一种基于机器视觉的静载荷堆载识别系统及其识别方法与流程

本发明涉及静载荷堆载识别技术领域，特别是一种基于机器视觉的静载荷堆载识别系统及其识别方法。

背景技术：

在建设工程中，都必须对地基的承载能力进行实验分析，目前应用较为广泛的是静载荷堆载实验测量的方法。其中，静载荷堆载实验数据的可靠性是工程安全的重要保障。此时对于实验平台的实时监测是非常关键的环节，它保证了实验数据的可靠性。

目前存在堆载测试借用之前的测试，单独的人工作业，效率低下，只能一对一的测试，存在作弊的行为，跟不上智能时代的发展要求。

为此我们研发了一种基于机器视觉的静载荷堆载识别系统及其识别方法，用以解决以上问题。

技术实现要素：

本发明目的是为了克服现有技术的不足而提供一种基于机器视觉的静载荷堆载识别系统及其识别方法，具有便于操作，提高识别效率，降低成本，提高智能化水平，多个移动终端与多个试验平台同步识别等优点。

为达到上述目的，本发明采用的技术方案是：一种基于机器视觉的静载荷堆载识别系统，包括试验平台、后台服务端与移动端，所述移动端包括相互连接的采集图像模块、gps定位模块、加速度计、罗盘与数据接收查看模块，所述后台服务端包括相互连接的云计算服务模块与后台数据服务模块，所述试验平台的顶端处设有堆载，所述后台服务端与所述移动端通过internet连接，所述采集图像模块将所述试验平台的四个侧面图像的方位信息采集，然后后台服务端进行数据分析比对，识别的结果发送至所述移动端。

优选的，一种基于机器视觉的静载荷堆载识别系统的识别方法，包括以下步骤：

2.1、含有所述堆载的所述试验平台搭建完成时，使用所述移动端对所述试验平台四个面的初始状态的图像信息进行采集；

2.2、根据所述移动端中的所述gps定位模块、所述罗盘与所述加速度计，获取每次拍摄图像的方位信息，并将方位信息和图像信息绑定；

2.3、将所述试验平台的初始状态的图像信息上传至所述后台服务端并保存；

2.4、对所述试验平台的不同侧面进行识别时，再次拍摄所述试验平台的四个侧面图像信息，并上传至所述后台服务端并且进行分析；

2.5、根据设定的相似度阈值，判断前后两幅图像信息的一致性；

2.6、将识别结果在所述后台服务端中保存，同时发送至监管用户的所述移动端，所述移动端用于监管查看识别结果。

优选的，步骤2.4中，包括以下步骤：

2.4.1、分析运算中，根据方位信息筛选对应的侧面图像，基于机器视觉与深度学习进行图像的对比运算；

2.4.2、对比运算中，先对图像进行滤波模糊处理，滤除环境中的干扰信息；

2.4.3、将图像中所述堆载以及所述堆载的间隙颜色和形状特征放入深度学习框架中训练，对所述堆载及其间隙进行识别，分割提取出每个所述堆载及其间隙的具体区域；

2.4.4、利用形态学与灰度特征相结合的方法，对每个所述堆载的区域进行计算，获取每个所述堆载的轮廓位置与面积、所述堆载的数量、所述堆载之间的相对距离以及所述堆载之间的分隔线信息数据；

2.4.5、根据步骤2.4.4中的特征信息，将对应的侧面图像进行对比，判断对应的侧面图像的相似度。

优选的，步骤2.5中，包括以下步骤：

2.5.1、如果与历史堆载的特征相似度高，则所述试验平台识别不通过，未在新的桩位搬运吊装所述试验平台，存在静载检测作弊；

2.5.2、如果与历史堆载的特征相似度低，则所述试验平台识别通过，所述试验平台被搬运吊装至新的桩位。

优选的，所述后台服务端与所述移动端的数量大于等于一个。

优选的，所述移动端为智能手机，所述后台服务端为后台服务器，多个所述移动端可同步连接至至少一所述后台服务端。

由于上述技术方案的运用，本发明与现有技术相比具有下列优点：

1.本发明所述基于机器视觉的静载荷堆载识别系统及其识别方法，实现静载荷堆载实验的准确识别，保障了静载荷堆载实验的可靠性，确保试验平台已经翻过台，防止静载荷堆载试验过程中存在作弊行为；

