公开/公告号CN115984184A
专利类型发明专利
公开/公告日2023-04-18
原文格式PDF
申请/专利权人 武汉霖馨建筑装饰工程有限公司;
申请/专利号CN202211554042.0
发明设计人 周敦斌;
申请日2022-12-06
分类号G06T7/00(2017.01);G01N21/95(2006.01);G06T7/60(2017.01);G06T7/90(2017.01);
代理机构
代理人
地址 430040 湖北省武汉市东西湖区金山大道沿海赛洛城2008号
入库时间 2023-06-19 19:21:53
法律状态公告日
法律状态信息
法律状态
2023-08-15
发明专利申请公布后的撤回 IPC(主分类):G06T 7/00 专利申请号:2022115540420 申请公布日:20230418
发明专利申请公布后的撤回
2023-05-05
实质审查的生效 IPC(主分类):G06T 7/00 专利申请号:2022115540420 申请日:20221206
实质审查的生效
2023-04-18
公开
发明专利申请公布
技术领域
本发明涉及建筑钢材缺陷技术领域,具体而言,涉及基于目标识别技术的建筑材料钢材缺陷检测方法。
背景技术
随着社会和经济的发展,建筑类行业的发展也越来越迅速,现如今,在建筑的建造过程中,钢材是必不可少的一种原材料,钢材可以作为各种构件和零部件使用,钢材具有强度高的优点,其具体表现在抗拉、抗压和抗弯等方面,而在众多的钢材中,钢筋的使用频率在逐渐增高,而且在钢筋混凝土中,还能弥补混凝土抗拉、抗弯、抗剪和抗裂性能较低的缺点,但是钢筋在制造过程中如若出现缺陷,一方面影响钢筋的质量,无法保证钢筋的质量,另一方面影响钢筋在建筑作业过程中的使用,因此,对钢筋进行缺陷分析是尤为重要的。
现有的钢筋缺陷分析在一定程度上可以实现基本的要求,但是还存在以下缺陷,其具体表现在:(1)现有的钢筋缺陷分析大多是根据钢筋的外观进行钢筋缺陷分析,该方法忽略了钢筋内部的缺陷,对钢筋内部疏松的分析力度不够,进而可能出现钢筋外观正常但是内部存在缺陷的现象,从而钢筋缺陷分析结果的准确性难以得到保障,进一步影响钢筋的正常使用,在一定程度上增加了钢筋的使用风险。
(2)现有的钢筋缺陷分析对钢筋的缺陷分析结果的处理深度不够,单一分析得到钢筋对应的缺陷类型,对钢筋缺陷类型的进一步分析的关注度不高,进而导致钢筋缺陷分析结果的价值性不高,在一定程度上降低了钢筋缺陷分析结果的实用性和可持续性,不利于钢筋缺陷分析的长远发展。
(3)现有的钢筋缺陷分析大多是对所有的钢筋或者随机选取钢筋进行缺陷分析,并将分析的结果作为同批次钢筋的分析结果,一方面,选择所有的钢筋进行缺陷检测可以保证钢筋缺陷检测的准确性,但是消耗的人力物力资源过高,另一方面,随机选取钢筋进行缺陷分析可以降低人力物力资源的消耗,但是钢筋缺陷检测结果的准确性无法得到保障,综上所述,现有技术对钢筋缺陷检测结果的准确性和资源的消耗率平衡力度不够。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了基于目标识别技术的建筑材料钢材缺陷检测方法,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:基于目标识别技术的建筑材料钢材缺陷检测方法,该方法包括:S1、钢材图像采集:在设定的各检测时间段对成产过程中切割的钢材进行图像采集,进而得到各检测时间段内各钢材的图像。
S2、钢材尺寸合理系数:基于各检测时间段内各钢材的图像分析各检测时间段内各钢材对应的尺寸合理系数。
S3、钢材样本数量分析:基于各检测时间段内各钢材对应的尺寸合理系数分析各检测时间段对应的钢材尺寸合理系数,并按照各检测时间段对应的钢材尺寸合理系数分析各检测时间段的需求钢材样本数量。
S4、钢材样本抽选:从各检测时间段内的所有钢材中随机抽选对应需求钢材样本数量的各钢材,并将其标记为各检测时间段内的各目标钢材。
