【技术实现步骤摘要】
本专利技术涉及缺陷检测，尤其涉及基于计算机视觉的幕墙缺陷检测系统。
技术介绍
1、缺陷检测技术主要关注的是使用各种技术手段来识别物体或材料表面上的缺陷、裂纹或异常，涵盖了从传统的视觉检查方法到利用计算机视觉和机器学习技术的自动检测系统，能够通过分析图像或传感数据来快速准确地定位和识别缺陷，对于提高生产效率和产品质量具有重要意义，通常包括图像采集设备、图像处理软件以及用于执行分类和识别任务的算法。
2、其中，计算机视觉的幕墙缺陷检测系统是利用计算机视觉技术来自动识别建筑幕墙中的缺陷如裂缝、剥落或其他结构问题的系统，该系统通过对幕墙表面拍摄的图片进行分析，利用图像处理算法检测出存在的问题，可以大大提高检测的效率和准确性，减少人工检查的需求，降低维修成本，并及时发现潜在的结构安全问题，从而确保建筑的长期使用安全。
3、现有技术依赖传统视觉检查和基础计算机视觉技术，缺乏对快速变化的自动反应能力和深度分析功能，这种局限性在实际操作中易导致检测过程缓慢，对于细小或复杂缺陷的识别不精确，特别是在缺少动态跟踪能力的情况下，早期的微小裂纹或腐蚀区域容易被忽略，这些初期缺陷随时间发展成严重的结构问题，此外，传统技术在处理大量数据时效率较低，缺乏数据处理过程，导致在需要迅速响应的应用场景中效率和性能受限。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的基于计算机视觉的幕墙缺陷检测系统。
2、为了实现上述目的，本专利技术采用了如下技术方案：基于计
3、图像采集模块基于布设的固定摄像头和可调角度摄像头，采集幕墙与幕墙连接构件区域的影像数据，解析相邻影像帧的重叠区域，得到多角度幕墙数据集；
4、纹理分析模块基于所述多角度幕墙数据集，对幕墙面板和幕墙铝合金边框进行像素块划分，分析每个像素块的灰度分布，识别灰度变化异常的区域，得到局部纹理特征信息；
5、动态缺陷追踪模块依据所述局部纹理特征信息，分析影像帧中的像素点运动轨迹，筛选偏移量超正常范围的像素点，标记为异常运动区域，获取幕墙缺陷动态轨迹数据；
6、缺陷定位模块基于所述幕墙缺陷动态轨迹数据，解析裂纹区域的深度信息，对齐裂纹区域的三维坐标与幕墙结构坐标系，识别裂纹区域的空间分布趋势，获取缺陷空间分布参数；
7、缺陷识别模块基于所述缺陷空间分布参数，分析幕墙裂纹与金属腐蚀区域的纹理变化，识别匹配程度关键的缺陷类别，获取幕墙缺陷类别标识。
8、本专利技术改进有，所述多角度幕墙数据集包括时间戳集合、拍摄角度集合、位置坐标集合，所述局部纹理特征信息包括反射纹理描述、腐蚀纹理描述、异常灰度区域，所述幕墙缺陷动态轨迹数据包括裂纹轨迹、密封胶轨迹、异常标记，所述缺陷空间分布参数包括裂纹深度、裂纹坐标、应力区域，所述幕墙缺陷类别标识包括形状参数、纹理变化类型、匹配缺陷类别。
9、本专利技术改进有，所述图像采集模块包括：
10、同步参数设定子模块基于布设的固定摄像头和可调角度摄像头，获取摄像头的拍摄角度、时间戳和位置坐标信息，设置摄像头间的同步拍摄参数，计算每台摄像头之间的时间同步误差、视角差异和空间偏移值，筛选同步误差和视角偏移在正常范围内的摄像头，得到同步摄像头参数集；
11、影像完整性评估子模块基于所述同步摄像头参数集，解析每帧图像的时间戳、拍摄角度和位置坐标信息，采用公式：
12、；
13、计算图像数据的完整性指数，得到完整影像数据，其中，和分别代表第帧和第帧影像的时间戳，为时间戳的最大允许差异，和分别代表第帧和第帧影像的拍摄角度，为拍摄角度的最大允许差异，代表影像帧总数；
14、影像匹配筛选子模块基于所述完整影像数据，解析相邻影像帧的重叠区域，确定影像帧之间的匹配度，清除边缘匹配度低于正常范围的影像帧，得到多角度幕墙数据集。
15、本专利技术改进有，所述纹理分析模块包括：
16、像素块划分子模块基于所述多角度幕墙数据集，采集幕墙面板和幕墙铝合金边框的图像数据，对图像进行像素级分割，采用均匀网格划分方式，将幕墙图像划分为多个像素块，并提取每个像素块的灰度分布数据，再计算像素块的灰度均值及方差，获取像素块灰度统计数据；
17、灰度梯度计算子模块基于所述像素块灰度统计数据，计算相邻像素块之间的灰度梯度，采用公式：
18、；
19、得到像素块灰度梯度数据，其中，代表像素块与像素块之间的灰度梯度，和分别表示像素块与像素块的灰度均值，和为对应像素块的灰度方差，为平滑因子；
