,再次获取图像C,计算图像C和疑似点Y的相似度值,判断ti+q时刻渗水现象是否为误判;若ti+2q时刻试件继续出现疑似渗水现象,则采用第二判断检测模块再重复计算各自对应的相似度并判断每个试件的渗水情况;
第三判断检测模块还用于重复ti+2q时刻的上述计算过程β次,并判断如果渗水试件的个数大于等于k,则可判断为本组试验试件渗水,如果渗水试件的个数小于k或未发现渗水现象,继续进行试验直至设定的维持压力试验时长参数d小时结束。
试验报告生成和数据保存模块,用于根据自动检测模块的检测结果自动生成试验报告,并可通过数据保存试验报告、证据原始数据(图像及视频)到数据库中。
上述中,自动检测模块采用基于机器视觉的完成自动检测,具体步骤为:
1)当试验开始后,软件程序实时获取从操作电脑接口传入的实时水压数据,并与在***参数设置模块所设置的上限压力值比较判断水压***是否达到稳定维持值,如果未到达将进行等待加压,如果达到将进入正式检测阶段。
2)正式检测阶段通过以下程序算法自动完成检测:通过摄像头视角,首先抓取第一张试件图像,然后每隔q秒钟程序自动抓取一张试件图像。任意的ti时刻(ti>q)抓取的图像,记为A,ti+q时刻为A的下一张图像,记为B。将A和B可表示成为n维度向量,A=[A1,A2,…,An],B=[B1,B2,...,Bn],A和B的余弦相似度θ通过下面公式计算:
在ti+q时刻,由程序计算,如果A和B的相似度sim(A,B)值大于等于机器视觉判定误差参数θ,则6个试件均未出现渗水现象,程序继续执行;如果sim(A,B)值小于θ,则试件出现疑似渗水现象,记录疑似点图像为Y,自动启动视频记录保存视频证据数据,并自动保存图像A和图像B、时间、水压数据。
3)根据以下算法进一步判断每个试件的渗水情况:
根据逻辑分割的6个独立的试件图像区域S1-S6,分别计算图像A(A的6个区域记为AS1-AS6)和B(B的6个区域记为BS1-BS6)中的6个区域的各自的相似度sim(AS1,BS1)、sim(AS2,BS2)、sim(AS3,BS3)、sim(AS4,BS4)、sim(AS5,BS5)、sim(AS6,BS6),采用相同的策略将相似度结果与θ进行比较分别判断6个试件的各自渗水状况。如果相似度小于θ则该试件出现疑似渗水,记录该试件编号、渗水时间、水压数据。否则该试件未出现渗水现象。
4)在ti+2q时刻,抓拍图像为C,由程序计算如果图像C和疑似点Y的相似度sim(C,Y)值大于等于机器视觉判定误差参数θ,则ti+q时刻渗水现象为误判,清除疑似点Y图像为空,并清除疑似点Y相关记录数据。如果sim(C,Y)值小于θ,则试件继续出现疑似渗水现象,采用上述步骤3)的每个试件的渗水情况判断算法再重复计算判断每个试件的渗水情况。
5)重复上述过程ti+2q时刻的计算过程β次后,判断如果渗水试件的个数大于等于k,则可判断为本组试验试件渗水。根据混凝土试件发生渗水后会持续渗水的特性,上述β次的重复过程可进一步有效消除算法误判现象,确保自动检测的准确度高。
试验结束后,根据渗水试验模板进一步生成检测报告,并上传试验数据。如果渗水试件的个数小于k或未发现渗水现象,程序继续运行直至设定的维持压力试验时长参数d小时结束,根据未渗水试验模板,进一步生成检测报告,并上传试验数据。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于机器视觉的混凝土抗渗自动检测方法,其特征在于,包括如下步骤:
步骤1:首先设置如下参数:逐步加压上限和下限值、维持压力试验时长参数d、图像数据采集频率参数q、机器视觉判定误差参数θ、渗水判断持续时间参数β以及渗水试件发生最低个数k,1=<k<=m,m为混凝土抗渗自动检测装置工作台上同时开展一组试验的试件个数;
步骤2:获取混凝土抗渗自动检测装置工作台上待检测试件正上方俯视视觉图像;
步骤3:每隔q秒钟自动抓取一张试件图像,任意的ti时刻(ti>q)抓取的图像A,ti+q时刻抓取的图像B,将图像A和图像B可表示成为n维度向量,A=[A1,A2,…,An],B=[B1,B2,...,Bn],计算图像A和图像B的余弦相似度θ;
步骤4:在ti+q时刻,判断图像A和B的相似度sim(A,B)值大于等于机器视觉判定误差参数θ,则未出现渗水现象,继续进行抗渗试验;如果sim(A,B)值小于θ,则试件出现疑似渗水现象,记录疑似点图像为Y,保存视频证据数据,并自动保存图像A和图像B、时间、水压数据,转步骤5;
步骤5:将图像A和图像B逻辑分割为独立的m个部分P1-Pm,分别计算图像A的m个区域AS1-ASm和图像B的m个区域BS1-BSm中的m个区域的各自的相似度sim(AS1,BS1)、sim(AS2,BS2)、sim(AS3,BS3)、…、sim(ASm,BSm),采用步骤3所述余弦相似度θ计算方式将相似度结果与θ进行比较分别判断m个试件的各自渗水状况,并记录该试件编号、渗水时间以及水压数据;
步骤6:在ti+2q时刻,获取图像C,计算图像C和疑似点Y的相似度sim(C,Y)值,并判断sim(C,Y)值大于等于机器视觉判定误差参数θ,则ti+q时刻渗水现象为误判,清除疑似点Y图像为空,并清除疑似点Y相关记录数据;如果sim(C,Y)值小于θ,则试件继续出现疑似渗水现象,并采用上述步骤5方法再重复计算各自对应的相似度并判断每个试件的渗水情况;
步骤7:重复上述过程ti+2q时刻的计算过程β次后,判断如果渗水试件的个数大于等于k,则可判断为本组试验试件渗水,如果渗水试件的个数小于k或未发现渗水现象,继续进行试验直至设定的维持压力试验时长参数d小时结束。
2.根据权利要求1所述的基于机器视觉的混凝土抗渗自动检测方法,其特征在于,所述步骤1中渗水判断持续时间参数β>=2q,且β为q的整数倍。
