一种基于图像AI智能识别的孔壁缺陷检测方法技术

本发明专利技术涉及建筑施工技术领域，尤其涉及一种基于图像AI智能识别的孔壁缺陷检测方法，包括如下步骤：S1、通过检测装置对需要进行检测的孔的侧壁进行图像采集；S2、根据采样深度步距提取对应的视频帧图片；S3、计算视频帧特征值，绘制深度

【技术实现步骤摘要】
一种基于图像AI智能识别的孔壁缺陷检测方法


[0001]本专利技术涉及建筑施工
，尤其涉及一种基于图像AI智能识别的孔壁缺陷检测方法。

技术介绍

[0002]建筑桩基即灌注桩是在地下成孔，成孔方法可以是冲孔、钻孔、沉管成桩、人工挖孔等，然后放入钢筋笼，浇注水下混凝土而成的桩。抽芯检测也叫钻芯检测，是指在混凝土灌注桩上使用专用钻机钻芯，提取芯样，根据芯样的状况，分析评价桩身完整性，钻取的样品，由工程技术人员进行分析检测，出具检测报告。管桩施工过程中经常出现接桩错位、管壁破裂等一系列质量缺陷，因此需要对钻芯孔孔壁及管桩孔壁、混凝土缺陷、岩层分布等进行检测。
[0003]目前常见的检测方法为钻孔电视检测，通过前景摄像方式无法直接观测孔壁，有效图像的像素较低；传统的设备需要将图像环形展开、拼接、图像变形严重且清晰度不够；传统的旋转式摄像方式结构复杂、无法实现连续的垂直检测；传统的传输方式电缆芯数较多、成本较高且电缆芯破断的概率较高；传统的侧向视频为旋转式、需要在已知深度停留进行扫查；传统的视频检测需要人工对视频进行回放、筛查；传统的侧向视频检测、无法快速识别缺陷、裂缝。
[0004]综上所述，现有的钻孔检测方法普遍存在采集图像质量差和需要人工进行视频排查、工作量大、效率低的问题。为此，我们提出一种基于图像AI智能识别的孔壁缺陷检测方法。

