基于纹理特征的沥青质量检测方法、系统及电子设备技术方案

本发明专利技术揭示了一种基于纹理特征的沥青质量检测方法、系统及电子设备，属于计算机应用技术领域。所述方法包括：获取对沥青采集的目标图像；采用纹理特征提取算法从所述目标图像中提取纹理特征；根据所述纹理特征判断所述目标图像中的沥青质量。上述基于纹理特征的沥青质量检测方法、系统及电子设备能够实现沥青质量检测的自动化，无需专门的操作人员进行沥青质量的检测，避免进行沥青质量检测时给人体健康带来严重危害。

【技术实现步骤摘要】
基于纹理特征的沥青质量检测方法、系统及电子设备
本专利技术涉及计算机应用
，特别涉及一种基于纹理特征的沥青质量检测方法、系统及电子设备。
技术介绍
沥青通常存储在大型储罐中，当在使用输出时，需要对储罐中的沥青进行加热，以提高沥青的流动性，使沥青能够顺利、快速输出。在沥青输出时，需同时检测沥青的质量，确保输出沥青的质量合格。目前，通常是采用人工抽样方式检测沥青的质量，但实际生产环境通常是高温、有毒烟、有气味的环境，导致在对沥青进行质量检测时给人体健康带来严重危害。
技术实现思路
为了解决相关技术中进行沥青质量检测时给人体健康带来严重危害的技术问题，本专利技术提供了一种基于纹理特征的沥青质量检测方法、系统及电子设备。第一方面，提供了一种基于纹理特征的沥青质量检测方法，包括：获取对沥青采集的目标图像；采用纹理特征提取算法从所述目标图像中提取纹理特征；根据所述纹理特征判断所述目标图像中的沥青质量。可选的，所述采用纹理特征提取算法从所述目标图像中提取纹理特征的步骤包括：采用灰度共生矩阵算法从所述目标图像中提取纹理特征。可选的，所述采用灰度共生矩阵算法从所述目标图像中提取纹理特征的步骤包括：对所述目标图像进行灰度降级；根据设定的窗口大小，对经过灰度降级的所述目标图像逐窗口计算灰度共生矩阵；根据所述灰度共生矩阵计算纹理特征。可选的，所述纹理特征包括对比度、能量、熵、相关性等中的一种或多种。可选的，所述根据所述纹理特征判断所述目标图像中的沥青质量的步骤包括：当检测到所述纹理特征中的熵和对比度均达到相应的预设阈值时，则确定所述目标图像中的沥青质量为花料。可选的，所述根据所述纹理特征判断所述目标图像中的沥青质量的步骤之后，所述方法还包括：根据所述沥青质量，通过语音或图像对操作人员进行沥青质量的提醒。第二方面，提供了一种基于纹理特征的沥青质量检测系统，包括：目标图像获取模块，用于获取对沥青采集的目标图像；纹理特征提取模块，用于采用纹理特征提取算法从所述目标图像中提取纹理特征；沥青质量判断模块，用于根据所述纹理特征判断所述目标图像中的沥青质量。可选的，所述纹理特征提取模块包括：样本图像采集单元，用于对所述目标图像进行灰度降级；灰度共生矩阵计算单元，用于根据设定的窗口大小，对经过灰度降级的所述目标图像逐窗口计算灰度共生矩阵；纹理特征计算单元，用于根据所述灰度共生矩阵计算纹理特征。第三方面，提供了一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。第四方面，提供了一种计算机可读性存储介质，用于存储程序，其特征在于，所述程序在被执行时使得电子设备执行如第一方面的方法。通过本专利技术的实施例提供的技术方案能够得到以下有益效果：在进行沥青质量检测时，在获取对沥青采集的目标图像后，采用纹理特征提取算法从所述目标图像中提取纹理特征，进而根据纹理特征即可自动识别目标图像中的沥青质量，从而实现沥青质量检测的自动化，无需专门的操作人员进行沥青质量的检测，避免进行沥青质量检测时给人体健康带来严重危害。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，本专利技术并不受限制。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种基于纹理特征的沥青质量检测方法流程图。图2是根据图1对应实施例示出的基于纹理特征的沥青质量检测方法中步骤S120的一种具体实现流程图。图3是根据一示例性实施例示出的一种基于纹理特征的沥青质量检测系统的框图。图4是根据图3对应实施例示出的基于纹理特征的沥青质量检测系统中纹理特征提取模块120的一种框图。图5是根据一示例性实施例示出的一种电子设备的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所记载的、本专利技术的一些方面相一致的系统和方法的例子。图1是根据一示例性实施例示出的一种基于纹理特征的沥青质量检测方法流程图，该基于纹理特征的沥青质量检测方法可用于智能手机、电脑等电子设备中。如图1所示，该基于纹理特征的沥青质量检测方法可以包括以下步骤。步骤S110，获取对沥青采集的目标图像。目标图像是针对将进行质量检测的沥青采集的图像。目标图像可以是实时采集的一个图像；也可以是从预先采集的图像库中提取的一个图像；也可以是在视频采集存储后，从存储的视频中提取的一个图像帧；还可以是其它形式采集的图像。沥青是由不同分子量的碳氢化合物及其非金属衍生物组成的黑褐色复杂混合物，是高黏度有机液体的一种，呈液态，表面呈黑色，可溶于二硫化碳。沥青是一种防水防潮和防腐的有机胶凝材料。沥青主要可以分为煤焦沥青、石油沥青和天然沥青三种：其中，煤焦沥青是炼焦的副产品。石油沥青是原油蒸馏后的残渣。天然沥青则是储藏在地下，有的形成矿层或在地壳表面堆积。沥青主要用于涂料、塑料、橡胶等工业以及铺筑路面等。2017年10月27日，世界卫生组织国际癌症研究机构公布的致癌物清单初步整理参考，沥青、职业暴露于氧化沥青及其在盖屋顶过程中的排放在2A类致癌物清单中，铺路时职业暴露于直馏沥青及其排放物、做沥青砂胶工作时职业暴露于硬沥青及其排放物在2B类致癌物清单中。因此，当采用人工抽样方式检测沥青质量时，将对检测人员的身体健康带来严重危害。步骤S120，采用纹理特征提取算法从目标图像中提取纹理特征。纹理特征刻画了图像中重复出现的局部模式与他们的排列规则。通常地，纹理特征提取算法包括基于统计的算法、基于模型的算法、基于结构的算法、基于信号处理的算法。基于统计的算法包括灰度共生矩阵、灰度行程统计、灰度差分统计、局部灰度统计、半方差图、自相关函数等；基于模型的算法包括同步自回归模型、马尔可夫模型、吉布斯模型、滑动平均模型、复杂网络模型等；基于结构的算法包括句法纹理分析、数学形态学法、Laws纹理测量、特征滤波器等；基于信号处理的算法包括Radon变换、离散余弦变换、局部傅里叶变化、Gabor变换、二进制小波变换、树形小波分解等。灰度共生矩阵(Gray-LevelCo-occurrenceMatrix，GLCM)统计了灰度图中像素间的灰度值分布规律以区分不同的纹理。灰度共生矩阵可以定义为一个灰度值为i的像素点与另一个与之对应位置上的像素点的灰度值为j的概率。那么所有估计的值可以表示成一个矩阵的形式，以此被称为灰度共生矩阵。如：根据图像中任意一点(x,y)(x,y)(x,y)的灰度值和它所对应的点(x+dx,y+dy)(x+dx,y+dy)(x+d_x,y+d_y)的灰度值可以得到一个灰度值组合(g1,g2)(g1,g2)(g_1,g_2)。统计整福图像每一种灰度值组合出现的概率矩阵P即为灰度共生矩阵。由于灰度共生矩阵的维度较大，一般不直接作为区分纹理的特征，而是基于它构建的一些统计量作为纹理特征。例如Haralick曾提出了14种基于灰度共生矩阵算法提取的纹理特征：能量、熵本文档来自技高网...

