[发明专利]基于机器视觉的压型金属板屋面腐蚀状态检测方法

权利要求书

1.一种基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于本方法包括如下步骤：

步骤一、根据待检厂房屋面设定无人机飞行范围、飞行起点及飞行高度，计算无人机飞行过程航向和旁向图像的重叠率，确定无人机拍摄屋面图像的航点，生成无人机飞行指令；

步骤二、无人机按飞行指令飞行，依次至每个航点，采用悬停拍摄的方式采集屋面图像；

步骤三、完整屋面图像采集完成后无人机返航，并将所采集的完整屋面图像传输至地面机器视觉工作站；

步骤四、机器视觉工作站根据航向和旁向图像的重叠率对图像边缘进行裁剪处理，去除图像中的重叠部分；

步骤五、机器视觉工作站采用机器视觉模型逐张识别图像中压型金属板的点状锈蚀、线状锈蚀和面状锈蚀缺陷，并对每个锈蚀缺陷的轮廓作出标记，计算锈蚀缺陷指标；

步骤六、根据每张图像的锈蚀缺陷指标，汇总计算完整厂房屋面图像的锈蚀缺陷指标，得到压型金属板屋面腐蚀状态的定量数据。

2.根据权利要求1所述的基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于：所述无人机是多旋翼无人机，并且搭载4k高清相机采集屋面图像。

3.根据权利要求1或2所述的基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于：无人机航线规划通过与无人机通讯连接的移动终端进行设置，移动终端在卫星地图上沿待检厂房屋面的边缘框出飞行检查的范围，设定飞行起点和飞行高度，移动终端根据设定的飞行检查范围和飞行起点计算出航向和旁向的图像重叠率，进而确定航点位置，生成飞行指令；无人机按生成的飞行指令航线使得在每个航点采集的图像覆盖整个屋面。

4.根据权利要求3所述的基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于：设定待检厂房屋面的长度为L₁、宽度为W₁，设定无人机在每个航点采集的图像长度为L₂、宽度为W₂；

则航向重叠率D₁和旁向重叠率D₂分别按下列式(1)和式(2)计算：

起始航点位置按下列式(3)和式(4)计算：

其中，L₃为起始航点距离飞行起点在航向上的距离，W₃为起始航点距离飞行起点在旁向上的距离；

航向上相邻航点之间的距离按下列式(5)计算：

L₄＝L₂×(1-D₁) (5)

旁向上相邻航点之间的距离按下列式(6)计算：

W₄＝W₂×(1-D₂) (6)

其中，L₄为航向上相邻航点距离，W₄为旁向上相邻航点距离；将航点依次连接起来形成无人机飞行航线。

5.根据权利要求3所述的基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于：所述对图像边缘裁剪处理是对航向和旁向两个方向的图像重叠部分进行裁剪，以消除图像的重叠部分对整个屋面锈蚀指标计算的影响，每边裁剪量为重叠宽度的一半。

6.根据权利要求3所述的基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于：所述机器视觉模型采用DeepLab V3+深度学习算法模型，通过图像标注与训练识别压型金属板屋面的点状锈蚀、线状锈蚀和面状锈蚀缺陷类型，并对识别出来的每个锈蚀缺陷的边缘轮廓用一组点坐标进行标记，实现缺陷定位及缺陷所占像素数的计算。

7.根据权利要求6所述的基于机器视觉的压型金属板屋面腐蚀状态检测方法，其特征在于：所述锈蚀缺陷指标包括：

(1)单张屋面图像上每种锈蚀缺陷类型的锈蚀面积、锈蚀面积率；

(2)单张屋面图像上所有锈蚀缺陷的锈蚀面积、锈蚀面积率；

(3)整个厂房屋面上每种锈蚀缺陷类型的锈蚀面积、锈蚀面积率；

(4)整个厂房屋面上所有锈蚀缺陷的锈蚀面积、锈蚀面积率；

(5)根据整个厂房屋面的历次检查得到的锈蚀缺陷指标，计算锈蚀发展趋势。