2.本发明操作简单，使用方便，提高识别效率，降低成本；

3.本发明将机器视觉、深度学习与云计算服务技术相结合，提高智能化水平；

4.本发明能够实现多个移动终端对多个试验平台的同步识别，互不干扰。

附图说明

附图1为本发明所述基于机器视觉的静载荷堆载识别系统的结构示意图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步的详细说明。

附图1中，一种基于机器视觉的静载荷堆载识别系统，包括试验平台10、后台服务端20与移动端30，移动端30包括相互连接的采集图像模块、gps定位模块、加速度计、罗盘与数据接收查看模块。后台服务端20包括相互连接的云计算服务模块与后台数据服务模块，试验平台10的顶端处设有堆载15，后台服务端20与移动端30通过internet连接，采集图像模块将试验平台10的四个侧面图像的方位信息采集，然后后台服务端20进行数据分析比对，识别的结果发送至移动端30。

一种基于机器视觉的静载荷堆载识别系统的识别方法，包括以下步骤：

2.1、含有堆载15的试验平台10搭建完成时，使用移动端30对试验平台10四个面的初始状态的图像信息进行采集；

2.2、根据移动端30中的gps定位模块、罗盘与加速度计，获取每次拍摄图像的方位信息，并将方位信息和图像信息绑定；

2.3、将试验平台10的初始状态的图像信息上传至后台服务端20并保存；

2.4、对试验平台10的不同侧面进行识别时，再次拍摄试验平台10的四个侧面图像信息，并上传至后台服务端20并且进行分析；包括以下步骤：

2.4.1、分析运算中，根据方位信息筛选对应的侧面图像，基于机器视觉与深度学习进行图像的对比运算；

2.4.2、对比运算中，先对图像进行滤波模糊处理，滤除环境中的干扰信息；

2.4.3、将图像中堆载15以及堆载15的间隙颜色和形状特征放入深度学习框架中训练，对堆载15及其间隙进行识别，分割提取出每个堆载15及其间隙的具体区域；

2.4.4、利用形态学与灰度特征相结合的方法，对每个堆载15的区域进行计算，获取每个堆载15的轮廓位置与面积、堆载15的数量、堆载15之间的相对距离以及堆载15之间的分隔线信息数据；

2.4.5、根据步骤2.4.4中的特征信息，将对应的侧面图像进行对比，判断对应的侧面图像的相似度。

2.5、根据设定的相似度阈值，判断前后两幅图像信息的一致性；包括以下步骤：

2.5.1、如果与历史堆载的特征相似度高，则试验平台10识别不通过，未在新的桩位搬运吊装试验平台10，存在静载检测作弊；

2.5.2、如果与历史堆载的特征相似度低，则试验平台10识别通过，试验平台10被搬运吊装至新的桩位。

2.6、将识别结果在后台服务端20中保存，同时发送至监管用户的移动端30，移动端30用于监管查看识别结果。

后台服务端20与移动端30的数量大于等于一个。移动端30为智能手机，后台服务端20为后台服务器，多个移动端30可同步连接至至少一后台服务端20。

本发明利用机器视觉与深度学习技术，通过对多次采集试验平台10的4个侧面图像的对比，实现静载荷堆载试验平台10的一致性识别，判断试验平台10是否被搬动改变，或是否存在试验作弊的情况。

本发明具有下列优点：

1.本发明所述基于机器视觉的静载荷堆载识别系统及其识别方法，实现静载荷堆载实验的准确识别，保障了静载荷堆载实验的可靠性，确保试验平台已经翻过台，防止静载荷堆载试验过程中存在作弊行为。

2.本发明操作简单，使用方便，提高识别效率，降低成本。

3.本发明将机器视觉、深度学习与云计算服务技术相结合，提高智能化水平。

4.本发明能够实现多个移动终端对多个试验平台的同步识别，互不干扰。

以上仅是本发明的具体应用范例，对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。