S5、钢材样本分析:对各检测时间段内各目标钢材所属酸浸样本进行分析,进而得到各检测时间段内各目标钢材对应的疏松参数,进而分析各检测时间段内各目标钢材对应的一般疏松系数和中心疏松系数。
S6、钢材疏松分析:分析各检测时间段内各目标钢材对应的疏松类型,并据此分析各检测时间段对应的钢材疏松程度等级。
S7、钢材缺陷管理:根据各检测时间段对应的钢材疏松程度等级进行相应管理。
在本发明的一种可能的设计中,所述各检测时间段内各钢材对应的尺寸合理系数,其具体分析方法为:S21:将各检测时间段内各钢材的图像按照设定的长度划分为各检测时间点段内各钢材的各子图像。
S22:基于各检测时间段内各钢材的各子图像获取各检测时间段内各钢材所属各子图像内螺纹的数量,并将其标记为η
S23:将各检测时间段内各钢材所属各子图像内螺纹的数量进行相互对比,进而筛选出各检测时间段内各钢材对应的最多螺纹数量和最少螺纹数量,并将其分别标记为
S24:从钢材数据库中提取钢材对应的正常螺纹数量和钢材对应的长度,并将其分别标记为SJ、SK,进而计算钢材对应设定长度的正常螺纹数量,其计算公式为:
S25:分析各检测时间段内各钢材对应的尺寸合理系数,其计算公式为:
在本发明的一种可能的设计中,所述各检测时间段对应的钢材尺寸合理系数,其具体分析方法为:S31:将各检测时间段内各钢材对应的尺寸合理系数进行相互对比,进而得到各检测时间段内对应的最大钢材尺寸合理系数和最小钢材尺寸合理系数,并将其分别标记为
S32:分析各检测时间段对应的钢材尺寸合理系数,其计算公式为:
在本发明的一种可能的设计中,所述各检测时间段的需求钢材样本数量,其具体方法为:从钢材数据库中存储的单位钢材尺寸合理系数对应的需求钢材数量进行对比,进而将各检测时间段对应的钢材尺寸合理系数与单位钢材尺寸合理系数对应的需求钢材数量进行相乘,从而得到各检测时间段对应的需求钢材样本数量。
在本发明的一种可能的设计中,所述各检测时间段内各目标钢材对应的疏松参数,其具体分析方法为:S511:获取各检测时间段内各目标钢材所属酸浸样本的图像。
S512:将各检测时间段内各目标钢材所属酸浸样本的图像转化为灰度值图像,并将其标记为各检测时间段内各目标钢材所属目标图像,进而在各检测时间段内各目标钢材所属目标图像内布设各像素点,并获取对应的RGB值。
S513:从钢材数据库中提取暗点对应的RGB值,并据此分析各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度,其计算公式为:
S514:将各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度和钢材数据库中存储的像素点与暗点颜色相似度阈值进行对比,若某检测时间段内某目标钢材对应某像素点与暗点的颜色相似度大于或等于像素点与暗点颜色相似度阈值,则将该检测时间段内该目标钢材对应该像素点标记为实际暗点,进而得到各检测时间段内各目标钢材所属各实际暗点。
S515:将各检测时间段内各目标钢材所属酸浸样本的图像与钢材数据库中存储的空隙图像进行对比,进而得到各检测时间段内各目标钢材所属各实际空隙。
S516:将各检测时间段内各目标钢材所属酸浸样本的图像与钢材数据库中存储的树枝状晶的特征图像进行对比,进而得到各检测时间段内各目标钢材所属各树枝状晶,从而获取其对应的面积。
在本发明的一种可能的设计中,所述各检测时间段内各目标钢材对应的一般疏松系数,其具体分析方法为:S521:以各检测时间段内各目标钢材所属酸浸样本的图像的中心点为原点建立坐标系,进而获取各检测时间段内各目标钢材所属各实际暗点的坐标和各实际空隙中心点的坐标。
S522:分析各检测时间段内各目标钢材对应的暗点距离适宜指数,其计算公式为:
S523:分析各检测时间段内各目标钢材对应的空隙距离适宜指数,其计算公式为:
S524:基于各检测时间段内各目标钢材所属各树枝状晶对应的面积,分析各检测时间段内各目标钢材所属各树枝状晶对应的疏松系数,其计算公式为:
