预制混凝土构件点状凹坑结合面粗糙度检测方法及系统技术方案

本发明专利技术提供一种预制混凝土构件点状凹坑结合面粗糙度检测方法及检测系统，其中，方法包括：获取图像采集设备采集的待检测的点状凹坑结合面的第一图像；去除第一图像中的干扰区域，获得第二图像；基于预设的分区规则对第二图像进行分区，获取多个分区图像；从分区图像，确定多个检测区域；对检测区域进行粗糙度检测，确定多个粗糙度检测值；基于多个粗糙度检测值，确定点状凹坑结合面的粗糙度。本发明专利技术的预制混凝土构件点状凹坑结合面粗糙度检测方法，基于点状凹坑结合面整体图像进行分析，进而实现粗糙度的确定，保证粗糙度确定的准确性。性。性。

【技术实现步骤摘要】
预制混凝土构件点状凹坑结合面粗糙度检测方法及系统


[0001]本专利技术涉及粗糙度检测
，特别涉及一种预制混凝土构件点状凹坑结合面粗糙度检测方法及系统。

技术介绍

[0002]目前，在建筑施工时，常常进行混凝土构件的预制；在架设时进行混凝土构件相互拼接规定，提高了建筑施工的效率及速度。为保证各个结合面的结合效果及各个混凝土构件之间不会相对滑动，混凝土构件之间的结合面设计为点状凹坑结构，以增加摩擦；因此对于预制混凝土构件的点状凹坑结合面的粗糙度检测是预制混凝土构件的一项重要指标；
[0003]现有专利CN202011139618.8预制混凝土构件点状凹坑结合面粗糙度检测方法，公开了在结合面上进行测区预备区布置，从测区预备区中提取测区，对测区的粗糙度进行计算，以测区的粗糙度综合推断出结合面的粗糙度，其并不能准确反应结合面的粗糙度。

