基于目标识别技术的建筑材料钢材缺陷检测方法技术

本发明专利技术涉及建筑钢材缺陷技术领域，具体公开基于目标识别技术的建筑材料钢材缺陷检测方法，该方法包括：钢材图像采集、钢材尺寸合理系数、钢材样本数量分析、钢材样本抽选、钢材样本分析、钢材疏松分析和钢材缺陷管理，本发明专利技术不仅对钢筋的外观进行分析，而且对钢筋内部的缺陷进行分析，弥补了现有技术中对钢筋内部疏松分析力度不够的缺陷，降低了钢筋的使用风险，本发明专利技术对钢筋的缺陷分析结果进一步处理，分析钢筋的综合疏松程度，提高了钢筋缺陷分析结果的价值性，本发明专利技术首先分析同批次的钢筋的外观质量，进而根据同批次的外观质量进行同批次的钢筋样本抽选，平衡了钢筋缺陷检测结果的准确性和人力物力的资源消耗之间的关系。准确性和人力物力的资源消耗之间的关系。准确性和人力物力的资源消耗之间的关系。

【技术实现步骤摘要】
基于目标识别技术的建筑材料钢材缺陷检测方法


[0001]本专利技术涉及建筑钢材缺陷
，具体而言，涉及基于目标识别技术的建筑材料钢材缺陷检测方法。

技术介绍

[0002]随着社会和经济的发展，建筑类行业的发展也越来越迅速，现如今，在建筑的建造过程中，钢材是必不可少的一种原材料，钢材可以作为各种构件和零部件使用，钢材具有强度高的优点，其具体表现在抗拉、抗压和抗弯等方面，而在众多的钢材中，钢筋的使用频率在逐渐增高，而且在钢筋混凝土中，还能弥补混凝土抗拉、抗弯、抗剪和抗裂性能较低的缺点，但是钢筋在制造过程中如若出现缺陷，一方面影响钢筋的质量，无法保证钢筋的质量，另一方面影响钢筋在建筑作业过程中的使用，因此，对钢筋进行缺陷分析是尤为重要的。
[0003]现有的钢筋缺陷分析在一定程度上可以实现基本的要求，但是还存在以下缺陷，其具体表现在：(1)现有的钢筋缺陷分析大多是根据钢筋的外观进行钢筋缺陷分析，该方法忽略了钢筋内部的缺陷，对钢筋内部疏松的分析力度不够，进而可能出现钢筋外观正常但是内部存在缺陷的现象，从而钢筋缺陷分析结果的准确性难以得到保障，进一步影响钢筋的正常使用，在一定程度上增加了钢筋的使用风险。
[0004](2)现有的钢筋缺陷分析对钢筋的缺陷分析结果的处理深度不够，单一分析得到钢筋对应的缺陷类型，对钢筋缺陷类型的进一步分析的关注度不高，进而导致钢筋缺陷分析结果的价值性不高，在一定程度上降低了钢筋缺陷分析结果的实用性和可持续性，不利于钢筋缺陷分析的长远发展。
[0005](3)现有的钢筋缺陷分析大多是对所有的钢筋或者随机选取钢筋进行缺陷分析，并将分析的结果作为同批次钢筋的分析结果，一方面，选择所有的钢筋进行缺陷检测可以保证钢筋缺陷检测的准确性，但是消耗的人力物力资源过高，另一方面，随机选取钢筋进行缺陷分析可以降低人力物力资源的消耗，但是钢筋缺陷检测结果的准确性无法得到保障，综上所述，现有技术对钢筋缺陷检测结果的准确性和资源的消耗率平衡力度不够。

