【技术实现步骤摘要】
本专利技术属于混凝土检测，涉及一种基于计算机视觉的混凝土表面缺陷检测与量化方法。
技术介绍
1、混凝土材料具有良好的整体性、可模性、耐久性和耐火性，因此被广泛应用于房建、桥梁、隧道及大坝等基础设施的建设中。然而，在材料性能老化、外界温度变化、长期荷载等因素的耦合作用下，混凝土结构在施工建设和运营使用过程中易产生一系列表观质量缺陷，导致结构整体承载力降低，为混凝土结构的管理养护带来了巨大挑战。定期的缺陷检测可有效识别混凝土表观质量问题，通过缺陷量化可进一步判断结构损伤程度，以便采取及时的修补和预防措施来保障结构的安全性能，从而有效避免安全事故的发生。
2、剥落和露筋是常见的混凝土表观质量缺陷，剥落较为严重时可能会导致钢筋裸露，进而产生锈蚀，对混凝土结构的安全性造成严重威胁。因此，混凝土剥落和露筋的检测与量化对混凝土表面质量与安全性能的评价具有重要意义。传统的人工视觉检测方法不仅耗时耗力、检测效率较低，并且检测结果在很大程度上取决于检测人员的经验和专业知识储备，检测精度参差不齐，且缺乏客观性。此外，人工检测易受限于检测场景的可达性、危险性等客观条件，适用范围具有较大的局限性。
3、计算机视觉技术的快速发展为混凝土缺陷检测的自动化带来了无限生机。基于计算机视觉的缺陷自动化检测方法通过高性能图像采集设备获取高精度的表面图像，使用数字图像处理技术和相关算法对采集到的图像进行处理，从而实现混凝土结构表面缺陷的自动化检测。ni等人通过googlenet和resnet20构建双尺度cnn架构，用于混凝土裂缝的精确提取和定
技术实现思路
1、为了克服现有技术的不足，考虑到剥落和露筋缺陷对混凝土结构安全性能的影响，本专利技术的目的在于面向混凝土剥落和露筋缺陷提供一种基于计算机视觉的缺陷检测与量化方法，本专利技术构建了基于计算机视觉算法的混凝土缺陷智能检测模型，以提高混凝土表观质量缺陷的检测精度。基于该模型的检测结果，结合深度相机采集的缺陷点云数据进一步实现缺陷的量化指标计算，以便为混凝土缺陷严重程度的评估提供数据支持。
2、为了达到上述目的，本专利技术采用的技术方案如下：
3、一种基于计算机视觉的混凝土表面缺陷检测与量化方法，步骤如下：
4、步骤(1)基于计算机视觉算法的混凝土缺陷智能检测模型构建
5、(1.1)搭建基于mask r-cnn的混凝土缺陷检测模型；mask r-cnn算法主要由卷积神经网络、区域提议网络、roi align网络层以及分类、回归和分割分支网络组成，可以完成复杂的实例分割任务；首先将缺陷图像输入到预训练好的卷积神经网络中获得对应的特征图，然后对特征图中的每一点设置预设个数的感兴趣区(region ofinterest,roi)，随后使用区域提议网络(rpn)对roi进行分类和回归，rpn是通过滑动窗口在多个尺度上提取特征，在每个窗口位置上生成多个锚点(anchor)，并计算每个锚点与实际目标框的重叠程度，得到一个得分，这些得分将用于选择具有高可视性的区域作为候选区域，从而过滤掉部分roi，再通过roi align操作对剩下的候选roi进行对齐，最后对这些roi进行分类、边界框回归和二值掩膜生成操作，从而实现缺陷的实例分割；
6、(1.2)构建包含混凝土剥落与露筋缺陷的图像数据集，用于后续模型的训练、验证和测试；首先收集原始缺陷图像，并通过滑动窗口技术对图像进行裁剪，以获得适用于模型训练的样本数据；其次，对裁剪后的图像数据进行标注，作为后续模型训练和测试时的参照组；最后，对训练数据进行水平翻转、垂直翻转、高斯模糊、对比度调整、高斯噪声注入、亮度调整、仿射变换等数据增强方法，增加训练图像的数量及丰富度，以更好地模拟现实场景的复杂性，增加训练图像的数量及丰富度，从而有助于提高模型的泛化能力；
7、(1.3)利用步骤(1.2)得到的数据集和使用adam优化算法对步骤(1.1)搭建的检测模型进行训练，以提高模型收敛速度，优化模型检测效果；adam通过计算梯度的一阶矩估计和二阶矩估计而为不同的参数设计独立的自适应性学习率，有助于实现参数空间的高效搜索；adam的一阶动量与二阶动量的计算公式分别为式(1)、式(2)，其中，mt和vt分别表示梯度的一阶矩(平均值)和二阶矩(非中心方差)的估计，t表示时刻，gt表示目标函数在t时刻的梯度，β1、β2为超参数，β1控制一阶动量，β2控制二阶动量；
8、mt＝β1·mt-1+(1-β1)·gt#(1)
9、
10、步骤(2)基于缺陷检测结果与缺陷点云数据的混凝土缺陷量化方法设计为更好地评估混凝土结构的健康状况，在经步骤(1)实现混凝土缺陷实例分割的基础上进一步对剥落和露筋缺陷进行量化计算，以便为混凝土缺陷严重程度的评估提供数据支持，进而为混凝土结构的管理养护提供更精细的参考与指导；具体如下：
11、(2.1)使用深度相机同步捕捉混凝土剥落与露筋缺陷的rgb图像和深度图像，并将其转换为缺陷点云数据，用于量化计算；
12、缺陷点云数据的获取涉及缺陷图像像素坐标到缺陷世界坐标的转换；世界坐标系下点p(xw,yw,zw)到对应图像像素坐标系下点p(u,v)的映射公式如式(3)所示；其中，(u0,v0)表示图像的像素中心坐标，zc表示相机坐标系下的深度值，r、t分别表示相机外参的旋转矩阵和平移矩阵，fx、fy分别表示x轴和y轴方向的归一化焦距；本专利技术中世界坐标原点与相机坐标原点重合，因此无需旋转和平移变换，式(3)可进一步化简，从而得到像素点p(u,v)到世界坐标点p(xw,yw,zw)的转换公式为式(4)；
13、
14、缺陷点云数据的转换过程如下：首先读取rgb图像和深度图像，其次使用智能指针创建空点云，对深度图像和rgb图像进行遍历，根据公式(4)计算每一个像素点对应的空间坐标，同时从rgb图像中获取该像素点的rgb颜色，逐步将像素点的三维信息添加到点云中，生成.pcd格式的点云文件，最后将其转换为.txt文件用于后续的数据提取；考虑到后续的量化计算涉及二维像素坐标与点云坐标的匹配，本专利技术同时生成了保留像素坐标的点云数据，完成缺陷像素点坐标匹配后可通过公式(4)将其转换为空间坐标；
15、(2.2)二维量化指标计算；混凝土剥落的防治措施与其最大深度和面积密切相关，混本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的混凝土表面缺陷检测与量化方法，其特征在于，步骤如下：
【技术特征摘要】
1.一种基于计算机视觉的混凝土表面缺陷...
【专利技术属性】
技术研发人员：何军，姜韶华，蒋希晗，王晟宇，萧白，侯建飞，魏飞，庄海，韩春宝，李占鑫，
申请(专利权)人：天津津港建设有限公司，
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。