4.根据权利要求1至3任一所述的基于机器视觉的混凝土抗渗自动检测方法,其特征在于,所述混凝土抗渗自动检测装置工作台上同时开展一组试验的试件个数m取6。
5.一种基于机器视觉的混凝土抗渗自动检测装置,其特征在于,包括:
***参数设置模块,用于设置参数:逐步加压上限和下限值、维持压力试验时长参数d、图像数据采集频率参数q、机器视觉判定误差参数θ、渗水判断持续时间参数β以及渗水试件发生最低个数k,1=<k<=m,m为混凝土抗渗自动检测装置工作台上同时开展一组试验的试件个数;
图像获取模块,用于控制摄像头的开启与关闭并获取混凝土抗渗自动检测装置工作台上待检测试件正上方俯视视觉图像;
自动检测模块,用于对获取到的图像基于机器视觉进行自动检测,所述自动检测模块包括第一判断检测模块、第二判断检测模块;
所述第一判断检测模块用于通过计算整体图像相邻时刻的余弦相似度,初步判断整体获取的图像的渗水情况,并记录疑似点Y;
所述第二判断检测模块用于对第一判断检测模块检测有疑似渗水情况下的图像进行分割为独立的m个部分,分别通过计算各试件图像的余弦相似度判断m个试件的各自渗水状况;
试验报告生成和数据保存模块,用于根据自动检测模块的检测结果自动生成试验报告,并保存试验报告、证据原始数据到数据库中。
6.根据权利要求5所述的基于机器视觉的混凝土抗渗自动检测装置,其特征在于,所述自动检测模块还包括第三判断检测模块;
所述第三判断检测模块用于在ti+2q时刻,再次获取图像C,计算图像C和疑似点Y的相似度值,判断ti+q时刻渗水现象是否为误判;若ti+2q时刻试件继续出现疑似渗水现象,则采用第二判断检测模块再重复计算各自对应的相似度并判断每个试件的渗水情况;
第三判断检测模块还用于重复ti+2q时刻的上述计算过程β次,并判断如果渗水试件的个数大于等于k,则可判断为本组试验试件渗水,如果渗水试件的个数小于k或未发现渗水现象,继续进行试验直至设定的维持压力试验时长参数d小时结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111200751.4A CN113899675B (zh) | 2021-10-13 | 2021-10-13 | 一种基于机器视觉的混凝土抗渗自动检测方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111200751.4A CN113899675B (zh) | 2021-10-13 | 2021-10-13 | 一种基于机器视觉的混凝土抗渗自动检测方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113899675A CN113899675A (zh) | 2022-01-07 |
CN113899675B true CN113899675B (zh) | 2022-05-27 |
Family
ID=79192117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111200751.4A Active CN113899675B (zh) | 2021-10-13 | 2021-10-13 | 一种基于机器视觉的混凝土抗渗自动检测方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113899675B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116399515B (zh) * | 2023-04-21 | 2024-03-15 | 苏州亚太精睿传动科技股份有限公司 | 一种基于机器视觉确定变速箱泄漏工况的方法及*** |
CN116465814B (zh) * | 2023-06-19 | 2023-09-22 | 四川省兴冶岩土工程检测有限责任公司 | 混凝土抗渗仪控制***、方法及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612763A (zh) * | 2020-05-20 | 2020-09-01 | 重庆邮电大学 | 手机屏幕缺陷检测方法、装置及***、计算机设备及介质 |
CN112785594A (zh) * | 2021-03-16 | 2021-05-11 | 合肥工业大学 | 基于图像二维幅值估计的桥梁自动结构裂缝识别方法 |
CN112950606A (zh) * | 2021-03-15 | 2021-06-11 | 重庆邮电大学 | 一种基于小样本的手机屏幕缺陷分割方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105043254B (zh) * | 2015-06-24 | 2018-01-02 | 东华大学 | 一种服装标牌印制质量自动检测装置及其检测方法 |
US9767381B2 (en) * | 2015-09-22 | 2017-09-19 | Xerox Corporation | Similarity-based detection of prominent objects using deep CNN pooling layers as features |
CN111781124A (zh) * | 2020-07-27 | 2020-10-16 | 元准智能科技(苏州)有限公司 | 一种基于机器视觉的混凝土与砂浆抗渗仪及渗水检测方法 |
CN112101208A (zh) * | 2020-09-15 | 2020-12-18 | 江苏慧明智能科技有限公司 | 高龄老人特征串联融合手势识别方法及装置 |
