基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法与流程
本发明涉及计算机视觉及图像检测,尤其涉及一种基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法。
背景技术:
1、环氧自流平地坪施工过程中,通常将配制完成的环氧材料摊铺于基层表面,并利用材料自身的流动性使其逐渐铺展形成连续面层。在施工过程中,未固化的环氧材料会经历持续流动、逐渐铺展并趋于稳定的变化过程,且受材料状态、施工条件以及基层表面状态等因素影响,不同区域的材料运动状态及表面变化过程可能存在差异。若面层内部或表面形成气泡等异常结构,可能在固化后造成地坪表面缺陷,影响地坪成型质量。
2、目前,施工现场主要通过人工巡视判断地坪表面是否存在气泡等异常,也有部分检测方式采用工业相机采集地坪表面图像,并根据表面图像特征识别疑似气泡区域。然而,在环氧自流平地坪施工过程中,面层材料处于持续变化状态,地坪表面的视觉特征会受材料状态变化、施工过程以及环境因素等多方面影响,使得不同类型的表面区域可能呈现相似的视觉特征,同时真实气泡异常与其他因素导致的表面变化之间存在区分困难,从而影响气泡瑕疵实时检测的准确性。
技术实现思路
1、本发明提供了一种基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法,包括如下步骤:
2、连续获取环氧自流平地坪待检测区域的表面图像,并根据连续表面图像确定候选异常区域;
3、根据所述候选异常区域周围的表面特征在连续表面图像中的位置变化,确定所述候选异常区域对应的局部表面运动特征;
4、基于所述局部表面运动特征,获取所述候选异常区域在仅受局部地坪材料运动影响下的预测变化状态,并获取所述候选异常区域的实际变化状态;
5、根据所述实际变化状态与所述预测变化状态之间的差异,获取所述候选异常区域相对于所述局部地坪材料运动的异常演化特征;
6、基于所述局部表面运动特征,确定所述候选异常区域对应的局部表面状态,所述局部表面状态至少包括运动状态;
7、根据所述局部表面状态和所述异常演化特征,将处于流动状态且异常演化特征满足预设异常演化条件的候选异常区域判定为气泡风险区域,所述气泡风险区域用于表征具有形成气泡瑕疵趋势的异常区域。
8、在一些实施例中,所述局部表面状态还包括趋稳状态,所述基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法,还包括如下步骤:
9、持续监测所述气泡风险区域,并在所述气泡风险区域对应的局部表面状态处于趋稳状态时,将持续保持表面特征异常的气泡风险区域判定为气泡瑕疵区域。
10、在一些实施例中,所述根据连续表面图像确定候选异常区域,包括如下步骤:
11、确定每一帧表面图像中与周围区域之间的表面特征差异满足预设异常条件的连通区域,并确定所述连通区域在对应表面图像中的位置信息;
12、将在连续表面图像中不同帧表面图像内存在位置对应关系的连通区域,确定为所述候选异常区域。
13、在一些实施例中,对于任一候选异常区域,其局部表面运动特征通过如下方式确定:
14、在所述候选异常区域外围,确定多个参考子区域;
15、基于各参考子区域的表面特征在相邻表面图像之间的位置变化,确定各参考子区域对应的运动向量;
16、根据空间相邻的参考子区域之间对应运动向量的空间连续性,以及同一参考子区域对应的运动向量在连续多帧表面图像之间的时间连续性,确定各参考子区域对应的有效运动向量;
17、根据多个参考子区域对应的有效运动向量,确定所述候选异常区域外围不同位置处的表面运动方向和表面运动程度,并基于所述表面运动方向和所述表面运动程度生成所述候选异常区域对应的局部表面运动特征。
18、在一些实施例中,所述获取所述候选异常区域在仅受局部地坪材料运动影响下的预测变化状态,包括如下步骤:
19、根据所述候选异常区域外围多个参考子区域对应的有效运动向量,确定所述候选异常区域随局部地坪材料运动产生的预测位置变化;
20、根据与所述候选异常区域各边界位置对应的参考子区域对应的有效运动向量,确定所述候选异常区域随局部地坪材料运动产生的预测边界变化;
21、根据所述预测位置变化和所述预测边界变化,确定所述候选异常区域在仅受局部地坪材料运动影响下对应的预测变化状态。
22、在一些实施例中,任一所述候选异常区域的预测位置变化,由所述候选异常区域对应的多个参考子区域的有效运动向量共同确定,用于表征所述候选异常区域随局部地坪材料运动产生的整体位移变化。
23、在一些实施例中,任一所述候选异常区域对应的预测边界变化,通过如下步骤确定:
24、沿所述候选异常区域边界确定多个边界位置;
25、根据与所述候选异常区域各边界位置对应的参考子区域对应的有效运动向量,确定各边界位置对应的预测位移;
26、根据各边界位置对应的预测位移,对所述多个边界位置进行位置更新,并根据更新后的多个边界位置确定所述候选异常区域对应的预测边界变化。
27、在一些实施例中,所述异常演化特征至少包括位置偏离程度变化趋势和边界偏离程度变化趋势,所述位置偏离程度变化趋势用于表征所述候选异常区域的位置变化相对于所述预测位置变化的偏离程度随时间的变化,所述边界偏离程度变化趋势用于表征所述候选异常区域的边界变化相对于所述预测边界变化的偏离程度随时间的变化。
28、在一些实施例中,所述基于所述局部表面运动特征,确定所述候选异常区域对应的局部表面状态,包括如下步骤:
29、根据连续多帧表面图像中的所述局部表面运动特征,确定多个参考子区域分别对应的表面运动程度;
30、根据多个参考子区域分别对应的表面运动程度在连续多帧表面图像中的变化趋势,确定所述候选异常区域对应的局部表面状态,
31、其中,所述局部表面状态用于表征所述候选异常区域对应局部地坪材料的运动状态变化过程,包括表征局部地坪材料持续流动的流动状态以及表征局部地坪材料运动程度降低并趋于稳定的趋稳状态。
32、在一些实施例中,基于上述任一实施例所提出的基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法,还提供了一种基于机器视觉的环氧自流平地坪气泡瑕疵实时检测系统,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现上述任一实施例中的基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法。
33、本发明所提供的基于机器视觉的环氧自流平地坪气泡瑕疵实时检测方法,其增益在于:本发明通过分析连续表面图像中候选异常区域及其周围区域的表面变化,确定局部地坪材料运动特征,并基于所述局部地坪材料运动特征获取候选异常区域对应的预测变化状态;进一步地,通过比较实际变化状态与预测变化状态之间的差异,确定异常演化特征,从而区分材料正常流动引起的表面变化与气泡形成导致的异常变化,降低动态施工过程中非气泡因素对检测结果的干扰,提高气泡风险区域识别的可靠性;同时,结合局部表面状态变化对气泡风险区域进行持续监测和确认,提高气泡瑕疵实时检测的准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com