裂纹监测方法、系统、电子设备和存储介质与流程

本技术涉及图像增强和人工智能领域，特别是涉及裂纹监测方法、系统、电子设备和存储介质。

背景技术：

1、厂房是水电站建筑物的重要组成部分、是水工、机械、电气等几方面的综合体、集中了水电站绝大部分机电设备。厂房混凝土出现裂缝会影响水电站厂房的使用功能和使用寿命。

2、在相关技术中，对于水电站厂房混凝土裂缝监测，由于其技术过于复杂，且具有空间随机性和长期性，没有列入基本监测项目，通常只对厂房内实施大范围、连续性的人工检测。但人工监测存在工作量大、识别效率低等问题。

3、目前针对相关技术中裂纹监测方法效率低的问题，尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种裂纹监测方法、系统、电子设备和存储介质，以至少解决相关技术中裂纹监测方法效率低的问题。

2、第一方面，本技术实施例提供了一种裂纹监测方法，所述方法包括：

3、获取目标场景的裂纹图像，并对所述裂纹图像进行增强处理，得到第一裂纹图像；

4、对所述第一裂纹图像进行边缘检测，得到裂纹边缘识别图；

5、基于所述裂纹边缘识别图获取裂纹区域的像素点数量，根据所述像素点数量和所述裂纹图像的尺寸标定信息，得到裂纹长度和裂纹宽度；

6、对所述裂纹边缘识别图中裂纹的边缘进行平滑处理，得到裂纹宽度变化信息，并根据所述裂纹宽度、所述裂纹长度和所述裂纹宽度变化信息，生成预警信息。

7、在其中一些实施例中，对所述第一裂纹图像进行边缘检测，得到裂纹边缘识别图包括：

8、对所述第一裂纹图像进行背景噪声消减和连接边缘处理，得到第二裂纹图像；

9、在所述第二裂纹图像中，获取任意一个像素点与其相邻像素点的亮度差值；

10、获取所述亮度差值大于预设阈值的第一目标像素点，在所述第二裂纹图像中标注所述第一目标像素点，得到所述裂纹边缘识别图。

11、在其中一些实施例中，对所述第一裂纹图像进行背景噪声消减和连接边缘处理，得到第二裂纹图像包括：

12、对所述第一裂纹图像中的背景噪声进行消减，得到降噪后的第一裂纹图像；

13、确定所述降噪后的第一裂纹图像中每个像素点的梯度幅值，获取所述梯度幅值位于预设幅值区间的第二目标像素点；

14、根据所述第二目标像素点确定裂纹边缘，得到所述第二裂纹图像。

15、在其中一些实施例中，基于所述裂纹边缘识别图获取裂纹区域的像素点数量，根据所述像素点数量和所述裂纹图像的尺寸标定信息，得到裂纹宽度包括：

16、基于预设步长，将所述裂纹分为若干裂纹段；

17、根据所述裂纹段的上下边缘间像素点的数量和所述尺寸标定信息，得到所述裂纹段的上下边缘竖直距离；

18、根据所述裂纹段上边缘两端点的连线，得到所述裂纹段的上边缘斜率，并基于所述上边缘斜率和所述上下边缘竖直距离，得到所述裂纹段上下边缘的第一垂直距离；

19、根据所述裂纹段下边缘两端点的连线，得到所述裂纹段的下边缘斜率，并基于所述下边缘斜率和所述上下边缘竖直距离，得到所述裂纹段上下边缘的第二垂直距离；

20、根据所述第一垂直距离和所述第二垂直距离的平均值，得到所述裂纹段的裂纹宽度。

21、在其中一些实施例中，对所述裂纹边缘识别图中裂纹的边缘进行平滑处理，得到裂纹宽度变化信息包括：

22、基于局部样条插值，对所述裂纹边缘识别图中的裂纹边缘进行平滑处理，优化所述裂纹边缘，得到优化后的所述裂纹边缘；

23、根据优化后的所述裂纹边缘，得到裂纹宽度变化信息。

24、在其中一些实施例中，对所述裂纹图像进行增强处理，得到第一裂纹图像包括：

25、获取所述裂纹图像的图像参数；

26、根据所述图像参数确定与所述裂纹图像匹配的目标图像增强算法；

27、通过所述目标图像增强算法，对所述裂纹图像进行增强处理，得到所述第一裂纹图像。

28、在其中一些实施例中，通过所述目标图像增强算法，对所述裂纹图像进行增强处理，得到所述第一裂纹图像包括：

29、对所述裂纹图像进行全局匀光处理和噪声抑制处理，得到匀光降噪图像；

30、通过预设导向滤波算法，根据所述匀光降噪图像，估算得到去噪恢复图像；

31、对所述去噪恢复图像进行基于概率分布理论的自适应分段线性增强，得到所述第一裂纹图像。

32、在其中一些实施例中，通过所述目标图像增强算法，对所述裂纹图像进行增强处理，得到所述第一裂纹图像包括：

33、通过预设参数对数模型，根据所述裂纹图像自身的亮度情况，进行自适应增强亮度，得到所述第一裂纹图像。

34、在其中一些实施例中，根据所述裂纹宽度、所述裂纹长度和所述裂纹宽度变化信息，生成预警信息包括：

35、根据所述裂纹宽度变化情况，得到所述裂纹的受力情况；

36、判断所述裂纹长度是否大于预设长度阈值和/或所述裂纹宽度是否大于预设宽度阈值，输出长度判断结果和/或宽度判断结果；

37、根据所述长度判断结果和/或所述宽度判断结果，以及所述受力情况，生成所述预警信息。

38、第二方面，本技术实施例提供了一种裂纹监测系统，所述系统包括：增强处理模块、边缘检测模块、特征提取模块和预警模块，

39、所述增强处理模块，用于获取目标场景的裂纹图像，并对所述裂纹图像进行增强处理，得到第一裂纹图像；

40、所述边缘检测模块，用于对所述第一裂纹图像进行边缘检测，得到裂纹边缘识别图；

41、所述特征提取模块，用于基于所述裂纹边缘识别图获取裂纹区域的像素点数量，根据所述像素点数量和所述裂纹图像的尺寸标定信息，得到裂纹长度和裂纹宽度；

42、所述预警模块，用于对所述裂纹边缘识别图中裂纹的边缘进行平滑处理，得到裂纹宽度变化信息，并根据所述裂纹宽度、所述裂纹长度和所述裂纹宽度变化信息，生成预警信息。

43、第三方面，本技术实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的裂纹监测方法。

44、第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的裂纹监测方法。

45、相比于相关技术，本技术实施例提供的裂纹监测方法，通过对目标场景的裂纹图像进行增强处理和边缘检测，得到裂纹边缘识别图，根据裂纹边缘识别图中裂纹区域的像素点数量和裂纹图像的尺寸标定信息，得到裂纹长度和裂纹宽度，并对裂纹区域的边缘进行平滑处理得到裂纹宽度变化信息，根据裂纹宽度、裂纹长度和裂纹宽度变化信息，生成预警信息。解决了裂纹监测方法效率低的问题。利用图像增强技术，降低了原始数据中的各类干扰，采用人工智能的方法分析裂纹，解决了人工裂纹识别工作量大、识别效率低等问题，同时可以精准的提取裂纹的定量化特征，为裂纹预警分析提供有力的数据支撑。