一种室外复杂光照条件下钢结构除锈等级智能判定方法技术

本发明专利技术涉及一种室外复杂光照条件下钢结构除锈等级智能判定方法，属于钢结构除锈等级自动判定领域。本发明专利技术针对室外复杂光照环境，先将喷砂图像转换为灰度图像，再利用光照不变特征提取方法对灰度图像进行预处理，提取光照不变特征，从而降低光照对图像本身的影响；该方法对上一步得到了光照不变特征采用局部二值模式特征提取方法提取图像的纹理特征；针对得到的纹理特征，该方法使用支持向量机分类方法训练好的涵盖Sa1、SA2、SA2.5、SA3四个不同喷砂除锈等级的多分类器进行分类，输出分类结果，得到喷砂等级；针对具体施工项目可提前设置喷砂除锈等级要求，软件可以根据自动识别结果给出合格或不合格的结论，不仅自动判定除锈等级，而且准确度高。而且准确度高。而且准确度高。

【技术实现步骤摘要】
一种室外复杂光照条件下钢结构除锈等级智能判定方法


[0001]本专利技术属于钢结构除锈等级自动判定领域，涉及一种室外复杂光照条件下钢结构除锈等级智能判定方法，具体涉及一种基于机器学习算法的室外复杂光照条件下钢结构除锈等级智能判定方法。

技术介绍

[0002]为延缓腐蚀进度、延长使用寿命，船舶、滨海发射塔架、石油管道、高压电塔及各类钢质建筑物等大型钢结构在使用一段时间后往往需要开展二次防腐处理。由于上述钢结构部件尺寸较大且无法拆卸返厂，其防腐处理往往在现场室外环境下开展。钢结构表面的除锈是开展防腐工作的第一步，也是决定防腐质量的关键环节之一。喷砂除锈方式具有除锈速度快、性价比高、基材粗糙度有保障等优点，被广泛应用于大型钢结构的表面除锈。喷砂除锈质量对施工人员的技术和经验要求较高，需要现场质量监督人员频繁的实施除锈等级确认。采用人工进行喷砂质量确认方式受监督人员的主观因素和经验作用影响较大，质量不能保证稳定维持，且缺乏有效的证据记录。目前已有学者(审查中专利)对暗室环境下的基于视觉识别的喷砂质量确认方法进行了研究，但不能适用于实际的室外复杂光照条件。
[0003]因此，为解决大型钢结构室外环境下喷砂除锈等级自动判定问题，亟需一种适应复杂光照条件的自动、智能判别方法。

