一种基于机器视觉的钢筋绑扎自动检测方法及系统与流程

本发明涉及机器视觉和钢筋绑扎检测，更具体的说是涉及一种基于机器视觉的钢筋绑扎自动检测方法及系统。

背景技术：

1、目前，钢筋绑扎是建筑工程中的关键步骤，其质量直接关系到建筑结构的稳定性和安全性。传统的钢筋绑扎检测方法主要依赖人工检查，常常存在绑扎不牢固或者不符合规范的情况，可能导致建筑物的结构问题，甚至危及人员安全，一般存在以下缺陷和弊端：

2、效率低下：人工检查耗时长，难以满足大规模工程的需求。

3、准确性差：人工检测易受人为因素影响，如疲劳、经验不足等，导致检测结果不一致。

4、安全隐患：在高空或危险环境中进行人工检测存在较大安全风险。

5、成本高：需要大量人力资源，增加了工程成本。

6、为了克服上述问题，亟需一种钢筋绑扎自动检测方法和/或系统，以便实现高效、准确、安全的钢筋绑扎质量检测。

技术实现思路

1、有鉴于此，本发明提供了一种基于机器视觉的钢筋绑扎自动检测方法及系统，能够有效解决传统钢筋绑扎检测方法的缺陷和弊端，实现高效、准确、安全的钢筋绑扎质量检测，为建筑工程的质量控制提供有力保障。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明实施例提供一种基于机器视觉的钢筋绑扎自动检测方法，包括以下步骤：

4、s1、采集待检测目标区域的图像，并进行预处理；

5、s2、对预处理后的图像，通过图像分割和边缘检测算法，提取钢筋及绑扎点的图像特征；

6、s3、基于预训练的神经网络识别模型，对所述图像特征进行分析处理，判断绑扎点是否满足预设条件；

7、s4、将检测结果以可视化的方式展示，并生成检测报告。

8、进一步地，所述步骤s1包括：

9、采集待检测目标区域的图像，并依次进行如下处理：

10、1)使用中值滤波和高斯滤波对图像进行去噪处理，去除图像中的噪声；

11、2)颜色空间变换来检测光照产生的钢筋阴影区域，并去除阴影区域；

12、3)将图像进行灰度化处理；

13、4)进行图像增强和几何校正处理。

14、3.根据权利要求2所述的一种基于机器视觉的钢筋绑扎自动检测方法，其特征在于，使用中值滤波和高斯滤波对图像进行去噪处理，去除图像中的噪声，包括：

15、中值滤波公式：

16、if1(x，y)＝median{i(x+i，y+j)|-k≤i，j≤k}

17、i(x，y)表示输入图像在位置(x，y)的像素值；k表示滤波窗口的一半大小，滤波窗口的尺寸为(2k+1)*(2k+1)；if1(x，y)表示中值滤波后图像在位置(x，y)的像素值；i，j表示在水平方向和垂直方向的偏移量；

18、高斯滤波公式：

19、

20、其中，if2(x，y)表示高斯滤波后图像在位置(x，y)的像素值；k表示高斯核的一半大小，核的尺寸为(2k+1)*(2k+1)，高斯核g(i，j)的计算公式为：

21、

22、σ表示高斯核的标准差，决定了平滑的程度。

23、进一步地，颜色空间变换来检测光照产生的钢筋阴影区域，并去除阴影区域，包括：

24、将去噪后的图像从rgb颜色空间转换到hsv颜色空间，并分离亮度通道，使用阈值处理来检测阴影区域；

25、v＝max(r，g，b)

26、

27、式中，shadow mask表示阴影掩码，标记阴影区域；t表示阈值，在0.3到0.5之间；v表示hsv颜色空间中的亮度通道；

28、应用clahe方法增强亮度通道v；

29、ienhanced(x，y)＝clahe(i(x，y))

30、ienhanced(x，y)表示增强后的图像在位置(x，y)的像素值；i(x,y)表示输入的去噪后图像在位置(x，y)的像素值；

31、将增强后的亮度通道替换回原始图像，并转换回rgb颜色空间；

32、融合增强后的图像与原始图像，得到最终去除阴影的图像；

33、ifinal(x，y)＝α·ienhanced(x，y)+(1-α)·i(x，y)

34、α表示融合因子，取0.5到0.7之间。

35、进一步地，所述步骤s2包括：

36、s21、采用canny边缘检测算法提取钢筋和绑扎点的边缘信息；

37、s22、利用霍夫变换检测钢筋的直线特征，确定钢筋的分布和方向；

38、s23、通过k-means聚类算法对图像进行初步分割，分离钢筋和绑扎点；

39、s24、并采用自适应阈值分割算法进行精细分割，提取绑扎点的位置、大小和形状特征。

40、进一步地，所述步骤s3包括：

41、采用预训练的卷积神经网络模型对提取的特征进行分类和判断；

42、并结合支持向量机进行二次分类，对检测结果进行比对，分析钢筋绑扎是否符合规范。

43、进一步地，所述步骤s4包括：

44、将检测结果通过图形界面展示，标注出合格和不合格的绑扎点；

45、生成详细的检测报告，包括检测时间、检测结果、问题描述、改进建议和施工指导意见。

46、第二方面，本发明实施例还提供一种基于机器视觉的钢筋绑扎自动检测系统，包括：

47、图像采集处理模块，用于采集待检测目标区域的图像，并进行预处理；

48、特征提取模块，用于对预处理后的图像，通过图像分割和边缘检测算法，提取钢筋及绑扎点的图像特征；

49、绑扎检测模块，基于预训练的神经网络识别模型，对所述图像特征进行分析处理，判断绑扎点是否满足预设条件；

50、报告生成模块，用于将检测结果以可视化的方式展示，并生成检测报告。

51、第三方面，本发明实施例再提供一种计算机设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；

52、存储器，用于存放计算机程序；

53、处理器，用于执行存储器上所存放的程序时，能够实现如第一方面中任一项所述的一种基于机器视觉的钢筋绑扎自动检测方法。

54、第四方面，本发明实施例另外提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如第一方面中任一项所述的一种基于机器视觉的钢筋绑扎自动检测方法。

55、经由上述的技术方案可知，与现有技术相比：

56、1、提高检测效率：本发明的自动化检测方法，能够大幅缩短检测时间，满足大规模工程的需求。

57、2、提升检测准确性：本发明利用机器学习和计算机视觉技术，减少人为因素的影响，提高检测结果的一致性和准确性。

58、3、保障操作安全：本发明的应用，可减少人工在高空和危险环境中的作业，降低安全风险。

59、4、降低成本：本发明的应用，可减少人力资源投入，降低检测成本，具有较高的经济效益。