技术实现思路

[0004]本专利技术目的之一在于提供了一种预制混凝土构件点状凹坑结合面粗糙度检测方法，基于点状凹坑结合面整体图像进行分析，进而实现粗糙度的确定，保证粗糙度确定的准确性。
[0005]本专利技术实施例提供的一种预制混凝土构件点状凹坑结合面粗糙度检测方法，包括：
[0006]获取图像采集设备采集的待检测的点状凹坑结合面的第一图像；
[0007]去除第一图像中的干扰区域，获得第二图像；
[0008]基于预设的分区规则对第二图像进行分区，获取多个分区图像；
[0009]从分区图像，确定多个检测区域；
[0010]对检测区域进行粗糙度检测，确定多个粗糙度检测值；
[0011]基于多个粗糙度检测值，确定点状凹坑结合面的粗糙度。
[0012]优选的，去除第一图像中的干扰区域，获得第二图像，包括：
[0013]基于预设的图像识别模型对第一图像进行识别，确定干扰物的类型、干扰物在第一图像中的位置及干扰物的参数；
[0014]基于干扰物的类型和干扰物的参数，查询预设的干扰物与干扰区域的对应表，确定干扰区域的参数；对应表中干扰物的类型、干扰物的参数与干扰区域的参数相对应关联；
[0015]基于干扰区域的参数和干扰物在第一图像中的位置，确定第一图像中的干扰区域。
[0016]优选的，基于预设的分区规则对第二图像进行分区，获取多个分区图像；包括：
[0017]基于预设的网格模板对第二图像进行分割，提取图像区域大于预设的比例的网格的图像作为分区图像。
[0018]优选的，从分区图像，确定多个检测区域，包括：
[0019]基于预设的第一特征提取模板对各个分区图像进行特征提取，基于提取的特征值构建各个分区图像对应的标识集；
[0020]基于标识集，确定两两的分区图像之间的相似度；
[0021]基于相似度，对分区图像进行分组，获取多个分组集合；
[0022]从各个分组集合内，分别提取预设的个数的分区图像；
[0023]将提取的分区图像对应的区域作为检测区域；
[0024]其中，从各个分组集合内，分别提取预设的个数的分区图像，包括：
[0025]计算分组集合内的分区图像与分组集合内的其他的分区图像之间的相似度的总和；
[0026]基于相似度的总和的从大到小，对分组集合内的分区图像进行排序，提取前预设的个数的分区图像。
[0027]优选的，在从分组集合中提取分区图像之前，还包括：
[0028]确定各个分组集合中分区图像的个数占分区图像总数的占比；
[0029]当占比小于等于预设的第一占比阈值时，将对应的分组集合置为待筛选处理；
[0030]将所有的待筛选处理的各个分组集合进行并集处理，获取待筛选集合；
[0031]当待筛选集合中分区图像的个数占分区图像总数的占比小于等于预设的第二占比阈值时，将待筛选集合删除，不进行检测区域的提取；
[0032]当待筛选集合中分区图像的个数占分区图像总数的占比大于预设的第二占比阈值时，获取非待筛选处理的分组集合的数目；基于非待筛选处理的分组集合的数目，确定非待筛选处理的分组集合将要提取的分区图像的数目总和；基于非待筛选处理的分组集合将要提取的分区图像的数目总和、非待筛选处理的分组集合的分区图像的个数占分区图像总数的占比和待筛选集合中分区图像的个数占分区图像总数的占比，确定待筛选集合中分区图像的提取数量并提取分区图像，将提取的分区图像对应的区域作为检测区域；
[0033]其中，从待筛选集合中提取分区图像，包括：
[0034]计算待筛选集合内的分区图像与待筛选集合内的其他的分区图像之间的相似度的总和；
[0035]基于相似度的总和的从大到小，从待筛选集合中提取提取数量的分区图像。
[0036]优选的，对检测区域进行粗糙度检测，确定多个粗糙度检测值；包括：
[0037]通过三维扫描以对检测区域进行扫描，获取第三图像；
[0038]将第三图像输入至预设的神经网络模型，确定检测因子；
[0039]基于检测因子查询预设的检测因子与粗糙度检测值的对照表，确定粗糙度检测值；
[0040]基于多个粗糙度检测值，确定点状凹坑结合面的粗糙度，包括：
[0041]对出于同一个分组集合或待筛选集合的粗糙度检测值进行算术平均值运算，确定多个算术平均值；
[0042]基于各个算术平均值对应的分组集合的数目或待筛选集合的数目，对各个算术平均值进行权重赋值，确定各个算术平均值对应的权重；
[0043]基于各个算术平均值和算术平均值对应的权重，确定点状凹坑结合面的粗糙度。
[0044]本专利技术还提供一种预制混凝土构件点状凹坑结合面粗糙度检测系统，包括：
[0045]第一图像获取模块，用于获取图像采集设备采集的待检测的点状凹坑结合面的第一图像；
[0046]干扰去除模块，用于去除第一图像中的干扰区域，获得第二图像；
