一种钢结构建筑涂料防腐性能检测方法技术

本发明专利技术涉及钢材涂料性能检测技术领域，特别是一种钢结构建筑涂料防腐性能检测方法，获取待检测产品图像，对所述待检测产品图像进行识别，得到第一识别结果或第二识别结果；若识别结果为第一识别结果，则获取缺陷的位置信息，基于所述位置信息由所述待检测产品图像中分割出缺陷图像，基于所述缺陷图像构建得到缺陷三维模型图；将所述缺陷三维模型图导入所述训练完成的内应力识别模型中进行分析，分析得到缺陷的实际内应力值，基于所述实际内应力值确定出缺陷的修复策略，能够自动对钢结构涂料的防腐性能进行检测，能够适用于大批量自动化生产车间，检测结果的可靠性高。检测结果的可靠性高。检测结果的可靠性高。

【技术实现步骤摘要】
一种钢结构建筑涂料防腐性能检测方法


[0001]本专利技术涉及钢材涂料性能检测
，特别是一种钢结构建筑涂料防腐性能检测方法。

技术介绍

[0002]钢结构作为建筑材料中不可或缺的部分，其性能决定建筑的质量，但受材料特性的影响，在使用的过程中，易和空气中的水蒸汽发生反应，从而出现生锈腐蚀，使建筑钢结构使用寿命缩短。针对该问题，通常在钢结构表面涂装防腐涂料，从而起到防腐和减少摩擦的作用。目前，通过采用热喷涂法将防腐涂料喷涂在钢结构表面，热喷涂法是采用燃烧火焰等离子弧作为热源，将喷涂材料加热到塑态或熔融状态，同时在高速气流的加速作用下，使呈雾化的材料颗粒束冲击到预处理的集体表面上，从而形成复合防腐涂层。在对钢结构喷涂完毕后，需要对防腐涂层进行质量检测，以判断涂层中是否存在空隙、缝隙等缺陷，传统的方法是采用人工进行检测，检测效率低，不利于大批量生产，并且人为误差较大，检测结果的可靠性较低。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种钢结构建筑涂料防腐性能检测方法。
[0004]为达到上述目的本专利技术采用的技术方案为：
[0005]本专利技术公开了一种钢结构建筑涂料防腐性能检测方法，具体包括以下步骤：
[0006]获取待检测产品图像，对所述待检测产品图像进行识别，得到第一识别结果或第二识别结果；
[0007]若识别结果为第一识别结果，则获取缺陷的位置信息，基于所述位置信息由所述待检测产品图像中分割出缺陷图像，基于所述缺陷图像构建得到缺陷三维模型图；
[0008]由所述缺陷三维模型图中提取出缺陷的特征参数，基于所述特征参数得到缺陷的浓度值，基于所述缺陷的浓度值对待检测产品进行分析，得到分析结果；
[0009]若产品的分析结果为不合格品，则对产品进行报废；若产品的分析结果为可修复品，则构建内应力识别模型，并对所述内应力识别模型进行训练，得到训练完成的内应力识别模型；
[0010]将所述缺陷三维模型图导入所述训练完成的内应力识别模型中进行分析，分析得到缺陷的实际内应力值，基于所述实际内应力值确定出缺陷的修复策略。
[0011]进一步的，本专利技术的一个较佳实施例中，获取待检测产品图像，对所述待检测产品图像进行识别，得到第一识别结果或第二识别结果，具体为：
[0012]预设关键检索词，基于所述关键检索词对大数据网络中的共享资源数据进行检索，获取得到不同缺陷类型图像；构建知识图谱，并将所述不同缺陷类型图像导入所述知识图谱中；
[0013]获取待检测产品图像，并将所述待检测产品图像导入所述知识图谱中，通过SIFT
算法计算所述待检测产品图像与各缺陷类型图像之间的匹配度，得到若干个匹配度；
[0014]构建排序表，并将若干个所述匹配度导入所述排序表中进行大小排序，排序完成后，由所述排序表中提取出最大配对度；
[0015]将所述最大配对度与预设配对度进行比较；若所述最大配对度大于预设配对度，说明产品中存在缺陷，则生成第一识别结果；若所述最大配对度不大于预设配对度，说明产品中不存在缺陷，则生成第二识别结果，并将产品标记为合格品。
[0016]进一步的，本专利技术的一个较佳实施例中，基于所述缺陷图像构建得到缺陷三维模型图，具体为：
[0017]对所述缺陷图像进行特征匹配处理，得到若干个稀疏特征点；构建空间坐标系，将若干个所述稀疏特征点导入所述空间坐标系中，选取任意一个稀疏特征点作为种子点，并使得所述种子点与所述空间坐标系的坐标原点重合；