CN112463999A (zh) * | 2020-12-10 | 2021-03-09 | 中国科学院深圳先进技术研究院 | 视觉位置识别方法及装置、计算机设备及可读存储介质 |
CN214174098U (zh) * | 2021-01-18 | 2021-09-10 | 甘肃路桥建设集团有限公司 | 一种混凝土抗渗试验自动检测装置 |
CN113112503B (zh) * | 2021-05-10 | 2022-11-22 | 上海合乐医疗科技有限公司 | 一种基于机器视觉实现药品标签自动检测的方法 |
CN113435412B (zh) * | 2021-07-26 | 2022-09-20 | 张晓寒 | 一种基于语义分割的水泥布料区域检测方法 |
-
2021
- 2021-10-13 CN CN202111200751.4A patent/CN113899675B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612763A (zh) * | 2020-05-20 | 2020-09-01 | 重庆邮电大学 | 手机屏幕缺陷检测方法、装置及***、计算机设备及介质 |
CN112950606A (zh) * | 2021-03-15 | 2021-06-11 | 重庆邮电大学 | 一种基于小样本的手机屏幕缺陷分割方法 |
CN112785594A (zh) * | 2021-03-16 | 2021-05-11 | 合肥工业大学 | 基于图像二维幅值估计的桥梁自动结构裂缝识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113899675A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113899675B (zh) | 一种基于机器视觉的混凝土抗渗自动检测方法、装置 | |
CN110146019B (zh) | 一种基于工业相机的工件尺寸在线检测与自动补偿方法 | |
CN116465315B (zh) | 一种网版质量自动化检测方法及*** | |
CN102928340A (zh) | 基于图像分析同时测定煤的显微组分含量和镜质体反射率的方法及其专用设备 | |
CN101806750A (zh) | 一种自动检测煤岩参数的方法及其专用设备 | |
Aydilek et al. | Use of image analysis in determination of strain distribution during geosynthetic tensile testing | |
CN109236802A (zh) | 一种电磁换向阀抽样自动测试设备及其工作方法 | |
CN111060257B (zh) | 一种气密性实验测试装置及其测试方法 | |
CN209927360U (zh) | 一种快速测试盾尾密封油脂抗水压密封性装置 | |
CN116465814B (zh) | 混凝土抗渗仪控制***、方法及计算机可读存储介质 | |
CN112379048A (zh) | 一种基于大数据的电气自动化设备快速检测*** | |
CN115575402B (zh) | 一种收口筒形零件内壁缺陷智能识别、计算、判断方法 | |
CN110501534A (zh) | 一种pcba测试***及其控制方法 | |
LU101573B1 (en) | Hydrate Triaxial Experimental Equipment | |
CN108678939B (zh) | 水泵汽蚀余量值的检测方法与*** | |
CN108154507A (zh) | 螺纹管异物检测*** | |
CN211061565U (zh) | 样品ph检测装置及样品自动化检测*** | |
CN114113198B (zh) | 用于测试岩石流体包裹体均一温度的方法及*** | |
Gadelmawla et al. | Application of computer vision for the prediction of cutting conditions in milling operations | |
CN220473314U (zh) | 一种岩土试样小吸力范围土水特征曲线的测试装置 | |
CN217277716U (zh) | 一种抗渗试件远程观察与控制装置 | |
CN221351403U (zh) | 一种用于自动测定发动机冷却液冰点的*** | |
CN219369421U (zh) | 一种耐静水压测试仪 | |
LU102523B1 (en) | Hydrate Triaxial Experimental Equipment | |
CN211785247U (zh) | 适用于施工现场的混凝土凝结时间自动测定装置 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220107 Assignee: Huai'an Huairui Information Technology Co.,Ltd. Assignor: HUAIYIN INSTITUTE OF TECHNOLOGY Contract record no.: X2022980025546 Denomination of invention: An automatic detection method and device for concrete impermeability based on machine vision Granted publication date: 20220527 License type: Common License Record date: 20221209 |