开云优惠体育网页版入口

专利名称：用于建筑结构施工的高强度合金模板自动化生产系统

专利类型：发明专利

专利申请号：CN202411001480.3

专利申请（专利权）人：陕西首铝模架开云优惠体育网页版入口有限公司
权利人地址：陕西省汉中市城固县五郎工业园区

专利发明（设计）人：李忠伟,龚立家,李征,郑宝玉

专利摘要：本发明涉及图像数据处理技术领域，具体涉及用于建筑结构施工的高强度合金模板自动化生产系统，该系统通过多个模块之间的相互配合，可以实现以下步骤：获取高强度合金模板对应的目标表面图像，并进行边缘检测；对每个边缘点进行多个方向的隐裂应力延伸规律分析处理；确定非应力点对应的隐裂概率因子；筛选出候选隐裂点，并对候选隐裂点和应力点进行聚类；确定目标簇对应的目标隐裂指标，筛选出候选隐裂簇；从每个候选隐裂簇内筛选出目标隐裂区域，并基于所有目标隐裂区域，对高强度合金模板进行自动化生产。本发明通过对目标表面图像进行图像数据处理，提高了对高强度合金模板进行隐裂缺陷检测的准确度，从而提高了自动化生产的稳定性。

主权利要求：
1.一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述系统包括：获取检测模块，用于获取高强度合金模板对应的目标表面图像，并对目标表面图像进行边缘检测；
分析划分模块，用于对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，并根据隐裂应力指标，将边缘点划分为应力点和非应力点；
因子确定模块，用于根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子；
筛选聚类模块，用于根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，并对所有候选隐裂点和所有应力点进行聚类，得到目标簇；
确定筛选模块，用于根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，并基于目标隐裂指标，从所有目标簇中筛选出候选隐裂簇；
筛选生产模块，用于从每个候选隐裂簇内筛选出目标隐裂区域，并基于所有目标隐裂区域，对高强度合金模板进行自动化生产。
2.根据权利要求1所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，包括：将所述目标表面图像中任意一个边缘点，确定为标记边缘点，过所述标记边缘点，作所述标记边缘点对应的预设直线集合，其中，所述预设直线集合中的每个预设直线表征一个隐裂应力延伸规律分析处理的方向；
从所述预设直线集合中的每个预设直线上筛选出距所述标记边缘点最近的预设数量个像素点，作为参考点；
以每个参考点为垂足，作每个参考点所属预设直线的垂线，得到每个参考点对应的目标垂线；
将每个目标垂线上灰度值为极小值的像素点，确定为极小像素点；
将任意一个参考点确定为标记参考点，从所述标记参考点对应的目标垂线上筛选出距所述标记参考点最近的极小像素点，作为所述标记参考点对应的目标参照点；
根据所述标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，以及所述标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，确定所述标记边缘点在其所属每个预设直线上的初始应力因子；
根据所述标记边缘点在所有预设直线上的初始应力因子，确定所述标记边缘点对应的隐裂应力指标，其中，初始应力因子与隐裂应力指标呈正相关；
标记边缘点对应的隐裂应力指标对应的公式为：
；其中，是标记边缘点对应的隐裂应力指标； 是标记边缘点对应的预设直线集合中预设直线的数量；是标记边缘点对应的预设直线集合中预设直线的序号；
是标记边缘点在第 个预设直线上的初始应力因子。
3.根据权利要求2所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述根据所述标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，以及所述标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，确定所述标记边缘点在其所属每个预设直线上的初始应力因子，包括：将所述标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，构成所述标记边缘点在其所属每个预设直线上的参照灰度集合；
将所述标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，构成所述标记边缘点在其所属每个预设直线上的参照距离集合；
根据所述标记边缘点在其所属每个预设直线上的参照灰度集合的方差，以及所述标记边缘点在其所属每个预设直线上的参照距离集合的均值，确定所述标记边缘点在其所属每个预设直线上的初始应力因子，其中，参照灰度集合的方差与初始应力因子呈负相关关系，参照距离集合的均值与初始应力因子呈负相关关系；