[0018]在所述空间坐标系中获取各稀疏特征点对应的坐标信息，基于所述各稀疏特征点对应的坐标信息计算出每两个稀疏特征点之间的向量，得到若干个向量；
[0019]获取每一向量的向量中点，并在获取所述空间坐标系中获取各向量中点对应的坐标信息；将所述各稀疏特征点与各向量中点进行汇聚，得到若干稠密特征点；
[0020]基于若干所述稠密特征点构建得到若干初始化面片，并对若干所述初始化面片进行细化处理，得到若干精细化面片，将若干所述精细化面片进行重组，得到缺陷三维模型图。
[0021]进一步的，本专利技术的一个较佳实施例中，由所述缺陷三维模型图中提取出缺陷的特征参数，基于所述特征参数得到缺陷的浓度值，基于所述缺陷的浓度值对待检测产品进行分析，得到分析结果，具体为：
[0022]由所述缺陷三维模型图中提取出缺陷的特征参数，基于所述特征参数得到缺陷的体积信息；
[0023]基于所述缺陷的体积信息得到待检测产品中缺陷的总体积值，获取待检测产品的总体积值，基于所述缺陷的总体积值与待检测产品的总体积值计算出待检测产品中缺陷的浓度值；
[0024]将所述浓度值与预设预设阈值进行比较；若所述浓度值大于预设阈值，则将产品标记为不合格品；若所述浓度值不大于预设阈值，则将产品标记为可修复品。
[0025]进一步的，本专利技术的一个较佳实施例中，构建内应力识别模型，并对所述内应力识别模型进行训练，得到训练完成的内应力识别模型，具体为：
[0026]通过大数据网络获取各种缺陷的虚拟三维模型图，以及在大数据网络中获取各虚拟三维模型图所对应的内应力值，将所述虚拟三维模型图及其对应的内应力值进行捆绑，得到若干个数据包；并将所述数据包分为训练数据本与验证数据本；
[0027]基于卷积神经网络构建内应力识别模型，并将所述训练数据本中的数据信息导入所述内应力识别模型中进行卷积处理与池化处理，得到处理后的数据信息；
[0028]通过交叉熵损失函数对所述处理后的数据信息进行反向传播训练，得到训练数据，并获取训练数据的数据误差，当数据误差收敛至预设误差值后，保存内应力识别模型中的训练数据；
[0029]将所述验证数据本导入所述内应力识别模型中进行验证，判断所述训练数据是否
满足预设要求，若满足预设要求，则将满足预设要求的训练数据作为内应力识别模型的最终参数，得到训练完成的内应力识别模型。
[0030]进一步的，本专利技术的一个较佳实施例中，将所述缺陷三维模型图导入所述训练完成的内应力识别模型中进行分析，分析得到缺陷的实际内应力值，基于所述实际内应力值确定出缺陷的修复策略，具体为：
[0031]将所述缺陷三维模型图导入所述训练完成的内应力识别模型中，通过灰色关联分析法计算所述缺陷三维模型图与各虚拟三维模型图之间的重合度，得到若干个重合度；
[0032]由若干个所述重合度之中提取出最大重合度，获取与所述最大重合度对应的虚拟三维模型图，并在所述训练完成的内应力识别模型中检索出与所述最大重合度对应的虚拟三维模型图的数据包，在该数据包中获取得到缺陷的实际内应力值；
[0033]获取涂层的特性信息，基于所述特性信息得到涂层的屈服应力值，将缺陷的实际内应力值与涂层的屈服应力值进行比较；
[0034]若所述实际内应力值大于所述屈服应力值，则将该缺陷标记为可延伸缺陷，并对该可延伸缺陷进行恢复性修复；若所述实际内应力值不大于所述屈服应力值，则将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢结构建筑涂料防腐性能检测方法，其特征在于，具体包括以下步骤：获取待检测产品图像，对所述待检测产品图像进行识别，得到第一识别结果或第二识别结果；若识别结果为第一识别结果，则获取缺陷的位置信息，基于所述位置信息由所述待检测产品图像中分割出缺陷图像，基于所述缺陷图像构建得到缺陷三维模型图；由所述缺陷三维模型图中提取出缺陷的特征参数，基于所述特征参数得到缺陷的浓度值，基于所述缺陷的浓度值对待检测产品进行分析，得到分析结果；若产品的分析结果为不合格品，则对产品进行报废；若产品的分析结果为可修复品，则构建内应力识别模型，并对所述内应力识别模型进行训练，得到训练完成的内应力识别模型；将所述缺陷三维模型图导入所述训练完成的内应力识别模型中进行分析，分析得到缺陷的实际内应力值，基于所述实际内应力值确定出缺陷的修复策略。