S525:分析各检测时间段内各目标钢材对应的一般疏松系数,其计算公式为:
在本发明的一种可能的设计中,所述各检测时间段内各目标钢材对应的中心疏松系数,其具体分析方法为:S531:分析各检测时间段内各目标钢材对应的暗点中心指数,其计算公式为:
S532:分析各检测时间段内各目标钢材对应的空隙中心指数,其计算公式为:
S533:分析各检测时间段内各目标钢材对应的中心疏松系数,其计算公式为:ZS
在本发明的一种可能的设计中,所述分析各检测时间段内各目标钢材对应的疏松类型,其具体方法为:S611:将各检测时间段内各目标钢材对应的一般疏松系数与预设的一般疏松系数阈值进行对比,若某检测时间段内某目标钢材对应的一般疏松系数小于一般疏松系数阈值,则将该检测时间段内该目标钢材为正常钢材,反之,则进行以下分析:
将该检测时间段内该目标钢材对应的中心疏松系数与预设的中心疏松系数阈值进行对比,若该检测时间段内该目标钢材对应的中心疏松系数大于或等于中心疏松系数阈值,则判断该检测时间段内该目标钢材的疏松类型为中心疏松,反之,则判断该检测时间段内该目标钢材的疏松类型为一般疏松。
S612:分析得到各检测时间段内各目标钢材对应的疏松类型。
在本发明的一种可能的设计中,所述各检测时间段对应的钢材疏松程度等级,其具体分析方法为:S621:获取各检测时间段内各目标钢材对应的疏松类型,进而统计各检测时间段内一般疏松对应目标钢材的数量,将其标记为AS
S622:统计各检测时间段内中心疏松对应目标钢材的数量,将其标记为KS
S623:获取各检测时间段的需求钢材样本数量,并将其标记为AP
S624:分析各检测时间段对应的钢材疏松程度系数,其计算公式为:
S625:将各检测时间段对应的钢材疏松程度系数与预设的各钢材疏松程度等级对应的钢材疏松程度系数区间进行对比,进而匹配各检测时间段对应的钢材疏松程度等级。
在本发明的一种可能的设计中,所述根据各检测时间段对应的钢材疏松程度等级进行相应管理,其具体方法为:将各检测时间段对应的钢材疏松程度等级发送到钢材缺陷管理中心,并将各检测时间段内一般疏松对应所有目标钢材的编号和中心疏松对应所有目标钢材的编号分别发送到钢材缺陷管理中心。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明的钢筋缺陷分析不仅对钢筋的外观进行分析,而且通过钢筋的酸浸样本对钢筋内部的缺陷进行分析,弥补了现有技术中对钢筋内部疏松分析力度不够的缺陷,进而避免出现钢筋外观正常但是内部存在缺陷的现象,从而保证了钢筋缺陷分析结果的准确性,进一步保证了钢筋的正常使用,降低了钢筋的使用风险。
(2)本发明的钢筋缺陷分析对钢筋的缺陷分析结果进一步处理,分析钢筋的综合疏松程度,并将存在问题的钢筋编号进行处理,进而提高了钢筋缺陷分析结果的价值性,在一定程度上提高了钢筋缺陷分析结果的实用性和可持续性,有利于钢筋缺陷分析的长远发展。
(3)本发明的钢筋缺陷分析首先分析同批次的钢筋的外观质量,进而根据同批次的外观质量进行同批次的钢筋样本抽选,不仅可以保证钢筋缺陷检测结果的准确性,而且可以降低人力物力资源的消耗,综上所述,本发明平衡了钢筋缺陷检测结果的准确性和人力物力的资源消耗之间的关系。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明提供基于目标识别技术的建筑材料钢材缺陷检测方法,该方法包括:S1、钢材图像采集:在设定的各检测时间段对成产过程中切割的钢材进行图像采集,进而得到各检测时间段内各钢材的图像。
S2、钢材尺寸合理系数:基于各检测时间段内各钢材的图像分析各检测时间段内各钢材对应的尺寸合理系数。
在本发明的具体实施例中,所述各检测时间段内各钢材对应的尺寸合理系数,其具体分析方法为:S21:将各检测时间段内各钢材的图像按照设定的长度划分为各检测时间点段内各钢材的各子图像。
S22:基于各检测时间段内各钢材的各子图像获取各检测时间段内各钢材所属各子图像内螺纹的数量,并将其标记为η