技术实现思路

[0005]基于
技术介绍
存在的技术问题，本专利技术提出了一种基于图像AI智能识别的孔壁缺陷检测方法，通过算法智能识别视频中与深度对应的视频帧的特征值、绘制深度—特征值曲线，通过曲线变化查看任意深度的视频图片，描述缺陷特征，快速生成检测报告。解决了传统技术需要人工通过视频排查、工作量大、效率低的问题。
[0006]本专利技术提供如下技术方案：一种基于图像AI智能识别的孔壁缺陷检测方法，包括如下步骤：
[0007]S1、通过检测装置对需要进行检测的孔的侧壁进行图像采集；
[0008]S2、根据采样深度步距提取对应的视频帧图片；
[0009]S3、计算视频帧特征值，绘制深度
‑
特征值曲线；
[0010]S4、根据曲线变化提取对应深度图片，分析缺陷特征，生成检测报告。
[0011]优选的，所述步骤S1中检测装置采用四组摄像头从四个方向直接对需要进行检测的孔的侧壁进行观测，进而对孔壁的360
°
直接摄像。
[0012]优选的，所述步骤S1的检测装置上设置有九轴陀螺仪，通过九轴陀螺仪实时采集九轴数据，包含三轴磁场强度、三轴加速度、三轴角速度，进行数据融合之后输出基于四元
数的欧拉角，反应检测装置的实时姿态。
[0013]优选的，所述步骤S1中利用控制板读取陀螺仪数据和摄像头的摄像数据，并通过载波模块将多路网络信号、485信号转换成电力载波信号，实现两芯电缆的远距离复合信号传输，将陀螺仪数据和摄像头的摄像数据传输至上位机。
[0014]优选的，所述上位机分析陀螺仪数据，用以检测孔的垂直度、偏移度信息，通过上位机分析摄像头的摄像数据，用以检测孔壁的裂纹状态、岩层分布信息。
[0015]优选的，所述步骤S3中将图片转化为灰度图，并对灰度图进行压缩。
[0016]优选的，所述步骤S3中计算视频帧特征值的具体步骤如下：
[0017]S31、提取压缩后每一像素点的灰度值，生成灰度值矩阵；
[0018]S32、计算灰度图的所有像素点灰度平均值，生成二值化灰度值，并生成二值化矩阵；
[0019]S33、比较相邻二值化矩阵，若相同位置的二进制数值相等、则特征值PV加1。
[0020]本专利技术提供了一种基于图像AI智能识别的孔壁缺陷检测方法，通过算法智能识别视频中与深度对应的视频帧的特征值、绘制深度—特征值曲线，通过曲线变化查看任意深度的视频图片，描述缺陷特征，快速生成检测报告。解决了传统技术需要人工通过视频排查、工作量大、效率低的问题。
[0021]通过检测装置实现对孔壁的360
°
直接摄像，达到最高的有效像素及分辨率，从而实现最高的清晰度要求，且图片无变形，进而解决了传统钻孔电视检测的前景摄像方式无法直接观测孔壁，且图像需要环形展开、拼接，图像变形严重、清晰度不够的弊端，实现了孔壁的连续检测而无需中途停止旋转摄像，有效提高了孔壁的检测精度和效率。
附图说明
[0022]图1为视频帧图片转化的灰度图；
[0023]图2为本专利技术灰度值矩阵图；
[0024]图3为本专利技术二值化矩阵图；
[0025]图4为本专利技术特征值
‑
深度曲线图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0027]本专利技术提供一种技术方案：一种基于图像AI智能识别的孔壁缺陷检测方法，包括如下步骤：
[0028]S1、通过检测装置对需要进行检测的孔的侧壁进行图像采集；
[0029]检测装置采用四组摄像头从四个方向直接对需要进行检测的孔的侧壁进行观测，进而对孔壁的360
°
直接摄像。通过将摄像头安装在玻璃罩内，摄像头朝向玻璃罩的侧壁，并将摄像头的数量设为四组，四组摄像头分别朝向相邻间隔角度为90
°
的四面，从四个方向直接对需要进行检测的孔的侧壁进行观测，实现对孔壁的360
°
直接摄像，达到最高的有效像
素及分辨率。
[0030]检测装置上设置有九轴陀螺仪，通过九轴陀螺仪实时采集九轴数据，包含三轴磁场强度、三轴加速度、三轴角速度，进行数据融合之后输出基于四元数的欧拉角，反应检测装置的实时姿态。
[0031]利用控制板读取陀螺仪数据和摄像头的摄像数据，并通过载波模块将多路网络信号、485信号转换成电力载波信号，实现两芯电缆的远距离复合信号传输，将陀螺仪数据和摄像头的摄像数据传输至上位机。上位机分析陀螺仪数据，用以检测孔的垂直度、偏移度信息，通过上位机分析摄像头的摄像数据，用以检测孔壁的裂纹状态、岩层分布信息。
[0032]S2、根据采样深度步距(1—10cm)、提取对应的视频帧图片。将图片转化为灰度图，如图1所示。对灰度图片进行M
×
M压缩、可采取8*8或16*16像素进行压缩。
[0033]S3、计算视频帧特征值，绘制深度
‑
特征值曲线；
[0034]提取压缩后每一像素点的灰度值，生成灰度值矩阵；如图2所示。
[0035]计算灰度图的所有像素点灰度平均值Ga；
[0036]生成二值化灰度值B[M][M]；
[0037]生成二值化矩阵；如图3所示。
[0038]比较A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像AI智能识别的孔壁缺陷检测方法，其特征在于：包括如下步骤：S1、通过检测装置对需要进行检测的孔的侧壁进行图像采集；S2、根据采样深度步距提取对应的视频帧图片；S3、计算视频帧特征值，绘制深度
‑
特征值曲线；S4、根据曲线变化提取对应深度图片，分析缺陷特征，生成检测报告。2.根据权利要求1所述的一种基于图像AI智能识别的孔壁缺陷检测方法，其特征在于：所述步骤S1中检测装置采用四组摄像头从四个方向直接对需要进行检测的孔的侧壁进行观测，进而对孔壁的360
°
直接摄像。3.根据权利要求2所述的一种基于图像AI智能识别的孔壁缺陷检测方法，其特征在于：所述步骤S1的检测装置上设置有九轴陀螺仪，通过九轴陀螺仪实时采集九轴数据，包含三轴磁场强度、三轴加速度、三轴角速度，进行数据融合之后输出基于四元数的欧拉角，反应检测装置的实时姿态。4.根据权利要求3所述的一种基于图像AI智能识别的孔壁缺陷检测方法，其特征在于：所述...

【专利技术属性】
技术研发人员：杨光，张文静，
申请(专利权)人：武汉声赫科技有限公司，
类型：发明
国别省市：