[发明专利]一种基于移动终端的钢筋混凝土桥梁损伤检测系统及方法在审

专利信息
申请号: 202010111003.8 申请日: 2020-02-24
公开(公告)号: CN111340772A 公开(公告)日: 2020-06-26
发明(设计)人: 黄彩萍;甘书宽;黄志强;邢琼 申请(专利权)人: 湖北工业大学
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06T7/11;G06T7/90
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 杨宏伟
地址: 430068 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 移动 终端 钢筋混凝土 桥梁 损伤 检测 系统 方法
【说明书】:

发明公开了一种基于移动终端的钢筋混凝土桥梁损伤检测系统及方法。系统包括带高精摄像头的航拍无人机,用户终端模块,云数据库中心a,云数据库中心b,云检测模块和云训练模块。利用摄像机拍摄已知损伤信息的原始图片A,将原始图片A进行分割得到图像C,将已知损伤信息的图像C组成训练集,利用训练集对分类器进行训练,完成桥梁损伤检测模型建立;利用摄像机拍摄待检测的钢筋混凝土桥梁的原始图片A;对待检测的原始图片A进行分割,得到待检测的图像C;将待检测的图像C导入到分类器中,即可获取该原始图片A中钢筋混凝土桥梁的损伤信息。本发明提供了一种远程检测方法,大大降低人工现场检测的工作量,提高检测效率,节约检测成本。

技术领域

本发明属于桥梁检测领域,涉及到图像识别,具体涉及一种基于移动终端的钢筋混凝土桥梁损伤检测系统及方法。

背景技术

随着国家经济发展,桥梁建设做为交通基础设施的重要组成部分,获得了指数级增长;同时,大量桥梁由于交通负荷的增加、气候和自然灾害的影响,结构受到破坏,出现各种损伤,影响桥梁安全运营。针对桥梁损伤检测,传统方式以人工现场检查为主;也有激光雷达、超声波、红外热像仪等进行损伤检测的手段,这些方法都需要人工现场取景,检查的方式是依赖于专家的知识和经验,很难客观评价;而且检测效率低,造成大量的资源浪费和人力浪费。为了提高钢筋混凝土桥梁损伤检测的效率,在现场采用无人机替代人肉眼观测,采集各个部位的高像素图像,通过基于移动终端的钢筋混凝土桥梁损伤检测方法来自动快速的检测钢筋混凝土桥梁的损伤。

发明内容

针对现有技术中存在的缺陷,本发明的目的在于提供一种基于移动终端的钢筋混凝土桥梁损伤检测系统及方法,在无需人工现场检查的情况下,实现客观高效的检测。

为达到以上目的,本发明采取的技术方案是:

一种基于移动终端的钢筋混凝土桥梁损伤检测系统,其特征在于:包括用户终端模块、云数据库中心a、云数据库中心b、云检测模块、云训练模块和带高精摄像头的航拍无人机;

所述带高精摄像头的航拍无人机用于采集桥体混凝土表面损伤部位的原始图像A并通过无线传至用户终端模块;

所述用户终端模块,用于用户访问和注册终端模块并将注册的独立ID信息传输至云数据库中心a,用户可以通过个人ID登录终端访问云数据库中心a来修改信息;

所述云数据库中心a,用于及储存云检测模块的检测数据和分割的图像C以及云训练模块的分类器;

所述云数据库中心b,用于存储航拍无人机采集的原始图像A,云检测模块的检测数据和分割的图像C,以及云训练模块的分类器;

所述云检测模块,用于将原始图像A分割成图像C和损伤识别分类,并在联网情况下自动将图像C和损伤识别分类数据传至云数据库中心a;

所述云训练模块,通过互联网自动在云数据库中心a提取图像C,对分类器进行训练学习,并通过互联网将训练的分类器传至云检测模块和云数据库中心a。

进一步地,所述用户还可以直接在云数据库中心a预先下载分类器,并在用户终端模块上运行,实现户外无法联网情况下的现场检测,此时所述云检测模块直接分割航拍无人机采集的原始图像A并送往分类器进行检测。

进一步地,所述云检测模块图像分割具体算法步骤包括:

a、输入原始图像A的RGB彩图;

b、通过多种颜色通道交换,得到多通道灰度图像;

c、对灰度图进行Otsu分割,得到各通道初始分割结果,通过测试选取最佳颜色多通道;

d、最后利用马尔科夫随机场模型进行多通道图像分割,得到带损伤区域的图像C。

进一步地,所述云检测模块中损伤识别分类采用三阶段分类器,具体如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北工业大学,未经湖北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010111003.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code