【技术保护点】
1.一种基于纹理特征的沥青质量检测方法，其特征在于，所述方法包括：获取对沥青采集的目标图像；采用纹理特征提取算法从所述目标图像中提取纹理特征；根据所述纹理特征判断所述目标图像中的沥青质量。

【技术特征摘要】
1.一种基于纹理特征的沥青质量检测方法，其特征在于，所述方法包括：获取对沥青采集的目标图像；采用纹理特征提取算法从所述目标图像中提取纹理特征；根据所述纹理特征判断所述目标图像中的沥青质量。2.根据权利要求1所述的方法，其特征在于，所述采用纹理特征提取算法从所述目标图像中提取纹理特征的步骤包括：采用灰度共生矩阵算法从所述目标图像中提取纹理特征。3.根据权利要求2所述的方法，其特征在于，所述采用灰度共生矩阵算法从所述目标图像中提取纹理特征的步骤包括：对所述目标图像进行灰度降级；根据设定的窗口大小，对经过灰度降级的所述目标图像逐窗口计算灰度共生矩阵；根据所述灰度共生矩阵计算纹理特征。4.根据权利要求1所述的方法，其特征在于，所述纹理特征包括对比度、能量、熵、相关性等中的一种或多种。5.根据权利要求4所述的方法，其特征在于，所述根据所述纹理特征判断所述目标图像中的沥青质量的步骤包括：当检测到所述纹理特征中的熵和对比度均达到相应的预设阈值时，则确定所述目标图像中的沥青质量为花料。6.根据权利要求1所述的方法，其特征在于，所述根据所述纹理特征判断所述目标图像中的沥青质量的步骤之后，...

【专利技术属性】
技术研发人员：徐泽明，宋光俊，
申请(专利权)人：深圳增强现实技术有限公司，
类型：发明
国别省市：广东,44