技术实现思路

[0006]为了克服
技术介绍
中的缺点，本专利技术实施例提供了基于目标识别技术的建筑材料钢材缺陷检测方法,能够有效解决上述
技术介绍
中涉及的问题。
[0007]本专利技术的目的可以通过以下技术方案来实现：基于目标识别技术的建筑材料钢材缺陷检测方法，该方法包括：S1、钢材图像采集：在设定的各检测时间段对成产过程中切割的钢材进行图像采集，进而得到各检测时间段内各钢材的图像。
[0008]S2、钢材尺寸合理系数：基于各检测时间段内各钢材的图像分析各检测时间段内各钢材对应的尺寸合理系数。
[0009]S3、钢材样本数量分析：基于各检测时间段内各钢材对应的尺寸合理系数分析各检测时间段对应的钢材尺寸合理系数，并按照各检测时间段对应的钢材尺寸合理系数分析
各检测时间段的需求钢材样本数量。
[0010]S4、钢材样本抽选：从各检测时间段内的所有钢材中随机抽选对应需求钢材样本数量的各钢材，并将其标记为各检测时间段内的各目标钢材。
[0011]S5、钢材样本分析：对各检测时间段内各目标钢材所属酸浸样本进行分析，进而得到各检测时间段内各目标钢材对应的疏松参数，进而分析各检测时间段内各目标钢材对应的一般疏松系数和中心疏松系数。
[0012]S6、钢材疏松分析：分析各检测时间段内各目标钢材对应的疏松类型，并据此分析各检测时间段对应的钢材疏松程度等级。
[0013]S7、钢材缺陷管理：根据各检测时间段对应的钢材疏松程度等级进行相应管理。
[0014]在本专利技术的一种可能的设计中，所述各检测时间段内各钢材对应的尺寸合理系数，其具体分析方法为：S21：将各检测时间段内各钢材的图像按照设定的长度划分为各检测时间点段内各钢材的各子图像。
[0015]S22：基于各检测时间段内各钢材的各子图像获取各检测时间段内各钢材所属各子图像内螺纹的数量，并将其标记为η
imp
，其中i表示为各检测时间段的编号，i＝1,2,...,n，m表示为各钢材的编号，m＝1,2,...,l，p表示为各子图像的编号，p＝1,2,...,q。
[0016]S23：将各检测时间段内各钢材所属各子图像内螺纹的数量进行相互对比，进而筛选出各检测时间段内各钢材对应的最多螺纹数量和最少螺纹数量，并将其分别标记为
[0017]S24：从钢材数据库中提取钢材对应的正常螺纹数量和钢材对应的长度，并将其分别标记为SJ、SK，进而计算钢材对应设定长度的正常螺纹数量，其计算公式为：其中η
′
表示为钢材对应设定长度的正常螺纹数量，SJ
′
表示为设定长度。
[0018]S25：分析各检测时间段内各钢材对应的尺寸合理系数，其计算公式为：其中CH
im
表示为第i个检测时间段内第m个钢材对应的尺寸合理系数，q表示为子图像的数量。
[0019]在本专利技术的一种可能的设计中，所述各检测时间段对应的钢材尺寸合理系数，其具体分析方法为：S31：将各检测时间段内各钢材对应的尺寸合理系数进行相互对比，进而得到各检测时间段内对应的最大钢材尺寸合理系数和最小钢材尺寸合理系数，并将其分别标记为
[0020]S32：分析各检测时间段对应的钢材尺寸合理系数，其计算公式为：其中GP
i
表示为第i个检测时间段对应的钢材尺寸合理系数，l表示为钢材的数量。
[0021]在本专利技术的一种可能的设计中，所述各检测时间段的需求钢材样本数量，其具体
方法为：从钢材数据库中存储的单位钢材尺寸合理系数对应的需求钢材数量进行对比，进而将各检测时间段对应的钢材尺寸合理系数与单位钢材尺寸合理系数对应的需求钢材数量进行相乘，从而得到各检测时间段对应的需求钢材样本数量。
[0022]在本专利技术的一种可能的设计中，所述各检测时间段内各目标钢材对应的疏松参数，其具体分析方法为：S511：获取各检测时间段内各目标钢材所属酸浸样本的图像。
[0023]S512：将各检测时间段内各目标钢材所属酸浸样本的图像转化为灰度值图像，并将其标记为各检测时间段内各目标钢材所属目标图像，进而在各检测时间段内各目标钢材所属目标图像内布设各像素点，并获取对应的RGB值。
[0024]S513：从钢材数据库中提取暗点对应的RGB值，并据此分析各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度，其计算公式为：其中YS
ivk
表示为第i个检测时间段内第v个目标钢材对应第k个像素点与暗点的颜色相似度，RR
ivk
、GG
ivk
、BB
ivk
分别表示为第i个检测时间段内第v个目标钢材对应第k个像素点对应的R值、G值、B值，RR
′
、GG
′
、BB
′
分别表示为暗点对应的R值、G值、B值，v表示为各目标钢材的编号，v＝1,2,...,u，k表示为各像素点的编号，k＝1,2,...,j。...

