【技术实现步骤摘要】
本专利技术涉及一种图像识别检测方法，特别涉及一种用于高空幕墙清洗无人机图像识别检测方法，属于高空幕墙清洗。
技术介绍
1、玻璃幕墙是指由支承结构体系可相对主体结构有一定位移能力、不分担主体结构所受作用的建筑外围护结构或装饰结构。墙体有单层和双层玻璃两种。玻璃幕墙是一种美观新颖的建筑墙体装饰方法，是现代主义高层建筑时代的显著特征。无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。
2、对于高层建筑而言，设置于高空的玻璃幕墙长期暴露在室外环境下，其表面容易积累灰尘和污垢，需要及时对幕墙进行清洗，才能保证幕墙的清洁度和清晰度，但传统的高空幕墙清洗大多为人工作业，需要工作人员在高空手动进行清洗，清洗效率较低，且存在作业风险，因此相比于传统模式，利用无人机进行清洗更加快捷和方便，在幕墙清洗前需要先对玻璃幕墙进行检查，以判断幕墙是否需要清洗，以及玻璃幕墙是否存在损坏的情况，人工检测需要花费大量的时间，检测效率较低，且检测精度无法保证，为此，提出一种用于高空幕墙清洗无人机图像识别检测方法。
技术实现思路
1、有鉴于此，本专利技术提供用于高空幕墙清洗无人机图像识别检测方法，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。
2、本专利技术实施例的技术方案是这样实现的：一种用于高空幕墙清洗无人机图像识别检测方法，包括以下步骤：
3、s1、将特征数据库输入图像识别系统，并发送玻
4、s2、通过无人机采集高空幕墙实际图像，并将实际图像发送至图像识别系统；
5、s3、图像识别系统对采集图像进行预处理，去除其中的干扰、噪声和差异，并对图像进行增强；
6、s4、根据图像亮度对图像进行分割，去除建筑本体、玻璃幕墙骨架以及接缝处的图像，得到玻璃幕墙面板图像；
7、s5、对玻璃幕墙面板图像进行特征提取，获取图像的灰度、颜色、纹理、轮廓和面积特征，并转化成为数字信号；
8、s6、将获取的灰度、颜色、纹理、轮廓和面积特征与对比图像的特征进行对比，并将采集的图像进行分类；
9、s7、将分类结果报告发送至控制端，完成高空幕墙清洗无人机图像识别检测。
10、进一步优选的：在所述s1中，通过将特征数据库输入图像识别系统，完成卷积神经网络模型的训练，发送不同污染程度以及损坏程度的玻璃幕墙图片，利用卷积神经网络模型完成对比图像的灰度、颜色、纹理、轮廓和面积等特征的获取，作为特征对比的基础数字信号。
11、进一步优选的：在所述s2中，无人机采集高空幕墙实际图像时，将无人机飞行起始位置作为初始坐标位置，根据幕墙的高度和宽度对无人机的飞行范围进行限制，根据拍摄范围确定拍摄点位坐标，根据无人机飞行速度确定拍摄间隔时间，拍摄完成后，并将实际图像发送至图像识别系统。
12、进一步优选的：在所述s3中，图像识别系统通过图像压缩、噪声滤波、边缘提取和图像锐化等方法对图像进行预处理，提高图像质量，抑制不需要的图像特征。
13、进一步优选的：在所述s3中，通过调整图像的亮度和对比度，并将图像进行二值化处理，对图像进行增强处理，突出所需的图像特征。
14、进一步优选的：在所述s4中，根据图像亮度划分图像区域，并对区域边缘进行分割，去除建筑本体、玻璃幕墙骨架以及接缝处的图像，减少特征提取的运算量。
15、进一步优选的：在所述s4中，若图像亮度不明显或部分区域亮度过高，则在采集图像时增强环境亮度，从而提高玻璃幕墙面板材料的亮度。
16、进一步优选的：在所述s5中，利用图像灰度直方图方差获取图像灰度特征，利用颜色直方图提取采集的图像颜色特征，利用频谱法获取图像纹理特征，通过统计像素数量得到图像的轮廓和面积特征。
17、进一步优选的：在所述s6中，通过对比颜色特征确定玻璃幕墙污染状况，通过灰度、纹理、轮廓和面积特征确认玻璃幕墙是否存在损坏。
18、进一步优选的：在所述s7中，根据图像对比结果，划分玻璃幕墙的污染等级以及是否存在损坏，结合污染等级和损坏面积与类型得到无人机图像识别检测报告。
19、本专利技术实施例由于采用以上技术方案，其具有以下优点：
20、一、本专利技术通过卷积神经网络模型完成图像的灰度、颜色、纹理、轮廓和面积等特征的获取，并与对比图像进行特征对比，获取无人机图像识别检测报告，方便工作人员直观的了解玻璃幕墙污染程度以及损坏程度，无需人工进行检测，提高了检测效率和检测精度。
21、二、本专利技术通过自动设定图像采集坐标，方便无人机自主完成图像采集工作，无需工作人员手动进行操作，操作简单方便，节省时间。