20、异常区域识别子模块调用所述像素块灰度梯度数据，对灰度梯度进行全局统计，优化全局灰度直方图，筛选灰度梯度变化异常的像素块区域，并结合幕墙表面反射纹理与金属构件腐蚀纹理特征，标记灰度异常区域，得到局部纹理特征信息。
21、本专利技术改进有，所述动态缺陷追踪模块包括：
22、像素点运动分析子模块依据所述局部纹理特征信息，获取时间序列影像帧，对每帧中的像素点进行坐标提取，建立像素点的时序坐标序列，并计算相邻帧间像素点的位移，得到像素点运动轨迹；
23、特征点匹配子模块调用所述像素点运动轨迹，匹配每帧中的幕墙裂纹边缘像素点与幕墙密封胶脱落区域像素点，采用公式：
24、；
25、计算每个特征点在连续帧间的运动矢量，得到特征点运动矢量数据，其中，代表特征点在两帧间的运动矢量，和分别为特征点在第帧的横纵坐标，和为第帧的对应坐标；
26、异常区域标记子模块基于所述特征点运动矢量数据，分析特征点的运动矢量分布，筛选偏移量超出正常范围的像素点，并标记为异常运动区域，获取幕墙缺陷动态轨迹数据。
27、本专利技术改进有，所述缺陷定位模块包括：
28、裂纹区域坐标提取子模块基于所述幕墙缺陷动态轨迹数据，分析幕墙裂纹区域的像素坐标，提取裂纹边缘像素点，构建裂纹区域的二维坐标，并匹配相邻帧中的裂纹边界特征，得到裂纹二维坐标数据；
29、裂纹深度解析子模块基于所述裂纹二维坐标数据，结合影像帧的深度信息，采用公式：
30、；
31、计算裂纹区域相对于幕墙结构基准点的深度偏移量，得到裂纹深度数据，其中，代表裂纹像素点的深度值，、和分别为裂纹像素点的三维坐标，、和为幕墙结构基准点的三维坐标；
32、缺陷空间分布分析子模块基于所述裂纹深度数据，将裂纹区域的三维坐标与幕墙结构坐标系进行对齐，识别裂纹区域在三维空间中的扩展趋势，并筛选应力分布异常的幕墙区域，获取缺陷空间分布参数。
33、本专利技术改进有，所述缺陷识别模块包括：
34、纹理变化分析子模块基于所述缺陷空间分布参数，提取灰度分布、梯度方向和边缘轮廓信息，计算局部灰度变化率与方向梯度分布，并分析幕墙裂纹与金属腐蚀区域的纹理变化，得到缺陷区域纹理参数；
35、缺陷形态本文档来自技高网...
【技术保护点】
1.基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述多角度幕墙数据集包括时间戳集合、拍摄角度集合、位置坐标集合，所述局部纹理特征信息包括反射纹理描述、腐蚀纹理描述、异常灰度区域，所述幕墙缺陷动态轨迹数据包括裂纹轨迹、密封胶轨迹、异常标记，所述缺陷空间分布参数包括裂纹深度、裂纹坐标、应力区域，所述幕墙缺陷类别标识包括形状参数、纹理变化类型、匹配缺陷类别。
3.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述图像采集模块包括：
4.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述纹理分析模块包括：
5.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述动态缺陷追踪模块包括：
6.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述缺陷定位模块包括：
7.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述缺陷识别模块包括：>...
【技术特征摘要】
1.基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于计算机视觉的幕墙缺陷检测系统，其特征在于，所述多角度幕墙数据集包括时间戳集合、拍摄角度集合、位置坐标集合，所述局部纹理特征信息包括反射纹理描述、腐蚀纹理描述、异常灰度区域，所述幕墙缺陷动态轨迹数据包括裂纹轨迹、密封胶轨迹、异常标记，所述缺陷空间分布参数包括裂纹深度、裂纹坐标、应力区域，所述幕墙缺陷类别标识包括形状参数、纹理变化类型、匹配缺陷类别。
3.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：郝乐，杨驰，曹亚军，杨庭雄，龚正华，
申请(专利权)人：中建深圳装饰有限公司，
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。