[0047]分区模块，用于基于预设的分区规则对第二图像进行分区，获取多个分区图像；
[0048]检测区域确定模块，用于从分区图像，确定多个检测区域；
[0049]粗糙度检测模块，用于对检测区域进行粗糙度检测，确定多个粗糙度检测值；并基于多个粗糙度检测值，确定点状凹坑结合面的粗糙度。
[0050]优选的，干扰去除模块执行如下操作：
[0051]基于预设的图像识别模型对第一图像进行识别，确定干扰物的类型、干扰物在第一图像中的位置及干扰物的参数；
[0052]基于干扰物的类型和干扰物的参数，查询预设的干扰物与干扰区域的对应表，确定干扰区域的参数；对应表中干扰物的类型、干扰物的参数与干扰区域的参数相对应关联；
[0053]基于干扰区域的参数和干扰物在第一图像中的位置，确定第一图像中的干扰区域。
[0054]优选的，分区模块基于预设的分区规则对第二图像进行分区，获取多个分区图像，包括：
[0055]基于预设的网格模板对第二图像进行分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预制混凝土构件点状凹坑结合面粗糙度检测方法，其特征在于，包括：获取图像采集设备采集的待检测的点状凹坑结合面的第一图像；去除所述第一图像中的干扰区域，获得第二图像；基于预设的分区规则对所述第二图像进行分区，获取多个分区图像；从所述分区图像，确定多个检测区域；对所述检测区域进行粗糙度检测，确定多个粗糙度检测值；基于多个所述粗糙度检测值，确定所述点状凹坑结合面的粗糙度。2.如权利要求1所述的预制混凝土构件点状凹坑结合面粗糙度检测方法，其特征在于，所述去除所述第一图像中的干扰区域，获得第二图像，包括：基于预设的图像识别模型对所述第一图像进行识别，确定干扰物的类型、干扰物在所述第一图像中的位置及干扰物的参数；基于所述干扰物的类型和所述干扰物的参数，查询预设的干扰物与干扰区域的对应表，确定所述干扰区域的参数；所述对应表中所述干扰物的类型、所述干扰物的参数与所述干扰区域的参数相对应关联；基于所述干扰区域的参数和所述干扰物在所述第一图像中的位置，确定所述第一图像中的所述干扰区域。3.如权利要求1所述的预制混凝土构件点状凹坑结合面粗糙度检测方法，其特征在于，所述基于预设的分区规则对所述第二图像进行分区，获取多个分区图像；包括：基于预设的网格模板对所述第二图像进行分割，提取图像区域大于预设的比例的网格的图像作为所述分区图像。4.如权利要求1所述的预制混凝土构件点状凹坑结合面粗糙度检测方法，其特征在于，所述从分区图像，确定多个检测区域，包括：基于预设的第一特征提取模板对各个所述分区图像进行特征提取，基于提取的特征值构建各个所述分区图像对应的标识集；基于所述标识集，确定两两所述的分区图像之间的相似度；基于所述相似度，对所述分区图像进行分组，获取多个分组集合；从各个所述分组集合内，分别提取预设的个数的所述分区图像；将提取的所述分区图像对应的区域作为所述检测区域；其中，从各个所述分组集合内，分别提取预设的个数的所述分区图像，包括：计算所述分组集合内的所述分区图像与所述分组集合内的其他的所述分区图像之间的所述相似度的总和；基于所述相似度的总和的从大到小，对所述分组集合内的所述分区图像进行排序，提取前预设的个数的所述分区图像。5.如权利要求4所述的预制混凝土构件点状凹坑结合面粗糙度检测方法，其特征在于，在从所述分组集合中提取所述分区图像之前，还包括：确定各个分组集合中所述分区图像的个数占所述分区图像总数的占比；当所述占比小于等于预设的第一占比阈值时，将对应的所述分组集合置为待筛选处理；将所有的待筛选处理的各个所述分组集合进行并集处理，获取待筛选集合；
当所述待筛选集合中所述分区图像的个数占所述分区图像总数的占比小于等于预设的第二占比阈值时，将所述待筛选集合删除，不进行所述检测区域的提取；当所述待筛选集合中所述分区图像的个数占所述分区图像总数的占比大于预设的第二占比阈值时，获取非待筛选处理的所述分组集合的数目；基于非待筛选处理的所述分组集合的数目，确定非待筛选处理的所述分组集合将要提取的所述分区图像的数目总和；基于非待筛选处理的所述分组集合将要提取的所述分区图像的数目总和、非待筛选处理的所述分组集合的所述分区图像的个数占所述分区图像总数的占比和所述待筛选集合中所述分区图像的个数占所述分区图像总数的占比，确定所述待筛选集合中所述分区图像的提取数量并提取所述分区图像，将提取的所述分区图像对应的区域作为所述检测区域；其中，从所述待筛选集合中提...

【专利技术属性】
技术研发人员：刘红霞，周君南，王浩，
申请(专利权)人：刘红霞，
类型：发明
国别省市：