[发明专利]结构裂缝自动化描绘及宽度精准测量方法与设备

说明书

本发明公开结构裂缝自动化描绘及宽度精准测量方法与设备，其方法包括的裂缝自动化描绘方法与基于单像素骨架和Zernike正交矩的裂缝宽度计算方法，其中的裂缝自动化描绘方法用于快速精确勾画出结构表面的裂缝，其中基于裂缝骨架和Zernike正交矩的裂缝宽度计算方法用于实时计算图像中宽裂缝和细微裂缝的裂缝宽度。其设备将测试和分析功能融为一体，主要包括图像标定模块、图像获取模块、图像处理模块，该设备可以实现结构表面裂缝的自动化检测，包含：(1)高精度、自动化勾画出结构表面的裂缝；(2)结构表面裂缝宽度的精准测量，本发明公开方法与设备可以广泛应用于结构外观裂缝定期检测及结构实验室裂缝观测中。

技术领域

本发明涉及结构检测与评估领域，特别是涉及一种基于数字图像处理的结构表面裂缝的检测方法与设备。

背景技术

在土木工程结构领域，新材料、新结构的承载能力测试是最广为应用的一种实验方法。在结构承载能力测试中，除测量结构应变、变形等结构响应指标外，结构的裂缝发展是测量的一项重要内容，它和结构的承载能力之间具有明确的对应关系，而现阶段裂缝观测主要依靠人工来完成，需要在中断实验的情况下人工手动的去描绘裂缝、人为的使用裂缝测宽仪贴在结构表面读取裂缝宽度。另外，不管是结构定期检查、荷载试验还是实验室实验，裂缝状况都是主要指标之一，而依靠人工去勾画裂缝、人工的使用裂缝测宽仪读取裂缝宽度，不仅效率低下、费时费力影响实验进度，而且检测结果因人而异、误差较大。

近几年，基于数字图像处理的混凝土裂缝检测技术由于能够克服传统人工检测费时费力和检测精度不足的有点成为国内外裂缝检测技术的研究热点。常用的基于图像的裂缝识别方法有边缘检测、阈值分割等。例如，公开号CN 106651872A的专利文献，公开了基于Prewitt算子的路面裂缝识别方法及系统，以及公开号CN105719283的专利文献公开的一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法，都是基于传统的图像处理算法进行的，而裂缝的背景和本身的特征具有相当程度的多变性和复杂性，传统算法识别出的特征很难判断是否为裂缝，并且传统算法往往需要较多的人为干预，自动化程度低。

自2006年，Hinton在《科学》上发表了一篇文章，掀起了深度学习的热潮，深度学习在图像识别方面取得了惊人的成功，深度学习也开始被应用到基于图像处理的裂缝识别中。在国外，Cha，Young-Jin等人已经将深度学习应用到基于图像处理的裂缝识别中，在国内，公开号为CN106910186A的专利文献，公开了一种基于CNN深度学习的桥梁裂缝检测定位方法，其缺点是采用的CNN模板只有16像素大小，难以满足图像中不同宽度裂缝的检测，并且没有能够输出精确到像素的裂缝二值化图像。公开号为CN107133960A的专利文献，公开了一种基于深度卷积神经网络的图像裂缝分割方法，利用卷积网络得到的特征图作为输入从而实现裂缝区域分割，其缺点像素块的大小会限制感知区域的大小，通常像素块的大小比整个图像大小要小很多，只能提取一些局部的特征，从而导致分类的性能受到限制，识别结果对图像中的细节敏感性差、检测裂缝边缘模糊难以满足精度要求，该方法在工程中实际应用还有一定难度。

同时，传统基于数字图像处理的裂缝宽度测量方法也存在较大的局限性，均是以两像素点之间距离来计算裂缝宽度。例如公开号为CN106018411A的专利文献，公开了一种裂缝宽度的测量方法及测量装置，利用图像中激光器射出光斑的大小来计算图像的解析度，利用两个像素点之间的距离乘以解析度得到裂缝宽度。公开号CN104089580A的专利文献，公开了一种基于智能手机实现的混凝土表面裂缝宽度测量仪及方法，利用人工标记的方法计算像素的解析度，利用两条边缘之间“数像素”得到的距离均值乘以解析度作为裂缝宽度。以往的“数像素”类型的裂缝宽度测量方法对于图像中较宽的裂缝往往是适用的，能够达到较好的效果，但是对于图像中的细微裂缝(小于5像素)，识别的误差较大、难以满足测量精度要求。