(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210282364.8 (22)申请日 2022.03.22 (65)同一申请的已公布的文献号 申请公布号 CN 114723681 A (43)申请公布日 2022.07.08 (73)专利权人 江苏禹润智能科技有限公司 地址 221000 江苏省徐州市高新 技术产业 开发区大 学路99号大学创业园B712 (72)发明人 李贺　郑璐　侯精明　 (74)专利代理 机构 江苏长德知识产权代理有限 公司 32478 专利代理师 周艺 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06T 7/45(2017.01) G06T 5/00(2006.01) G06K 9/62(2022.01)G06V 10/762(2022.01) (56)对比文件 CN 113610850 A,2021.1 1.05 CN 107169 953 A,2017.09.15 CN 113506246 A,2021.10.15 CN 205691521 U,2016.1 1.16 CN 103364410 A,2013.10.23 CN 111986176 A,2020.1 1.24 CN 113947570 A,202 2.01.18 CN 113409313 A,2021.09.17 CN 107742286 A,2018.02.27 MY 158454 A,2016.10.14 US 2020364849 A1,2020.1 1.19 US 20193 68133 A1,2019.12.0 5 李文举 等. 《基 于TSCD模型的轨道板 裂缝检 测方法》 . 《应用科 学学报》 .202 2,第40卷(第01 期),第15 5-166页. (续) 审查员 曾贞 (54)发明名称 一种基于机器视觉的混凝土裂缝缺陷检测 方法 (57)摘要 本发明涉及机器视觉技术领域， 具体涉及一 种基于机器视觉的混凝土裂缝缺陷检测方法。 该 方法首先采集混凝土成品的表 面图像， 并得到对 应的混合纹理图， 将表面图像分割成多个材质区 域得到区域界面纹理图， 由混合纹理图和区域界 面纹理图得到第一纹理图； 获取第一纹理图中纹 理边缘上各像素点对应的纹理风格向量， 计算同 一边缘上的纹理风格向量的风格向量差异值； 计 算任意两条纹理边缘对应的纹理风格向量集合 的集合相似度， 根据集合相似度得到异常边缘概 率； 由风格向量差异值和异常边缘概率得到裂缝 边缘概率和对应的裂缝边缘。 本发 明利用了纹理 边缘上各像素点的灰度分布和纹理边缘的相似度来得到纹理边缘为裂缝边缘的概率， 提高了裂 缝缺陷检测的准确性。 [转续页] 权利要求书2页 说明书10页 附图3页 CN 114723681 B 2022.10.18 CN 114723681 B (56)对比文件 Yun Wang等. 《Researc h on Crack Detection Algorithm of the Co ncrete Bridge Based o n Image Proces sing》 . 《Procedia Computer Science》 .2019,第610 - 616页.张亮. 《桥梁病害图像处 理及识别研究》 . 《中 国优秀硕士学位 论文全文数据库 工程科技 Ⅱ 辑》 .2021,(第0 3期),第C 034-119页. 李贺 等. 《试论建筑工程施工中 高检所混凝 土楼板裂缝技术》 . 《建材与装饰》 .2017,(第41 期),第20 -21页.2/2 页 2[接上页] CN 114723681 B1.一种基于 机器视觉的混凝 土裂缝缺陷检测方法， 其特 征在于， 该 方法包括以下步骤： 采集混凝土成品的表面图像， 根据混凝土中包含的不同材质将所述表面图像分割成多 个不同的材质区域， 并对分割后的所述表面图像进行边 缘提取， 得到区域界面纹 理图； 增强所述表面图像的纹理得到增强纹理图， 提取所述增强纹理图的边缘得到混合纹理 图； 将所述混合纹 理图和所述区域界面纹 理图作差得到第一纹 理图； 提取所述第一纹理图中的纹理边缘； 计算所述纹理边缘上各像素点的边缘垂直向量； 获取所述边缘垂 直向量上预设范围内的像素点构成的灰度共生矩阵， 使 所述灰度共生矩阵 展平后得到的一 维向量为所述纹理边缘上相应的像素点的纹理风格向量； 获取同一所述纹 理边缘上所述纹理风格向量的风格向量差异值； 获取每条所述纹理边缘上所有像素点对应的纹理风格向量集合， 计算任意两个所述纹 理风格向量集合的集合相似度； 根据所述集合相似度对所述纹理边缘进 行聚类得到多个聚 类类别， 根据每 个所述聚类 类别中的纹 理边缘数量的占比计算异常边 缘概率； 所述风格向量差异值和所述异常边缘概率相乘得到裂缝边缘概率， 使大于预设概率阈 值的所述裂缝边 缘概率对应的纹 理边缘为裂缝边 缘； 其中， 异常边 缘概率的计算公式为： 其中， p2i为所述异常边缘概率； ai为第i个纹理边缘所属的聚类类别中的纹理边缘数量 的占比。 2.根据权利要求1所述的一种基于机器视觉的混凝土裂缝缺陷检测方法， 其特征在于， 所述根据混凝 土中包含的不同材质将所述表面图像分割成多个不同的材质区域， 包括： 利用高斯核对所述表面图像进行模糊处 理； 利用超像素分割算法将模糊处 理后的所述表面图像分割为多个过分割区域； 对所述表面图像进行粗分割， 得到多个粗分割区域； 基于所述粗分割区域将所述过分割区域进行合并， 所述过分割区域合并后的并集区域 为所述材质区域。 3.根据权利要求2所述的一种基于机器视觉的混凝土裂缝缺陷检测方法， 其特征在于， 所述对所述表面图像进行粗分割， 得到多个粗分割区域， 包括： 对所述表面图像进行高斯下采样， 利用超像素分割算法将高斯下采样后的所述表面图 像分割为多个第一 粗分割区域； 对所述第一粗分割区域进行高斯上采样， 高斯上采样后的所述第 一粗分割区域为所述 粗分割区域。 4.根据权利要求1所述的一种基于机器视觉的混凝土裂缝缺陷检测方法， 其特征在于， 所述增强所述表面图像的纹 理得到增强纹 理图， 包括： 对所述表面图像进行高斯上采样， 利用反锐化掩膜算法增强高斯上采样后的所述表面 图像的纹 理得到初始增强纹 理图； 对所述初始增强纹 理图进行高斯下采样得到所述增强纹 理图。 5.根据权利要求1所述的一种基于机器视觉的混凝土裂缝缺陷检测方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114723681 B 3