【技术保护点】

【技术特征摘要】
1.基于目标识别技术的建筑材料钢材缺陷检测方法，其特征在于，该方法包括：S1、钢材图像采集：在设定的各检测时间段对成产过程中切割的钢材进行图像采集，进而得到各检测时间段内各钢材的图像；S2、钢材尺寸合理系数：基于各检测时间段内各钢材的图像分析各检测时间段内各钢材对应的尺寸合理系数；S3、钢材样本数量分析：基于各检测时间段内各钢材对应的尺寸合理系数分析各检测时间段对应的钢材尺寸合理系数，并按照各检测时间段对应的钢材尺寸合理系数分析各检测时间段的需求钢材样本数量；S4、钢材样本抽选：从各检测时间段内的所有钢材中随机抽选对应需求钢材样本数量的各钢材，并将其标记为各检测时间段内的各目标钢材；S5、钢材样本分析：对各检测时间段内各目标钢材所属酸浸样本进行分析，进而得到各检测时间段内各目标钢材对应的疏松参数，进而分析各检测时间段内各目标钢材对应的一般疏松系数和中心疏松系数；S6、钢材疏松分析：分析各检测时间段内各目标钢材对应的疏松类型，并据此分析各检测时间段对应的钢材疏松程度等级；S7、钢材缺陷管理：根据各检测时间段对应的钢材疏松程度等级进行相应管理。2.根据权利要求1所述的基于目标识别技术的建筑材料钢材缺陷检测方法，其特征在于：所述各检测时间段内各钢材对应的尺寸合理系数，其具体分析方法为：S21：将各检测时间段内各钢材的图像按照设定的长度划分为各检测时间点段内各钢材的各子图像；S22：基于各检测时间段内各钢材的各子图像获取各检测时间段内各钢材所属各子图像内螺纹的数量，并将其标记为η
imp
，其中i表示为各检测时间段的编号，i＝1,2,...,n，m表示为各钢材的编号，m＝1,2,...,l，p表示为各子图像的编号，p＝1,2,...,q；S23：将各检测时间段内各钢材所属各子图像内螺纹的数量进行相互对比，进而筛选出各检测时间段内各钢材对应的最多螺纹数量和最少螺纹数量，并将其分别标记为S24：从钢材数据库中提取钢材对应的正常螺纹数量和钢材对应的长度，并将其分别标记为SJ、SK，进而计算钢材对应设定长度的正常螺纹数量，其计算公式为：其中η
′
表示为钢材对应设定长度的正常螺纹数量，SJ
′
表示为设定长度；S25：分析各检测时间段内各钢材对应的尺寸合理系数，其计算公式为：其中CH
im
表示为第i个检测时间段内第m个钢材对应的尺寸合理系数，q表示为子图像的数量。3.根据权利要求1所述的基于目标识别技术的建筑材料钢材缺陷检测方法，其特征在于：所述各检测时间段对应的钢材尺寸合理系数，其具体分析方法为：S31：将各检测时间段内各钢材对应的尺寸合理系数进行相互对比，进而得到各检测时间段内对应的最大钢材尺寸合理系数和最小钢材尺寸合理系数，并将其分别标记为
S32：分析各检测时间段对应的钢材尺寸合理系数，其计算公式为：其中GP
i
表示为第i个检测时间段对应的钢材尺寸合理系数，l表示为钢材的数量。4.根据权利要求1所述的基于目标识别技术的建筑材料钢材缺陷检测方法，其特征在于：所述各检测时间段的需求钢材样本数量，其具体方法为：从钢材数据库中存储的单位钢材尺寸合理系数对应的需求钢材数量进行对比，进而将各检测时间段对应的钢材尺寸合理系数与单位钢材尺寸合理系数对应的需求钢材数量进行相乘，从而得到各检测时间段对应的需求钢材样本数量。5.根据权利要求1所述的基于目标识别技术的建筑材料钢材缺陷检测方法，其特征在于：所述各检测时间段内各目标钢材对应的疏松参数，其具体分析方法为：S511：获取各检测时间段内各目标钢材所属酸浸样本的图像；S512：将各检测时间段内各目标钢材所属酸浸样本的图像转化为灰度值图像，并将其标记为各检测时间段内各目标钢材所属目标图像，进而在各检测时间段内各目标钢材所属目标图像内布设各像素点，并获取对应的RGB值；S513：从钢材数据库中提取暗点对应的RGB值，并据此分析各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度，其计算公式为：其中YS
ivk
表示为第i个检测时间段内第v个目标钢材对应第k个像素点与暗点的颜色相似度，RR
ivk
、GG
ivk
、BB
ivk
分别表示为第i个检测时间段内第v个目标钢材对应第k个像素点对应的R值、G值、B值，RR
′
、GG
′
、BB
′
分别表示为暗点对应的R值、G值、B值，v表示为各目标钢材的编号，v＝1,2,...,u，k表示为各像素点的编号，k＝1,2,...,j；S514：将各检测时间段内各目标钢材对应各像素点与暗点的颜色相似度和钢材数据库中存储的像素点与暗点颜色相似度阈值进行对比，若某检测时间段内某目标钢材对应某像素点与暗点的颜色相似度大于或等于像素点与暗点颜色相似度阈值，则将该检测时间段内该目标钢材对应该像素点标记为实际暗点，进而得到各检测时间段内各目标钢材所属各实际暗点；S515：将各检测时间段内各目标钢材所属酸浸样本的图像与钢材数据库中存储的空隙图像进行对比，进而得到各检测时间段内各目标钢材所属各实际空隙；S516：将各检测时间段内各目标钢材所属酸浸样本的图像与钢材数据库中存储的树枝状晶的特征图像进行对比，进而得到各检测时间段内各目标钢材所属各树枝状晶，从而获取其对应的面积。6.根据权利要求1所述的基于目标识别技术的建筑材料钢材缺陷检测方法，其特征在于：所述各检测时间段内各目标钢材对应的一般疏松系数，其具体分析方法为：S521：以各检测时间段内各目标钢材所属酸...

【专利技术属性】
技术研发人员：周敦斌，
申请(专利权)人：武汉霖馨建筑装饰工程有限公司，
类型：发明
国别省市：