构件表面微裂缝非接触式实时监测方法及装置与流程
本技术涉及结构健康监测,尤其涉及构件表面微裂缝非接触式实时监测方法及装置。
背景技术:
1、在建筑、桥梁、大型设备等各类工程结构的健康监测领域,构件表面微裂缝的早期发现与持续追踪是评估其安全状况与使用寿命的关键。现有监测方法,如人工目视检查,存在主观性强、效率低下且难以量化的问题;而传统传感器(如应变片)则需要接触式安装,不仅可能破坏结构表面,其监测范围也极为有限,难以实现大面积覆盖和微裂纹的精准捕捉。
技术实现思路
1、本技术的主要目的在于提供一种构件表面微裂缝非接触式实时监测方法及装置,可以解决现有技术中微裂缝监测精度低、实时性差的技术问题。
2、为实现上述目的,本技术提供了一种构件表面微裂缝非接触式实时监测方法,方法包括:
3、获取构件表面的光学图像数据序列,对所述光学图像数据序列进行图像特征增强,得到增强图像数据序列;
4、识别所述增强图像数据序列中的潜在不连续区域,将所述潜在不连续区域聚合为候选区域集合;
5、对所述候选区域集合中每个候选区域进行裂缝特征提取,得到裂缝特征数据;
6、基于所述裂缝特征数据生成微裂缝状态的监测结果。
7、在一实施例中,所述对所述候选区域集合中每个候选区域进行裂缝特征提取,得到裂缝特征数据的步骤包括:
8、确定所述候选区域集合中每个候选区域的灰度分布,对所述灰度分布进行分析,得到初步形态学特征数据;
9、根据所述初步形态学特征数据,对每个所述候选区域进行骨架化处理和支路修剪,得到骨架结构数据;
10、基于所述骨架结构数据,计算裂缝的长度、平均宽度、走向角度和分叉点数量,将所述长度、所述平均宽度、所述走向角度和所述分叉点数量进行组合,得到裂缝特征数据。
11、在一实施例中,所述基于所述骨架结构数据,计算裂缝的长度、平均宽度、走向角度和分叉点数量的步骤包括:
12、对所述骨架结构数据进行端点到端点的路径追踪,计算裂缝的主长度和各分支长度;
13、对垂直于所述骨架结构数据中各像素点的法线上进行宽度测量,得到所述裂缝的平均宽度;
14、对所述骨架结构数据进行主方向拟合,得到所述裂缝的走向角度;
15、对所述骨架结构数据进行节点分析,将大于预设节点数量的连通度作为所述裂缝的分叉点数量。
16、在一实施例中,对所述光学图像数据序列进行图像特征增强,得到增强图像数据序列的步骤包括:
17、基于基准白平衡参数,对所述光学图像数据序列中的每一帧图像数据进行颜色通道校正,得到颜色校正图像数据;
18、基于多尺度空间滤波核,对所述颜色校正图像数据进行纹理强化,得到纹理增强图像数据;
19、根据环境光照强度数据,对所述纹理增强图像数据进行对比度拉伸,得到增强图像数据帧数据;
20、基于所述图像数据的帧位置组合所述增强图像数据帧数据,得到增强图像数据序列。
21、在一实施例中,所述获取构件表面的光学图像数据序列的步骤之后,还包括:
22、对所述光学图像数据序列进行噪声过滤和畸变校正,得到预处理光学图像数据序列;
23、基于所述预处理光学图像数据序列,执行对所述光学图像数据序列进行图像特征增强,得到增强图像数据序列的步骤。
24、在一实施例中,所述对所述光学图像数据序列进行噪声过滤和畸变校正,得到预处理光学图像数据序列的步骤包括:
25、获取暗场噪声数据、传感器坏点分布图和相机镜头标定参数;
26、基于所述暗场噪声数据对所述光学图像数据序列进行背景噪声减除,得到去噪图像数据序列;
27、基于所述传感器坏点分布图,对所述去噪图像数据序列进行坏点插值补偿,得到补偿图像数据序列;
28、基于所述相机镜头标定参数,对所述补偿图像数据序列进行几何畸变校正,得到预处理光学图像数据序列。
29、在一实施例中,所述识别所述增强图像数据序列中的潜在不连续区域,将所述潜在不连续区域聚合为候选区域集合的步骤包括:
30、对所述增强图像数据序列中连续帧图像数据进行像素集差分运算,得到差分特征图数据;
31、计算所述差分特征图数据的梯度幅值和梯度方向,根据所述梯度幅值和所述梯度方向识别出潜在不连续区域;
32、基于预设边缘强度阈值和连通性阈值,对所述潜在不连续区域进行区域生长和区域聚合,得到候选区域数据集合。
33、在一实施例中,所述基于预设边缘强度阈值和连通性阈值,对所述潜在不连续区域进行区域生长和区域聚合,得到候选区域数据集合的步骤之后,还包括:
34、对所述候选区域数据集合中的每个候选区域进行面积与长宽比筛选,剔除不符合预设集合约束的候选区域,得到优化候选区域数据集合;
35、基于所述优化候选区域数据集合更新所述候选区域数据集合。
36、在一实施例中,所述基于所述裂缝特征数据生成微裂缝状态的监测结果的步骤包括:
37、获取历史监测周期存储的裂缝特征基线数据;
38、将当前监测周期中的所述裂缝特征数据与所述裂缝特征基线数据进行比对,得到裂缝演化趋势数据;
39、根据预设裂缝安全等级阈值,对所述裂缝演化趋势数据进行风险评估分级,得到风险等级信息;
40、将所述裂缝特征数据、所述裂缝演化趋势数据和所述风险等级信息进行封装,生成微裂缝状态的监测结果。
41、此外,为实现上述目的,本技术还提出一种构件表面微裂缝非接触式实时监测装置,构件表面微裂缝非接触式实时监测装置包括:
42、图像增强模块,用于获取构件表面的光学图像数据序列,对所述光学图像数据序列进行图像特征增强,得到增强图像数据序列;
43、裂缝识别模块,用于识别所述增强图像数据序列中的潜在不连续区域,将所述潜在不连续区域聚合为候选区域集合;
44、特征提取模块,用于对所述候选区域集合中每个候选区域进行裂缝特征提取,得到裂缝特征数据;
45、状态监测模块,用于基于所述裂缝特征数据生成微裂缝状态的监测结果。
46、此外,为实现上述目的,本技术还提出一种构件表面微裂缝非接触式实时监测设备,所述构件表面微裂缝非接触式实时监测设备包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序配置为实现如上文的构件表面微裂缝非接触式实时监测方法的步骤。
47、此外,为实现上述目的,本发明还提出一种存储介质,存储介质为计算机可读存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上文的构件表面微裂缝非接触式实时监测方法的步骤。
48、此外,为实现上述目的,本技术还提供一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序被处理器执行时实现如上文的构件表面微裂缝非接触式实时监测方法的步骤。
49、本技术提供了一种构件表面微裂缝非接触式实时监测方法,通过获取构件表面的光学图像序列,经图像特征增强后识别出潜在不连续区域并聚合成候选区域集合;对候选区域进行裂缝特征提取,包括分析灰度分布、骨架化处理及计算长度、宽度、走向角度和分叉点等形态特征;最终结合历史基线数据,进行裂缝演化趋势分析和风险评估,生成微裂缝状态的监测结果。通过上述方式,实现了对构件表面微裂缝的高精度、非接触式实时监测与量化评估,能够有效识别裂缝形态变化并进行安全预警,提升结构健康监测的自动化水平和可靠性。
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