S23:将各检测时间段内各钢材所属各子图像内螺纹的数量进行相互对比,进而筛选出各检测时间段内各钢材对应的最多螺纹数量和最少螺纹数量,并将其分别标记为
S24:从钢材数据库中提取钢材对应的正常螺纹数量和钢材对应的长度,并将其分别标记为SJ、SK,进而计算钢材对应设定长度的正常螺纹数量,其计算公式为:
S25:分析各检测时间段内各钢材对应的尺寸合理系数,其计算公式为:
S3、钢材样本数量分析:基于各检测时间段内各钢材对应的尺寸合理系数分析各检测时间段对应的钢材尺寸合理系数,并按照各检测时间段对应的钢材尺寸合理系数分析各检测时间段的需求钢材样本数量。
在本发明的具体实施例中,所述各检测时间段对应的钢材尺寸合理系数,其具体分析方法为:S31:将各检测时间段内各钢材对应的尺寸合理系数进行相互对比,进而得到各检测时间段内对应的最大钢材尺寸合理系数和最小钢材尺寸合理系数,并将其分别标记为
S32:分析各检测时间段对应的钢材尺寸合理系数,其计算公式为:
在本发明的具体实施例中,所述各检测时间段的需求钢材样本数量,其具体方法为:从钢材数据库中存储的单位钢材尺寸合理系数对应的需求钢材数量进行对比,进而将各检测时间段对应的钢材尺寸合理系数与单位钢材尺寸合理系数对应的需求钢材数量进行相乘,从而得到各检测时间段对应的需求钢材样本数量。
本发明的钢筋缺陷分析首先分析同批次的钢筋的外观质量,进而根据同批次的外观质量进行同批次的钢筋样本抽选,不仅可以保证钢筋缺陷检测结果的准确性,而且可以降低人力物力资源的消耗,综上所述,本发明平衡了钢筋缺陷检测结果的准确性和人力物力的资源消耗之间的关系。
S4、钢材样本抽选:从各检测时间段内的所有钢材中随机抽选对应需求钢材样本数量的各钢材,并将其标记为各检测时间段内的各目标钢材。
S5、钢材样本分析:对各检测时间段内各目标钢材所属酸浸样本进行分析,进而得到各检测时间段内各目标钢材对应的疏松参数,进而分析各检测时间段内各目标钢材对应的一般疏松系数和中心疏松系数。
需要说明的是,根据各检测时间段内各目标钢材制备对应的试样,并对各检测时间段内各目标钢材制备的试样用酸掖腐蚀,以显示其宏观组织和缺陷,进而得到各检测时间段内各目标钢材所属酸浸样本。
在本发明的具体实施例中,所述各检测时间段内各目标钢材对应的疏松参数,其具体分析方法为:S511:获取各检测时间段内各目标钢材所属酸浸样本的图像。
S512:将各检测时间段内各目标钢材所属酸浸样本的图像转化为灰度值图像,并将其标记为各检测时间段内各目标钢材所属目标图像,进而在各检测时间段内各目标钢材所属目标图像内布设各像素点,并获取对应的RGB值。
S513:从钢材数据库中提取暗点对应的RGB值,并据此分析各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度,其计算公式为:
S514:将各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度和钢材数据库中存储的像素点与暗点颜色相似度阈值进行对比,若某检测时间段内某目标钢材对应某像素点与暗点的颜色相似度大于或等于像素点与暗点颜色相似度阈值,则将该检测时间段内该目标钢材对应该像素点标记为实际暗点,进而得到各检测时间段内各目标钢材所属各实际暗点。
S515:将各检测时间段内各目标钢材所属酸浸样本的图像与钢材数据库中存储的空隙图像进行对比,进而得到各检测时间段内各目标钢材所属各实际空隙。
S516:将各检测时间段内各目标钢材所属酸浸样本的图像与钢材数据库中存储的树枝状晶的特征图像进行对比,进而得到各检测时间段内各目标钢材所属各树枝状晶,从而获取其对应的面积。
在本发明的具体实施例中,所述各检测时间段内各目标钢材对应的一般疏松系数,其具体分析方法为:S521:以各检测时间段内各目标钢材所属酸浸样本的图像的中心点为原点建立坐标系,进而获取各检测时间段内各目标钢材所属各实际暗点的坐标和各实际空隙中心点的坐标。
