【技術實現步驟摘要】
技術介紹
技術實現思路
1、本專利技術的主要目的在于提供一種橋塔鋼筋部品成型精度控制方法，解決橋塔鋼筋部品每個環節出現較大的精度偏差，以致難以適應現代工業化裝配要求，且影響鋼筋部品最終安裝成型精度的問題。
2、為解決上述方法問題，本專利技術所采用的方法方案是：一種橋塔鋼筋部品成型精度控制方法，該方法包括：鋼筋單元件自動檢測方法、鋼筋網片自動檢測方法、鋼筋塊體自動檢測方法和鋼筋部品自動檢測方法；
3、鋼筋單元件自動檢測方法為：通過在移動機頭上設置支撐架安裝相機和鏡頭，彎折成型后拍照計算成型角度，采用基于深度學習和圖像處理的算法進行長度和角度自動檢測；
4、鋼筋網片自動檢測方法為：采用三維激光掃描技術，通過靶球安裝、激光掃描、點云處理、去噪、圓心提取、軸線提取、關鍵尺寸計算步驟對鋼筋網片的成型線形及精度進行測量；
5、鋼筋塊體自動檢測方法為：筋塊體自動檢測技術通過主筋定位孔板定位主筋間距，伺服電機驅動傾斜至設計角度，采用全溫補高精度數字輸出型雙軸傾角傳感器自動測量傾斜角度并與理論值對比；
6、鋼筋部品自動檢測方法為：鋼筋部品自動檢測技術采用3d?disto?設備選擇測量點，無人機系統搭載激光鏡頭進行數據采集，對鋼筋部品在胎架內及塔頂的實時測量。
7、優選方案中，在支撐架上安裝相機和鏡頭，當鋼筋彎折成型且彎折機頭歸位后，相機正對鋼筋拍照，截圖彎折段圖像，自動計算成型角度，并通過現場指示燈告知現場工人；
8、若角度不
9、優選方案中，鋼筋單元件自動檢測算法步驟為：
10、a1、數據庫建立：將相機固定在某一個地方采集圖像，這個地方需確保能夠獲取到包含彎折區域和鋼筋目標的完整圖像信息；然后人工對采集到的圖像進行標記，標記出彎折區域和鋼筋目標的具體位置和特征信息；這些標記信息與圖像數據一同構成數據庫的元素，從而完成數據庫建立；
11、采集到的圖像集合為，其中為采集的圖像數量；對于每張圖像，其標記信息集合為，其中為每張圖像的標記數量；數據庫可以表示為；
12、這個公式用于清晰地定義數據庫的結構，確保圖像數據和對應的標記信息能夠準確地存儲和使用，為后續的算法處理提供準確的數據基礎；
13、a2、圖像采集與處理：由于被測對象尺寸較大，采用多個相機來捕捉圖像；首先對多個相機采集到的圖像進行拼接處理；相機數量為，采集到的圖像分別為；拼接處理過程中，對于每個相機采集到的圖像，需要找到其與其他相機圖像的重疊區域，并根據重疊區域的特征信息進行拼接；拼接完成后，對拼接后的圖像進行鋼筋輪廓檢測；通過分析圖像的灰度變化、邊緣特征信息，確定鋼筋在圖像中的大致輪廓位置；
14、接著，在已確定的鋼筋輪廓基礎上，進一步識別鋼筋彎折區域；
15、這一步驟需要結合數據庫中已有的彎折區域標記信息和圖像中的特征信息進行判斷，找出符合彎折區域特征的部分；
16、最后，計算鋼筋的長度和角度；
17、相機采集到的圖像為，其中為圖像坐標；對于兩個相鄰相機和，其重疊區域為，定義重疊區域的匹配度函數為；當小于某個閾值時，認為兩個圖像在重疊區域匹配良好，可以進行拼接；拼接后的圖像在重疊區域的值可以通過加權平均的方式計算，即，其中和為權重，可以根據圖像的質量、分辨率等因素確定；
18、這個公式用于準確地判斷相鄰相機圖像在重疊區域是否匹配，并在匹配良好的情況下進行合理的拼接，確保拼接后的圖像能夠準確地反映被測對象的全貌；
19、圖像的灰度矩陣為，定義邊緣檢測算子為，其中為點的鄰域；通過設定一個閾值，當大于時，認為該點是邊緣點，從而確定鋼筋的輪廓；
20、這個公式通過計算圖像中每個點與其鄰域點的灰度差值，來確定邊緣點，從而準確地檢測出鋼筋在圖像中的輪廓；
21、鋼筋彎折區域識別：鋼筋輪廓上的點集為，對于每個點，計算其曲率，其中為點與其相鄰兩點所構成的夾角變化量，為兩點之間的弧長；當大于某個閾值時，認為該點所在區域為彎折區域；這個公式通過計算鋼筋輪廓上點的曲率，來判斷該點是否位于彎折區域，從而準確地識別出鋼筋彎折區域；
22、長度和角度計算公式：對于鋼筋長度計算，設提取的骨架線節點為，節點之間的距離為，其中為節點的坐標；鋼筋長度為所有節點間距離之和，即；
23、對于彎折角度計算，設擬合彎折區域直線的斜率分別為和，則彎折角度；
24、a3、結果可視化與報警：測量得到的角度和長度信息將通過部署在現場的工控機進行可視化呈現；
25、可以采用圖形化界面展示鋼筋的形狀、長度以及彎折角度等信息，以便操作人員直觀地了解鋼筋的狀態；
