【技术实现步骤摘要】
本申请涉及玻璃幕墙损伤检测，尤其涉及一种工程用结构密封胶损伤检测方法、装置、设备、存储介质及产品。
技术介绍
1、玻璃幕墙是现代建筑的重要组成部分，因其美观、轻盈和透光性好而广泛应用于主题公园中。然而，随着时间推移，玻璃幕墙中的结构密封胶会逐渐老化，导致损伤和脱落问题。这些问题不仅影响建筑美观，还会对安全构成威胁。因此，对结构密封胶进行有效的损伤检测非常重要。传统的检测方法主要依赖人工检查和简单仪器，这些方法效率低、成本高，且易受环境因素影响，导致结果不准确。近年来，使用爬壁机器人配合脉冲激光和红外热成像进行检测的方法虽有所提升，但仍存在不足。爬壁机器人技术不成熟，操作复杂，数据处理过程繁琐且对数据采集要求高，实际检测效果欠佳。
2、因此，如何提升工程用结构密封胶损伤检测效果成为一个亟待解决的技术问题。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供了一种工程用结构密封胶损伤检测方法、装置、设备、存储介质及产品，旨在解决如何提升工程用结构密封胶损伤检测效果的技术问题。
2、为实现上述目的，本申请提供了一种工程用结构密封胶损伤检测方法，所述方法包括以下步骤：
3、获取结构密封胶表面的红外热序列图像作为待处理图像；
4、对所述待处理图像进行预处理，得到预处理图像；
5、对所述预处理图像进行语义分割处理，得到二值化图像；
6、识别所
7、根据所述多个损伤区域中的像素数量与所述二值化图像的分辨率，确定目标损伤面积。
8、在一实施例中，所述对所述待处理图像进行预处理，得到预处理图像的步骤，包括：
9、对所述待处理图像进行时间域除噪处理与空间域除噪处理，得到除噪图像，其中，所述时间域除噪处理包括帧间平均处理和/或应用时间滤波器，所述空间域除噪处理包括高斯滤波处理和/或中值滤波处理；
10、对所述除噪图像进行对比度增强处理与边缘增强处理，得到增强图像，其中，所述对比度增强处理包括直方图均衡化处理和/或限制对比度自适应直方图均衡化处理，所述边缘增强处理采用索贝尔算子或拉普拉斯算子；
11、对所述增强图像进行伽马校正，得到校正图像；
12、对所述校正图像进行小波变换，得到所述预处理图像。
13、在一实施例中，所述对所述预处理图像进行语义分割处理，得到二值化图像的步骤，包括：
14、基于预设深度学习框架，构建初始语义分割模型；
15、对历史损伤图像数据进行数据增强处理，得到训练数据集，其中，所述数据增强处理包括旋转处理、缩放处理、翻转处理和颜色变换处理中的一种或多种；
16、基于所述训练数据集，对所述初始语义分割模型进行训练，得到目标语义分割模型；
17、基于所述目标语义分割模型，对所述预处理图像进行语义分割处理，得到语义分割图像；
18、对所述语义分割图像进行去噪处理和平滑处理，得到所述二值化图像。
19、在一实施例中，所述基于所述训练数据集，对所述初始语义分割模型进行训练，得到目标语义分割模型的步骤，包括：
20、根据所述初始语义分割模型的权重，确定训练策略；
21、基于所述训练数据集与所述训练策略，对所述初始语义分割模型进行训练，得到初阶语义分割模型；
22、根据所述初阶语义分割模型的性能表现调整所述初阶语义分割模型的超参数，并基于预设优化算法，对所述初阶语义分割模型进行优化，得到优化语义分割模型；
23、基于交叉验证和独立测试数据集，对所述优化语义分割模型的性能进行验证，并将通过验证的优化语义分割模型作为所述目标语义分割模型。
24、在一实施例中，所述识别所述二值化图像中的多个损伤区域的步骤，包括：
25、对所述二值化图像进行所述预处理，得到优化二值化图像；
26、基于连通组件分析算法，对所述优化二值化图像进行标记，得到标记图像，其中，所述标记图像中包括多个标记区域；
27、基于预设面积阈值，对所述多个标记区域进行过滤，得到所述多个损伤区域。
28、在一实施例中，所述根据所述多个损伤区域中的像素数量与所述二值化图像的分辨率，确定目标损伤面积的步骤，包括：
29、根据所述二值化图像的分辨率，确定单个像素的实际面积；
30、根据各个损伤区域的像素数量与所述单个像素的实际面积，确定所述各个损伤区域的实际面积；
31、将所述各个损伤区域的实际面积相加，得到所述目标损伤面积。
32、此外，为实现上述目的，本申请还提出一种工程用结构密封胶损伤检测装置，所述工程用结构密封胶损伤检测装置包括：
33、图像获取模块，用于获取结构密封胶表面的红外热序列图像作为待处理图像；
34、预处理模块，用于对所述待处理图像进行预处理，得到预处理图像；