S522:分析各检测时间段内各目标钢材对应的暗点距离适宜指数,其计算公式为:
S523:分析各检测时间段内各目标钢材对应的空隙距离适宜指数,其计算公式为:
S524:基于各检测时间段内各目标钢材所属各树枝状晶对应的面积,分析各检测时间段内各目标钢材所属各树枝状晶对应的疏松系数,其计算公式为:
S525:分析各检测时间段内各目标钢材对应的一般疏松系数,其计算公式为:
在本发明的具体实施例中,所述各检测时间段内各目标钢材对应的中心疏松系数,其具体分析方法为:S531:分析各检测时间段内各目标钢材对应的暗点中心指数,其计算公式为:
S532:分析各检测时间段内各目标钢材对应的空隙中心指数,其计算公式为:
S533:分析各检测时间段内各目标钢材对应的中心疏松系数,其计算公式为:ZS
S6、钢材疏松分析:分析各检测时间段内各目标钢材对应的疏松类型,并据此分析各检测时间段对应的钢材疏松程度等级。
在本发明的具体实施例中,所述分析各检测时间段内各目标钢材对应的疏松类型,其具体方法为:S611:将各检测时间段内各目标钢材对应的一般疏松系数与预设的一般疏松系数阈值进行对比,若某检测时间段内某目标钢材对应的一般疏松系数小于一般疏松系数阈值,则将该检测时间段内该目标钢材为正常钢材,反之,则进行以下分析:
将该检测时间段内该目标钢材对应的中心疏松系数与预设的中心疏松系数阈值进行对比,若该检测时间段内该目标钢材对应的中心疏松系数大于或等于中心疏松系数阈值,则判断该检测时间段内该目标钢材的疏松类型为中心疏松,反之,则判断该检测时间段内该目标钢材的疏松类型为一般疏松。
S612:分析得到各检测时间段内各目标钢材对应的疏松类型。
本发明的钢筋缺陷分析不仅对钢筋的外观进行分析,而且通过钢筋的酸浸样本对钢筋内部的缺陷进行分析,弥补了现有技术中对钢筋内部疏松分析力度不够的缺陷,进而避免出现钢筋外观正常但是内部存在缺陷的现象,从而保证了钢筋缺陷分析结果的准确性,进一步保证了钢筋的正常使用,降低了钢筋的使用风险。
在本发明的具体实施例中,所述各检测时间段对应的钢材疏松程度等级,其具体分析方法为:S621:获取各检测时间段内各目标钢材对应的疏松类型,进而统计各检测时间段内一般疏松对应目标钢材的数量,将其标记为AS
S622:统计各检测时间段内中心疏松对应目标钢材的数量,将其标记为KS
S623:获取各检测时间段的需求钢材样本数量,并将其标记为AP
S624:分析各检测时间段对应的钢材疏松程度系数,其计算公式为:
S625:将各检测时间段对应的钢材疏松程度系数与预设的各钢材疏松程度等级对应的钢材疏松程度系数区间进行对比,进而匹配各检测时间段对应的钢材疏松程度等级。
本发明的钢筋缺陷分析对钢筋的缺陷分析结果进一步处理,分析钢筋的综合疏松程度,并将存在问题的钢筋编号进行处理,进而提高了钢筋缺陷分析结果的价值性,在一定程度上提高了钢筋缺陷分析结果的实用性和可持续性,有利于钢筋缺陷分析的长远发展。
S7、钢材缺陷管理:根据各检测时间段对应的钢材疏松程度等级进行相应管理。
在本发明的具体实施例中,所述根据各检测时间段对应的钢材疏松程度等级进行相应管理,其具体方法为:将各检测时间段对应的钢材疏松程度等级发送到钢材缺陷管理中心,并将各检测时间段内一般疏松对应所有目标钢材的编号和中心疏松对应所有目标钢材的编号分别发送到钢材缺陷管理中心。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
机译: 表面缺陷检测方法,表面缺陷检测装置,制造钢材的方法,钢材质量控制方法,钢材制造设备,制造表面缺陷确定模型的方法,以及表面缺陷确定模型
机译: 表面缺陷检测方法,表面缺陷检测装置,钢材制造方法,钢材质量管理方法,钢材制造设施,表面缺陷确定模型产生方法和表面缺陷确定模型
机译: 表面缺陷检测方法,表面缺陷检测装置,制造钢材的方法,钢材质量控制方法,钢材制造设备,制造表面缺陷确定模型的方法,以及表面缺陷确定模型