【技术实现步骤摘要】
一种基于机器视觉的钢质腐蚀安全检测方法与系统
[0001]本专利技术属于图像处理
,尤其涉及一种基于机器视觉的钢质腐蚀安全检测方法与系统。
技术介绍
[0002]金属腐蚀是指金属的表面被腐蚀后,生成了肉眼可见的腐蚀生成物,如金属的氧化物、氢氧化物。腐蚀是钢结构建筑中一种普遍存在的缺陷。腐蚀不仅影响结构美观,而且会削弱钢结构构件截面性能,引起钢材力学性能指标(如屈服强度、极限强度、伸长率)退化,造成钢结构建筑可靠性和安全性降低。
[0003]论文《基于集成卷积神经网络的钢结构腐蚀识别》中作者桂常清通过集成卷积神经网络能够精确地识别钢结构的腐蚀等级和腐蚀比例,识别结果可用于钢结构腐蚀程度评估,为腐蚀处理措施决策提供依据。但是对于钢结构的装置来说,仅仅采用图像识别的方式对钢质架构的腐蚀情况进行识别,由于仅能判断钢质架构的表面的腐蚀情况,而没有基于图像识别的方式识别得到的钢质架构的腐蚀情况到达一定程度后,与钢质架构的材质、使用年限等结合到一起对钢质架构的腐蚀等级进行预测,不能准确的反应实际的钢质架构的腐蚀等级,且未根据钢质架构的应用场合、具体结构、钢质架构的所在地区的空气中的平均盐雾含量进行安全风险的确定,导致钢质架构的判断标准不准确,且存在较高的安全风险。
[0004]针对上述技术问题,本专利技术提供了一种基于机器视觉的钢质腐蚀安全检测方法与系统。
技术实现思路
[0005]为实现本专利技术目的,本专利技术采用如下技术方案:
[0006]根据本专利技术的一个方面,提供了一种基于 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的钢质腐蚀安全检测方法,其特征在于,具体包括:S11提取钢质架构的表面图像,并将所述表面图像传输至基于PAM
‑
Resnet算法与Faster R
‑
CNN算法构成的预测模型中,求得所述钢质架构的腐蚀系数;S12当所述钢质架构的腐蚀系数大于第一腐蚀阈值时,基于所述腐蚀系数、碳元素含量、铜元素含量、磷元素含量、使用年限、所在地区的年平均降雨量、所在地区的空气中的平均盐雾含量构成输入集,并将所述输入集输入到基于ABC
‑
LSTM算法的预测模型中,得到所述钢质架构的腐蚀等级;S13基于所述腐蚀等级、所述钢质架构的应用场合、所述钢质架构的具体结构、所述钢质架构的所在地区的空气中的平均盐雾含量,确定所述钢质架构的安全状态。2.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法,其特征在于,所述腐蚀系数的预测步骤为:S21将所述表面图像传输至基于PAM
‑
Resnet算法的预测模型中,得到所述钢质架构的腐蚀面积和腐蚀比例;S22将所述表面图像传输至基于Faster R
‑
CNN算法的预测模型中,得到所述钢质架构的腐蚀深度;S23基于所述腐蚀面积、所述腐蚀比例、所述腐蚀深度构建腐蚀系数。3.根据权利要求2所述的基于机器视觉的钢质腐蚀安全检测方法,其特征在于,所述腐蚀系数的计算公式为:其中T为腐蚀系数,S为腐蚀面积、b为腐蚀比例,K2为腐蚀深度,K1为补偿系数。4.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法,其特征在于,所述第一腐蚀阈值的计算公式为:T1=K3(K4e
w
+K5ln y)其中T1为第一腐蚀阈值,K3为根据所述钢质架构的应用场合和结构确定的权值系数,K4、K5分别为权值系数,w、y分别为所述钢质架构的所在地区的空气中的平均盐雾含量、所在地区的年平均降雨量。5.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法,其特征在于,还包括第二腐蚀阈值,当所述腐蚀系数大于第二腐蚀阈值时,此时提高对所述腐蚀系数的检测频率,所述第二腐蚀阈值小于第一腐蚀阈值。6.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法,其特征在于,当所述腐蚀系数大于第二腐蚀阈值且持续时间大于第一时间阈值,且所述钢质架构所处地区的地区影响因素大于第一影响阈值,此时对所述钢质架构的安全状态进行确定。7.根据权利要求6所述的基于机器视觉的钢质腐蚀安全检测方法,其特征在于,所述地区影响因素的计算公...
【专利技术属性】
技术研发人员:贾丽星,郭伦甫,赵玉萌,张福海,曹哲,覃波,
申请(专利权)人:广州市万保职业安全事务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。