22、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。
本文档来自技高网...【技术保护点】
1.一种用于高空幕墙清洗无人机图像识别检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S1中，通过将特征数据库输入图像识别系统，完成卷积神经网络模型的训练，发送不同污染程度以及损坏程度的玻璃幕墙图片，利用卷积神经网络模型完成对比图像的灰度、颜色、纹理、轮廓和面积等特征的获取，作为特征对比的基础数字信号。
3.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S2中，无人机采集高空幕墙实际图像时，将无人机飞行起始位置作为初始坐标位置，根据幕墙的高度和宽度对无人机的飞行范围进行限制，根据拍摄范围确定拍摄点位坐标，根据无人机飞行速度确定拍摄间隔时间，拍摄完成后，并将实际图像发送至图像识别系统。
4.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S3中，图像识别系统通过图像压缩、噪声滤波、边缘提取和图像锐化等方法对图像进行预处理，提高图像质量，抑制不需要的图像特征。
5.根据权利要求4所述的用于高空幕墙清洗无人
6.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S4中，根据图像亮度划分图像区域，并对区域边缘进行分割，去除建筑本体、玻璃幕墙骨架以及接缝处的图像，减少特征提取的运算量。
7.根据权利要求6所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S4中，若图像亮度不明显或部分区域亮度过高，则在采集图像时增强环境亮度，从而提高玻璃幕墙面板材料的亮度。
8.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S5中，利用图像灰度直方图方差获取图像灰度特征，利用颜色直方图提取采集的图像颜色特征，利用频谱法获取图像纹理特征，通过统计像素数量得到图像的轮廓和面积特征。
9.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S6中，通过对比颜色特征确定玻璃幕墙污染状况，通过灰度、纹理、轮廓和面积特征确认玻璃幕墙是否存在损坏。
10.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述S7中，根据图像对比结果，划分玻璃幕墙的污染等级以及是否存在损坏，结合污染等级和损坏面积与类型得到无人机图像识别检测报告。
...【技术特征摘要】
1.一种用于高空幕墙清洗无人机图像识别检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述s1中，通过将特征数据库输入图像识别系统，完成卷积神经网络模型的训练，发送不同污染程度以及损坏程度的玻璃幕墙图片，利用卷积神经网络模型完成对比图像的灰度、颜色、纹理、轮廓和面积等特征的获取，作为特征对比的基础数字信号。
3.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述s2中，无人机采集高空幕墙实际图像时，将无人机飞行起始位置作为初始坐标位置，根据幕墙的高度和宽度对无人机的飞行范围进行限制，根据拍摄范围确定拍摄点位坐标，根据无人机飞行速度确定拍摄间隔时间，拍摄完成后，并将实际图像发送至图像识别系统。
4.根据权利要求1所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述s3中，图像识别系统通过图像压缩、噪声滤波、边缘提取和图像锐化等方法对图像进行预处理，提高图像质量，抑制不需要的图像特征。
5.根据权利要求4所述的用于高空幕墙清洗无人机图像识别检测方法，其特征在于：在所述s3中，通过调整图像的亮度和对比度，并将图像进行二值化处理，对图像进行增强处理...
【专利技术属性】
技术研发人员：杨杨，王跃征，赵保军，周晓悦，刘荣珍，
申请(专利权)人：深圳市三合信义科技发展有限公司，
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。