System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及钢结构桥梁养护,尤其涉及一种基于红外图像的疲劳裂纹识别与形态表征方法及施工方法。
技术介绍
1、疲劳裂纹是钢箱梁桥面板的主要病害,会造成桥面板承载能力的急剧退化,对结构安全带来隐患。目前,通常采用人工目视检查对疲劳裂纹进行检测,由于钢箱梁内部光线不足,检查工作量大,导致疲劳裂纹检测效率低,准确性差。红外热成像是通过检查区域的温度分布对疲劳裂纹进行检测,不受光线的影响,具有较快的扫查速度和较高的温度分辨率及灵敏性,可以大幅提高疲劳裂纹的检查效率和精度。但获取红外图像后如何进行快速筛查、准确识别和形态表征一直是工程技术人员面临的难题,通过人工图像辨识仅能从温度分布差异上宏观判断,工作量巨大,不能实现自动化筛查,无法对疲劳裂纹进行定量化形态表征。因此,有必要对疲劳裂纹的红外图像温度变异情况进行深入挖掘分析,提出利用红外图像进行疲劳裂纹识别和表征的方法,以达到从人工图像筛查向智能判读的转变。
2、公开于该
技术介绍
部分的信息仅仅旨在加深对本专利技术总体
技术介绍
的理解,而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术所要解决的技术问题是:提供一种基于红外图像的疲劳裂纹识别与形态表征方法,通过对疲劳裂纹疑似区域红外图像温度值的解析,不需要疲劳裂纹区域扩展前的原始图像作为基准,解决了困扰工程技术人员利用红外图像进行疲劳裂纹识别的难题,扩大了适用范围,更加切近实际条件。对于待识别的红外图像可以进行任意宽度的切分,不受
2、为了达到上述目的,本专利技术所采用的技术方案是:
3、一种基于红外图像的疲劳裂纹识别与形态表征方法,包括如下步骤:
4、step 1:获取完好区域的红外图像,提取图像中各像素点的温度值,按列加和求均值计算温度基准向量;
5、进一步的,step 1中,选取完好区域的红外图像,提取红外图像中各像素点的温度αij,i=1,2,3,......,m为红外图像中像素点的行数,j=1,2,3,......n为红外图像中像素点的列数;将完好区域的温度值按列加和求均值,建立温度基准向量
6、
7、step 2:拍摄待识别区域的红外图像,提取图像中各像素点的温度值,并进行直方图概率统计分析;
8、进一步的,step 2中,从待识别区域的红外图像中提取各像素点的温度tir,i=1,2,3,......,m为红外图像中像素点的行数,r=1,2,3,......,k为红外图像中像素点的列数,完好区域和待识别区域的红外图像像素的行数一致,列数可不同;设定温度间隔为△t,对每个△t间隔范围内的温度值进行直方图概率统计,计算每个直方图的分布概率p,z为温度在△t间隔范围内像素点数;
9、
10、step 3:确定直方图概率统计分析的上下温度边界tmin和tmax;
11、进一步的,step 3中,针对每个直方图,设定阈值a,a的取值范围为0.01-0.015。首尾两端分别搜索第一个直方图概率p>a的温度值,温度低的一侧设为tmin,温度高的一侧设为tmax。
12、step 4:设定阈值b,b的取值范围为0.005-0.008,在tmin和tmax间搜索概率值小于阈值b的温度区间;若存在,则将此区域划定为疲劳裂纹隐患区域;若不存在,则认为此区域无疲劳裂纹,判断程序终止;
13、step 5:若此区域被划定为疲劳裂纹隐患区域,则在该区域的红外图像中间距选取温度向量,计算其与完好区域中温度基准向量的能量衰减量△t;
14、进一步的,step 5中,若此区域被划定为疲劳裂纹隐患区域,则在该区域的红外图像中间距d取g列温度向量l=1,2,3,......,g,计算其与完好区域中温度基准向量的能量衰减量△t:
15、
16、此处d根据需要识别裂纹长度而定,取裂纹长度识别精度要求的1/2-1/3。
17、step 6:设定阈值c,c的取值范围为完好区域提取相同数量温度向量计算的能量衰减量的2-3倍,判断能量衰减量△t是否超过阈值c,若超过,则判定此区域存在疲劳裂纹,若不超过,则判定此区域无疲劳裂纹,判断程序终止;
18、step 7:若疲劳裂纹存在,根据温度向量计算温度变异率指标,设定阈值d,d的取值范围为定值0.01,温度变异率指标超过阈值d的位置为裂纹在此向量的坐标点;
19、进一步的,step 7中,根据温度向量对温度向量进行移动均值处理,计算移动均值向量计算向量的变异率指标δ。若δ>d,此位置的像素点(p,l)即为向量中疲劳裂纹坐标,定义为(xp,yl),若连续多个点满足δ>d,则取平均值作为坐标(xp,yl);
20、δ=|f(bi+1,l)-f(bil)|/△i,1<i<m。
21、由于向量噪声较大,可能存在很多点变异率指标超过阈值,本专利技术通过移动均值向量去噪,通过温度向量的函数拟合值,提高温度变异率指标δ的精确性。
22、step 8:基于确定的坐标点,通过最小二乘法进行拟合,得到一元三次非线性函数,表征疲劳裂纹形态;
23、进一步的,step 8中,根据坐标点(xp,yl),通过最小二乘法进行非线性回归拟合,得到一元三次非线性标定函数,表征疲劳裂纹形态;
24、y=ax3+bx2+cx+d。
25、step 9:根据疲劳裂纹的形态表征函数,判断疲劳裂纹非线性长度,并进行损伤状态定量精准评估。
26、本专利技术的有益效果为:
