【技术实现步骤摘要】
本专利技术涉及建筑施工，具体为一种预制箱梁钢筋网的尺寸检验方法。
技术介绍
1、预制箱梁钢筋网是建筑施工中用于浇筑预制箱梁的设备，预制箱梁钢筋网在制造时，需要检验其尺寸，但现有的检验方法仍然存在不足之处，具体为：现有的预制箱梁钢筋网尺寸检验方法需要使用卷尺等工具进行检验，检验过程费时费力，智能化程度较低。
2、因此，需要一种预制箱梁钢筋网的尺寸检验方法来解决上述
技术介绍
中提出的问题。
技术实现思路
1、本专利技术的目的在于提供一种预制箱梁钢筋网的尺寸检验方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种预制箱梁钢筋网的尺寸检验方法，包括以下步骤：
4、s1，采集预制箱梁钢筋网的彩色图像，并将采集到的图像输入神经卷积网络内，神经卷积网络对图像数据进行冗余小波变换，得到低频近似分量以及三个方向上的高频细节分量，接着将三个方向上的高频细节分量与相邻尺度小波系数相乘，获得三幅不同方向上的小波系数相乘后的小波系数图；
5、s2，然后对小波系数图进行线性处理，处理完成后，再对小波系数图进行阈值处理，对低频近似分量进行边缘处理，得到低频子带，将经过去噪处理的小波系数图和低频子带进行极大值处理，每个位置的像素点取这四幅图像对应位置上的像素值最大的点，作为图像的边缘像素点，从而获得边缘图像，对提取到的边缘图像进行增强处理，扩展灰度的范围，得到预制箱梁钢筋网特征图像；
6、s3，计算
7、作为本专利技术优选的方案，所述s1中冗余小波变换的具体步骤为：采用小波滤波器先按行后按列对图像数据的每一个像素点经过小波滤波器处理，从而得到大小与原图相同的低频近似分量以及三个方向上的高频细节分量。
8、作为本专利技术优选的方案，所述s1中冗余小波变换需要进行两次，三个方向上的高频细节分量对应保留水平细节信息的高频子图、包含垂直细节信息的高频子图以及反映对角细节的高频子图，神经卷积网络基于神经元模型而构建，所述卷积神经网络的层数为三层，每层神经卷积网络包括输入层、中间层及输出层。
9、作为本专利技术优选的方案，所述s2中阈值处理的具体步骤为：借用photoshop确定阈值，将小波系数图中小于阈值的小波系数赋零，从而去除图像的噪声点。
10、作为本专利技术优选的方案，所述s2中第一轮廓顶点坐标的获取方法方法为：利用直线拟合法拟合第一轮廓的四条边，计算第一轮廓的四个第一轮廓顶点坐标。
11、作为本专利技术优选的方案，所述s2中增强处理是通过imaqcastimage2和imaqthreshold函数对图像进行灰度增强处理。
12、作为本专利技术优选的方案，所述s1中神经卷积网络通过labview的imaqcreate和imaqreadfile2函数对采集到的图像进行读取和存储。
13、作为本专利技术优选的方案，所述小波滤波器包括低通滤波器及高通滤波器。
14、与现有技术相比，本专利技术的有益效果是：
15、1、本专利技术中，通过采集预制箱梁钢筋网的彩色图像，并将采集到的图像输入神经卷积网络内，神经卷积网络对图像数据进行冗余小波变换，得到低频近似分量以及三个方向上的高频细节分量，接着将三个方向上的高频细节分量与相邻尺度小波系数相乘，获得三幅不同方向上的小波系数相乘后的小波系数图，然后对小波系数图进行线性处理，处理完成后，再对小波系数图进行阈值处理，对低频近似分量进行边缘处理，得到低频子带，将经过去噪处理的小波系数图和低频子带进行极大值处理，每个位置的像素点取这四幅图像对应位置上的像素值最大的点，作为图像的边缘像素点，从而获得边缘图像，对提取到的边缘图像进行增强处理，扩展灰度的范围，得到预制箱梁钢筋网特征图像，计算预制箱梁钢筋网特征图像的第一轮廓顶点坐标，获取预制箱梁钢筋网的实际顶点坐标，基于第一轮廓顶点坐标以及实际顶点坐标建立透视变换矩阵，利用透视变换矩阵对预制箱梁钢筋网特征图像进行映射，得到复原图像，提取复原图像中预制箱梁钢筋网的第二轮廓，计算第二轮廓的第二轮廓顶点坐标，利用距离公式分别计算处于对角线上的两个第二轮廓顶点坐标的距离并求取差值，基于预设的偏差阈值对所述差值进行校验，并输出尺寸检测结果，通过梁钢筋网图像来检验尺寸，检验过程省时省力，智能化程度较高。
本文档来自技高网...【技术保护点】
1.一种预制箱梁钢筋网的尺寸检验方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述S1中冗余小波变换的具体步骤为：采用小波滤波器先按行后按列对图像数据的每一个像素点经过小波滤波器处理，从而得到大小与原图相同的低频近似分量以及三个方向上的高频细节分量。
3.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述S1中冗余小波变换需要进行两次，三个方向上的高频细节分量对应保留水平细节信息的高频子图、包含垂直细节信息的高频子图以及反映对角细节的高频子图，神经卷积网络基于神经元模型而构建，所述卷积神经网络的层数为三层，每层神经卷积网络包括输入层、中间层及输出层。
4.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述S2中阈值处理的具体步骤为：借用photoshop确定阈值，将小波系数图中小于阈值的小波系数赋零，从而去除图像的噪声点。
5.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述S2中第一轮廓顶点坐标的获取方法方法为：
6.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述S2中增强处理是通过IMAQCastImage2和IMAQThreshold函数对图像进行灰度增强处理。
7.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述S1中神经卷积网络通过LABVIEW的IMAQCreate和IMAQReadFile2函数对采集到的图像进行读取和存储。
8.根据权利要求2所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述小波滤波器包括低通滤波器及高通滤波器。
...【技术特征摘要】
1.一种预制箱梁钢筋网的尺寸检验方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述s1中冗余小波变换的具体步骤为：采用小波滤波器先按行后按列对图像数据的每一个像素点经过小波滤波器处理，从而得到大小与原图相同的低频近似分量以及三个方向上的高频细节分量。
3.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述s1中冗余小波变换需要进行两次，三个方向上的高频细节分量对应保留水平细节信息的高频子图、包含垂直细节信息的高频子图以及反映对角细节的高频子图，神经卷积网络基于神经元模型而构建，所述卷积神经网络的层数为三层，每层神经卷积网络包括输入层、中间层及输出层。
4.根据权利要求1所述的一种预制箱梁钢筋网的尺寸检验方法，其特征在于：所述s2中阈值处理的具体步骤为：借用photoshop...
【专利技术属性】
技术研发人员：殷爱国，郑贺民，毛树峰，张震江，康景亮，张少朋，孙猛，陈向阳，刘同斌，周亮，邓朝辉，张国岳，任延克，何云飞，晁振林，王轲，张晨阳，柴磊，
申请(专利权)人：中铁七局集团郑州工程有限公司，
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。