35、语义分割模块，用于对所述预处理图像进行语义分割处理，得到二值化图像；
36、损伤区域确定模块，用于识别所述二值化图像中的多个损伤区域；
37、损伤面积确定模块，用于根据所述多个损伤区域中的像素数量与所述二值化图像的分辨率，确定目标损伤面积。
38、此外，为实现上述目的，本申请还提出一种工程用结构密封胶损伤检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的工程用结构密封胶损伤检测程序，所述工程用结构密封胶损伤检测程序配置为实现如上文所述的工程用结构密封胶损伤检测方法的步骤。
39、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质上存储有工程用结构密封胶损伤检测程序，所述工程用结构密封胶损伤检测程序被处理器执行时实现如上文所述的工程用结构密封胶损伤检测方法的步骤。
40、此外，为实现上述目的，本申请还提出一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的工程用结构密封胶损伤检测方法的步骤。
41、本申请通过获取工程用结构密封胶表面的红外热序列图像作为待处理图像；对待处理图像进行预处理，得到预处理图像；对预处理图像进行语义分割处理，得到二值化图像；识别二值化图像中的多个损伤区域；根据多个损伤区域中的像素数量与二值化图像的分辨率，确定目标损伤面积。本申请通过获取红外热序列图像、图像预处理、语义分割、损伤区域识别和面积量化评估，实现了对结构密封胶损伤的高效、自动化和精确检测，减少了操作复杂性，提高了检测效率和准确性，能够更全面、可靠地评估结构密封胶的损伤情况，提升了工程用结构密封胶损伤检测效果。
本文档来自技高网...【技术保护点】
1.一种工程用结构密封胶损伤检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述待处理图像进行预处理，得到预处理图像的步骤，包括：
3.如权利要求1所述的方法，其特征在于，所述对所述预处理图像进行语义分割处理，得到二值化图像的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述基于所述训练数据集，对所述初始语义分割模型进行训练，得到目标语义分割模型的步骤，包括：
5.如权利要求1所述的方法，其特征在于，所述识别所述二值化图像中的多个损伤区域的步骤，包括：
6.如权利要求1至5任一项所述的方法，其特征在于，所述根据所述多个损伤区域中的像素数量与所述二值化图像的分辨率，确定目标损伤面积的步骤，包括：
7.一种工程用结构密封胶损伤检测装置，其特征在于，所述装置包括：
8.一种计算机设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的工程用结构密封胶损伤检测程序，所述工程用结构密封胶损伤检测程序配置为实现如权利要求1至6中任一
9.一种存储介质，其特征在于，所述存储介质上存储有工程用结构密封胶损伤检测程序，所述工程用结构密封胶损伤检测程序被处理器执行时实现如权利要求1至6任一项所述的工程用结构密封胶损伤检测方法的步骤。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的工程用结构密封胶损伤检测方法的步骤。
...【技术特征摘要】
1.一种工程用结构密封胶损伤检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述待处理图像进行预处理，得到预处理图像的步骤，包括：
3.如权利要求1所述的方法，其特征在于，所述对所述预处理图像进行语义分割处理，得到二值化图像的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述基于所述训练数据集，对所述初始语义分割模型进行训练，得到目标语义分割模型的步骤，包括：
5.如权利要求1所述的方法，其特征在于，所述识别所述二值化图像中的多个损伤区域的步骤，包括：
6.如权利要求1至5任一项所述的方法，其特征在于，所述根据所述多个损伤区域中的像素数量与所述二值化图像的分辨率，确定目标损伤面积的步骤，包括：
【专利技术属性】
技术研发人员：姚志东，林忠良，闵杰，卢佳祁，杨新聪，
申请(专利权)人：中国京冶工程技术有限公司深圳分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。