2.根据权利要求1所述的一种钢结构建筑涂料防腐性能检测方法，其特征在于，获取待检测产品图像，对所述待检测产品图像进行识别，得到第一识别结果或第二识别结果，具体为：预设关键检索词，基于所述关键检索词对大数据网络中的共享资源数据进行检索，获取得到不同缺陷类型图像；构建知识图谱，并将所述不同缺陷类型图像导入所述知识图谱中；获取待检测产品图像，并将所述待检测产品图像导入所述知识图谱中，通过SIFT算法计算所述待检测产品图像与各缺陷类型图像之间的匹配度，得到若干个匹配度；构建排序表，并将若干个所述匹配度导入所述排序表中进行大小排序，排序完成后，由所述排序表中提取出最大配对度；将所述最大配对度与预设配对度进行比较；若所述最大配对度大于预设配对度，说明产品中存在缺陷，则生成第一识别结果；若所述最大配对度不大于预设配对度，说明产品中不存在缺陷，则生成第二识别结果，并将产品标记为合格品。3.根据权利要求1所述的一种钢结构建筑涂料防腐性能检测方法，其特征在于，基于所述缺陷图像构建得到缺陷三维模型图，具体为：对所述缺陷图像进行特征匹配处理，得到若干个稀疏特征点；构建空间坐标系，将若干个所述稀疏特征点导入所述空间坐标系中，选取任意一个稀疏特征点作为种子点，并使得所述种子点与所述空间坐标系的坐标原点重合；在所述空间坐标系中获取各稀疏特征点对应的坐标信息，基于所述各稀疏特征点对应的坐标信息计算出每两个稀疏特征点之间的向量，得到若干个向量；获取每一向量的向量中点，并在获取所述空间坐标系中获取各向量中点对应的坐标信息；将所述各稀疏特征点与各向量中点进行汇聚，得到若干稠密特征点；基于若干所述稠密特征点构建得到若干初始化面片，并对若干所述初始化面片进行细化处理，得到若干精细化面片，将若干所述精细化面片进行重组，得到缺陷三维模型图。4.根据权利要求1所述的一种钢结构建筑涂料防腐性能检测方法，其特征在于，由所述缺陷三维模型图中提取出缺陷的特征参数，基于所述特征参数得到缺陷的浓度值，基于所述缺陷的浓度值对待检测产品进行分析，得到分析结果，具体为：
由所述缺陷三维模型图中提取出缺陷的特征参数，基于所述特征参数得到缺陷的体积信息；基于所述缺陷的体积信息得到待检测产品中缺陷的总体积值，获取待检测产品的总体积值，基于所述缺陷的总体积值与待检测产品的总体积值计算出待检测产品中缺陷的浓度值；将所述浓度值与预设预设阈值进行比较；若所述浓度值大于预设阈值，则将产品标记为不合格品；若所述浓度值不大于预设阈值，则将产品标记为可修复品。5.根据权利要求1所述的一种钢结构建筑涂料防腐性能检测方法，其特征在于，构建内应力识别模型，并对所述内应力识别模型进行训练，得到训练完成的内应力识别模型，具体为：通过大数据网络获取各种缺陷的虚拟三维模型图，以及在大数据网络中获取各虚拟三维模型图所对应的内应力值，将所述虚拟三维模型图及其对应的内应力值进行捆绑，得到若干个数据包；并将所述数据包分为训练数据本与验证数据本；基于卷积神经网络构建内应力识别模型，并将所述训练数据本中的数据信息导入所述内应力识别模型中进行卷积处理与池化处理，得到处理后的数据信息；通过交叉熵损失函数对所述处理后的数据信息进行反向传播训练，得到训练数据，并获取训练数据的数据误差，当数据误差收敛至预设误差值后，保存内应力识别模型中的训练数据；将所述验证数据本导入所述内应力识别模型中进行验证，判断所述训练数据是否满足预设要求，若满足预设要求，则将满足预设要求的训练数据作为内应力识别模型的最终参数，得到训练完成的内应力识别模型。6.根据权利要求1所述的一种钢结构建筑涂料防腐性能检测方法，其特征在于，将所述缺陷三维模型图导入所述训练完成的内应力识别模型中进行分析，分析得到缺陷的实际内应力值，基于所述实际内应力值确定出缺陷的修复策略，具体为：将所述缺陷三维模型图导入所述训练完成的内应力识别模型中，通过灰色关联分析法计算所述缺陷三维模型图与各虚拟三维模型图之间的重合度，得到若干个重合度；由若干个所述重合度之...

【专利技术属性】
技术研发人员：梁振兴，彭梅志，卢健雄，陈益龙，陈宇航，蔡锐，梁应年，李振华，胡珍珍，叶奇营，谢丽金，吴宇森，邓小科，
申请(专利权)人：云浮市建设工程质量监督站，
类型：发明
国别省市：