26、若出現測量結果與理論值偏差較大的情況，會通過安燈系統進行報警；通過設定合理的偏差閾值，當測量值與理論值的差值超過閾值時，觸發安燈系統報警，提醒操作人員進行檢查和處理；
27、測量得到的長度為，理論長度為，偏差閾值為，則長度偏差判斷公式為時觸發長度偏差報警；
28、測量得到的角度為，理論角度為，偏差閾值為，則角度偏差判斷公式為時觸發角度偏差報警。
29、優選方案中，基于深度學習的鋼筋彎折區域和鋼筋輪廓提取算法步驟為：
30、b1、目標檢測：采用?yolo?v5系列模型進行目標檢測；將采集到的圖像輸入到yolov5模型中，模型會自動識別出圖像中的鋼筋目標和彎折區域的大致位置；
31、公式可以表示為：，其中為輸入圖像，為模型的參數，為輸出的預測結果；公式用于描述yolo?v5模型的基本運算過程，通過調整模型參數，可以使模型對不同的輸入圖像進行準確的目標檢測；
32、b2、彎折區域子圖像分割：對于分割得到的彎折區域子圖像，采用語義分割的方法將其中的鋼筋目標以像素級分割；將彎折區域子圖像輸入到unet網絡中，網絡會根據圖像的特征信息，將每個像素分類為鋼筋目標像素或背景像素，從而實現鋼筋目標的像素級分割；
33、公式可以表示為：，其中為輸入的彎折區域子圖像，為網絡的參數，為輸出的分割結果；公式用于描述unet網絡的基本運算過程，通過調整網絡參數，可以使網絡對不同的彎折區域子圖像進行準確的像素級分割；
34、b3、基于圖像處理的鋼筋長度與彎折角度計算：
35、對于前面處理步驟所得到整幅圖像的鋼筋分割圖，直接采用圖像處理方法，對連通域特征進行分析；通過分析連通域的面積、周長、形狀等特征信息，進一步確定鋼筋的結構和狀態；
36、連通域為，其面積公式為，周長公式為，其中為連通域的邊界；通過計算連通域的面積和周長，可以初步判斷鋼筋的粗細和形狀；
37、連通域的形狀因子為，形狀因子可以用于更準確地描述連通域的形狀特征，對于判斷鋼筋的形狀是否符合要求有重要作用；
本文檔來自技高網...
【技術保護點】
1.一種橋塔鋼筋部品成型精度控制方法，其特征是：該方法包括：鋼筋單元件自動檢測方法、鋼筋網片自動檢測方法、鋼筋塊體自動檢測方法和鋼筋部品自動檢測方法；
2.根據權利要求1所述一種橋塔鋼筋部品成型精度控制方法，其特征是：在支撐架上安裝相機和鏡頭，當鋼筋彎折成型且彎折機頭歸位后，相機正對鋼筋拍照，截圖彎折段圖像，自動計算成型角度，并通過現場指示燈告知現場工人；
3.根據權利要求2所述一種橋塔鋼筋部品成型精度控制方法，其特征是：鋼筋單元件自動檢測算法步驟為：
4.根據權利要求2所述一種橋塔鋼筋部品成型精度控制方法，其特征是：基于深度學習的鋼筋彎折區域和鋼筋輪廓提取算法步驟為：
5.根據權利要求1所述一種橋塔鋼筋部品成型精度控制方法，其特征是：鋼筋網片自動檢測方法為：
6.?根據權利要求5所述一種橋塔鋼筋部品成型精度控制方法，其特征是：步驟C7的具體方法為：
7.根據權利要求1所述一種橋塔鋼筋部品成型精度控制方法，其特征是：鋼筋塊體自動檢測方法具體為：
8.?根據權利要求1所述一種橋塔鋼筋部品成型精度控制
9.根據權利要求8所述一種橋塔鋼筋部品成型精度控制方法，其特征是：鋼筋部品自動檢測方法中無人機系統搭載激光鏡頭進行數據采集算法步驟為：
10.根據權利要求9所述一種橋塔鋼筋部品成型精度控制方法，其特征是：單根鋼筋擬合算法步驟為：
...【技術特征摘要】
1.一種橋塔鋼筋部品成型精度控制方法，其特征是：該方法包括：鋼筋單元件自動檢測方法、鋼筋網片自動檢測方法、鋼筋塊體自動檢測方法和鋼筋部品自動檢測方法；
2.根據權利要求1所述一種橋塔鋼筋部品成型精度控制方法，其特征是：在支撐架上安裝相機和鏡頭，當鋼筋彎折成型且彎折機頭歸位后，相機正對鋼筋拍照，截圖彎折段圖像，自動計算成型角度，并通過現場指示燈告知現場工人；
3.根據權利要求2所述一種橋塔鋼筋部品成型精度控制方法，其特征是：鋼筋單元件自動檢測算法步驟為：
4.根據權利要求2所述一種橋塔鋼筋部品成型精度控制方法，其特征是：基于深度學習的鋼筋彎折區域和鋼筋輪廓提取算法步驟為：
5.根據權利要求1所述一種橋塔鋼筋部品成型精度控制方法，其...
【專利技術屬性】
技術研發人員：田唯，張國志，吳中正，肖浩，嚴雙橋，余昌文，陳斌，劉航，董奇峰，李冬冬，余萬慶，
申請(專利權)人：中交第二航務工程局有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。