技术实现思路

[0004](一)要解决的技术问题
[0005]本专利技术要解决的技术问题是如何提供一种室外复杂光照条件下钢结构除锈等级智能判定方法，以解决除锈质量受人工主观因素和经验水平影响导致的除锈等级判定不稳定和缺乏有效证据记录的问题。
[0006](二)技术方案
[0007]为了解决上述技术问题，本专利技术提出一种室外复杂光照条件下钢结构除锈等级智能判定方法，该方法包括如下步骤：
[0008]S1、模型训练阶段
[0009]S11、分别收集不同除锈等级的喷砂结果照片，作为样本数据进行训练；
[0010]S12、将样本图像转换为灰度图像，并利用光照不变特征提取方法对灰度图像进行预处理，提取出光照不变特征；
[0011]S13、采用局部二值模式特征提取方法提取图像的纹理特征；
[0012]S14、最后使用支持向量机分类方法对上述步骤中提取的特征值进行训练，得到一个涵盖不同除锈等级的多分类器；
[0013]S2、图像识别阶段
[0014]S21、将待检测的喷砂结果图像转换为灰度图像，同理利用模型训练阶段使用的光照不变特征提取方法对灰度图像进行预处理，提取光照不变特征；
[0015]S22、对光照不变特征图像采用局部二值模式特征提取方法提取图像的纹理特征；
[0016]S23、将提取的图像纹理特征使用步骤S1中训练好的多分类器进行分类，得到分类结果。
[0017]进一步地，所述步骤S11中，不同除锈等级为Sa1、SA2、SA2.5、SA3四种不同除锈等级。
[0018]进一步地，所述步骤S11中收集不同除锈等级的喷砂结果照片1000张以上。
[0019]进一步地，所述步骤S12中光照不变特征提取过程如下：
[0020]S121、首先将灰度图像进行对数变换转换到对数域图像；
[0021]S122、将步骤S121中得到的对数域图像经过低通滤波器滤波后得到图像的光照分量；
[0022]S123、将对数域图像减去步骤S122中的光照分量即得到光照不变分量。
[0023]进一步地，所述步骤S13具体包括：设定3*3的窗口大小，按照窗口大小对图像上的每个像素点提取其周围像素点的灰度值，并以窗口中心点的灰度值为阈值进行逐一对比，大于阈值记为1，小于阈值记为0，则得到一个8的二进制数，转换为十进制数则为该像素点的局部二值特征值。
[0024]进一步地，所述步骤S13还包括，计算得到图像中所有像素点的特征值，得到了整个图像的局部二值模式纹理特征。
[0025]进一步地，该方法以软件形式开发为APP，安装至手机或者平板电脑中。
[0026]进一步地，在喷砂除锈完成后，质量确认人员使用手机或者平板对喷砂结果进行拍照，并对喷砂位置/编号进行登记。
[0027]进一步地，喷砂结果照片存储在APP配套的数据库中存档，以备查阅。
[0028]进一步地，针对具体施工项目提前设置喷砂除锈等级要求，软件根据自动识别结果给出合格或不合格的结论。
[0029](三)有益效果
[0030]本专利技术提出一种室外复杂光照条件下钢结构除锈等级智能判定方法，该方法有如下优点：
[0031]该方法以软件形式开发成APP，安装至手机或者平板电脑中，在喷砂除锈完成后，质量确认人员使用手机或者平板对喷砂结果进行拍照，并对喷砂位置/编号进行登记，喷砂结果照片存储在APP配套的数据库中存档，可以方便地使用和存档。
[0032]针对室外复杂光照环境，该方法先将喷砂图像转换为灰度图像，再利用光照不变特征提取方法对灰度图像进行预处理，提取光照不变特征，从而降低光照对图像本身的影响；而后该方法对上一步得到了光照不变特征采用局部二值模式特征提取方法提取图像的纹理特征；针对得到的纹理特征，该方法使用支持向量机分类方法训练好的涵盖Sa1、SA2、SA2.5、SA3四个不同喷砂除锈等级的多分类器进行分类，输出分类结果，得到喷砂等级；针对具体施工项目可提前设置喷砂除锈等级要求，软件可以根据自动识别结果给出合格或不合格的结论，不仅自动判定除锈等级，而且准确度高。
附图说明
[0033]图1为本专利技术基于光照不变特征的喷砂除锈等级智能判定方法示意图；
[0034]图2为本专利技术光照不变特征提取流程示意图。
具体实施方式
[0035]为使本专利技术的目的、内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。
[0036]本专利技术基于机器学习算法和图像识别技术设计了一种室外复杂光照环境下钢结构除锈等级智能判定方法，旨在解决除锈质量受人工主观因素和经验水平影响导致的除锈等级判定不稳定和缺乏有效证据记录的问题。
[0037]为降低室外复杂光照环境对钢结构喷砂结果的自动判定准确度的影响，本专利技术提出一种基于光照不变特征的喷砂图像分类方法，具体实现过程如下：
[0038]具体步骤如下：
[0039]S1、模型训练阶段
[0040]S11、分别收集Sa1、SA2、SA2.5、SA3四种不同除锈等级的喷砂结果照片1000张以上，作为样本数据进行训练。
[0041]S12、将样本图像转换为灰度图像，并利用光照不变特征提取方法对灰度图像进行预处理，提取出光照不变特征，以降低光照对图像本身的影响。光照不变特征提取过程如下：
[0042]S121、首先将灰度图像进行对数变换转换到对数域图像；
[0043]S122、将步骤S121中得到的对数域图像经过低通滤波器滤波后得到图像的光照分量；
[0044]S123、将对数域图像减去步骤S122中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种室外复杂光照条件下钢结构除锈等级智能判定方法，其特征在于，该方法包括如下步骤：S1、模型训练阶段S11、分别收集不同除锈等级的喷砂结果照片，作为样本数据进行训练；S12、将样本图像转换为灰度图像，并利用光照不变特征提取方法对灰度图像进行预处理，提取出光照不变特征；S13、采用局部二值模式特征提取方法提取图像的纹理特征；S14、最后使用支持向量机分类方法对上述步骤中提取的特征值进行训练，得到一个涵盖不同除锈等级的多分类器；S2、图像识别阶段S21、将待检测的喷砂结果图像转换为灰度图像，同理利用模型训练阶段使用的光照不变特征提取方法对灰度图像进行预处理，提取光照不变特征；S22、对光照不变特征图像采用局部二值模式特征提取方法提取图像的纹理特征；S23、将提取的图像纹理特征使用步骤S1中训练好的多分类器进行分类，得到分类结果。2.如权利要求1所述的室外复杂光照条件下钢结构除锈等级智能判定方法，其特征在于，所述步骤S11中，不同除锈等级为Sa1、SA2、SA2.5、SA3四种不同除锈等级。3.如权利要求1所述的室外复杂光照条件下钢结构除锈等级智能判定方法，其特征在于，所述步骤S11中收集不同除锈等级的喷砂结果照片1000张以上。4.如权利要求1
‑
3任一项所述的室外复杂光照条件下钢结构除锈等级智能判定方法，其特征在于，所述步骤S12中光照不变特征提取过程如下：S121、首先将灰度图像进行对数变换转换到对数域图像；S122、将步骤...

【专利技术属性】
技术研发人员：古宇飞，钟文安，陈少将，张博，张利军，李朋虎，王宁，张东玖，杨德刚，郭棒，甘朝虹，张闯，
申请(专利权)人：中国人民解放军六三七九六部队，
类型：发明
国别省市：