27、(1)本专利技术提供了一种基于红外图像的疲劳裂纹识别与形态表征方法,基于对待识别区域红外图像数据进行预处理后得到的数据集,通过参数限定,确定数据异常的温度区间,并将其划分为疲劳裂纹隐患区域,通过在疲劳裂纹隐患区域中选取温度向量,与完好区域的红外图像数据提取得到的温度基准向量进行比较,判断此区域是否存在疲劳裂纹,在此基础上,通过温度变异率指标确定疲劳裂纹在温度向量中的坐标点,再通过数据拟合,得到疲劳裂纹的形态表征函数,进而实现疲劳裂纹的识别与形态表征。本专利技术基于最小二乘法确定出了最精确的疲劳裂纹扩展形态,从而提高了基于红外图像的疲劳裂纹过程预测的准确性。
28、(2)本专利技术提供一种基于红外图像的疲劳裂纹识别与形态表征方法,通过对疲劳裂纹疑似区域红外图像温度值的解析,不需要疲劳裂纹区域扩展前的原始图像作为基准,解决了困扰工程技术人员利用红外图像进行疲劳裂纹识别的难题,扩大了适用范围,更加切近实际条件。具体在对红外图像进行表征时,对于待识别的红外图像可以进行任意宽度的切分,不受图像横向像素点的局限,实现了裂纹准确定量化形态表征。
本文档来自技高网...【技术保护点】
1.一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,Step1中,选取完好区域的红外图像,提取红外图像中各像素点的温度αij,i=1,2,3,......,m为红外图像中像素点的行数,j=1,2,3,......n为红外图像中像素点的列数;将完好区域的温度值按列加和求均值,建立温度基准向量
3.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,Step2中,从待识别区域的红外图像中提取各像素点的温度tir,i=1,2,3,......,m为红外图像中像素点的行数,r=1,2,3,......,k为红外图像中像素点的列数,完好区域和待识别区域的红外图像像素的行数一致,列数可不同;设定温度间隔为△t,对每个△t间隔范围内的温度值进行直方图概率统计,计算每个直方图的分布概率P,z为温度在△t间隔范围内像素点数;
4.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,Step3中,针对每个直
5.根据权利要求4所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,A的取值范围为0.01-0.015。
6.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,B的取值范围为0.005-0.008。
7.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,Step5中,若此区域被划定为疲劳裂纹隐患区域,则在该区域的红外图像中间距d取g列温度向量计算其与完好区域中温度基准向量的能量衰减量△T:
8.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,C的取值范围为完好区域提取相同数量温度向量计算的能量衰减量的2-3倍。
9.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,Step7中,根据温度向量对温度向量进行移动均值处理,计算移动均值向量计算向量的变异率指标δ。若δ>D,此位置的像素点(p,l)即为向量中疲劳裂纹坐标,定义为(xp,yl),若连续多个点满足δ>D,则取平均值作为坐标(xp,yl);
10.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,Step8中,根据坐标点(xp,yl),通过最小二乘法进行非线性回归拟合,得到一元三次非线性标定函数,表征疲劳裂纹形态。
...【技术特征摘要】
1.一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,step1中,选取完好区域的红外图像,提取红外图像中各像素点的温度αij,i=1,2,3,......,m为红外图像中像素点的行数,j=1,2,3,......n为红外图像中像素点的列数;将完好区域的温度值按列加和求均值,建立温度基准向量
3.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,step2中,从待识别区域的红外图像中提取各像素点的温度tir,i=1,2,3,......,m为红外图像中像素点的行数,r=1,2,3,......,k为红外图像中像素点的列数,完好区域和待识别区域的红外图像像素的行数一致,列数可不同;设定温度间隔为△t,对每个△t间隔范围内的温度值进行直方图概率统计,计算每个直方图的分布概率p,z为温度在△t间隔范围内像素点数;
4.根据权利要求1所述的一种基于红外图像的疲劳裂纹识别与形态表征方法,其特征在于,step3中,针对每个直方图,设定阈值a,首尾两端分别搜索第一个直方图概率p>a的温度值,温度低的一侧设为tmin,温度高的一侧设为tmax。
5.根据权利要求4所述的一种基于红外图像...
【专利技术属性】
技术研发人员:王贤强,陆军,杨羿,刘琪龙,刘朵,汤圣冶,唐恺,陈垠,王韶丰,
申请(专利权)人:苏交科集团股份有限公司,
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。