标记边缘点在其所属预设直线上的初始应力因子对应的公式为：
；其中， 是标记边缘点在其所属第 个预设直线上的初始应力
因子；是标记边缘点对应的预设直线集合中预设直线的序号；的取值范围为{1，2，3，…，}； 是标记边缘点对应的预设直线集合中预设直线的数量； 是归一化函数；
是标记边缘点在其所属第 个预设直线上的参照灰度集合的方差； 是标记边缘点在其所属第 个预设直线上的参照距离集合的均值。
4.根据权利要求1所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述根据隐裂应力指标，将边缘点划分为应力点和非应力点，包括：若边缘点对应的隐裂应力指标大于预设应力阈值，则将边缘点确定为应力点；
若边缘点对应的隐裂应力指标小于或等于预设应力阈值，则将边缘点确定为非应力点。
5.根据权利要求1所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子，包括：连接每个非应力点与其最近的应力点，得到每个非应力点对应的目标线段；
将每个非应力点对应的目标线段上每个像素点与其最近的边缘点之间的距离，确定为每个非应力点对应的目标线段上每个像素点对应的目标距离；
将每个非应力点对应的目标线段上所有像素点对应的目标距离，构成每个非应力点对应的目标距离集合；
根据每个非应力点与其最近的应力点对应的隐裂应力指标、每个非应力点与其最近的应力点之间的距离、以及每个非应力点对应的目标距离集合，确定每个非应力点对应的隐裂概率因子。
6.根据权利要求5所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，非应力点对应的隐裂概率因子对应的公式为：；其中， 是第 个非应力点对应的隐裂概率因子；是目
标表面图像中非应力点的序号； 是取绝对值函数； 是归一化函数； 是距第 个非应力点最近的应力点对应的隐裂应力指标； 是第 个非应力点对应的隐裂应力指标；
是第 个非应力点与其最近的应力点之间的距离； 是以自然常数为底的指数函数；
是第 个非应力点对应的目标距离集合的均值。
7.根据权利要求1所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，包括：从所有非应力点中筛选出对应的隐裂概率因子大于预设概率阈值的非应力点，作为候选隐裂点。
8.根据权利要求1所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，包括：根据每个目标簇内所有像素点对应的灰度值的均值、每个目标簇对应的最小外接矩形的面积、以及每个目标簇内像素点的数量，确定每个目标簇对应的初始隐裂因子；
根据每个目标簇对应的初始隐裂因子，以及每个目标簇内所有像素点对应的隐裂概率因子，确定每个目标簇对应的目标隐裂指标，其中，初始隐裂因子和隐裂概率因子均与目标隐裂指标呈正相关关系；
目标簇对应的目标隐裂指标对应的公式为：
；其中， 是第 个目标簇对应的目标隐裂指标； 是目
标簇的序号； 是归一化函数； 是第 个目标簇对应的初始隐裂因子； 是第个目标簇内像素点的数量；是第 个目标簇内像素点的序号； 是第 个目标簇内第个像素点对应的隐裂概率因子。
9.根据权利要求8所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，目标簇对应的初始隐裂因子对应的公式为：；其中， 是第 个目标簇对应的初始隐裂因子； 是目标簇的序
号； 是以自然常数为底的指数函数； 是第 个目标簇内像素点的数量； 是第个目标簇对应的最小外接矩形的面积； 是第 个目标簇内所有像素点对应的灰度值的均值。
10.根据权利要求1所述的一种用于建筑结构施工的高强度合金模板自动化生产系统，其特征在于，所述从每个候选隐裂簇内筛选出目标隐裂区域，包括：对每个候选隐裂簇进行大津阈值分割，将分割出的前景区域确定为目标隐裂区域。 说明书 : 用于建筑结构施工的高强度合金模板自动化生产系统技术领域[0001] 本发明涉及图像数据处理技术领域，具体涉及用于建筑结构施工的高强度合金模板自动化生产系统。背景技术[0002] 在用于建筑结构施工的高强度合金模板自动化生产过程中，制板加工是非常重要的环节，包括卷材的滚轧成型、板材的切割、调平和焊接等工艺流程，自动化生产系统除了节省人力、提高生产效率之外，最重要的特点是能够严格把控生产细节，通过智能设备数据分析检测来反馈生产过程和控制生产标准。[0003] 常规的自动化生产系统常常会忽略一些隐性缺陷，例如某些模板表面位置的应力超过了其承载能力，这些内部应力可能导致合金模板在制造或使用过程中出现隐裂缺陷。而隐裂缺陷与模板本身的对比度较低，因此，前端生产工艺往往难以及时发现隐裂缺陷，从而导致对高强度合金模板进行隐裂缺陷检测的准确度较差，此时可能会严重影响后端生产工艺，甚至导致生产节点崩坏，进而导致对高强度合金模板进行自动化生产的稳定性较差。发明内容[0004] 为了解决由于对高强度合金模板进行隐裂缺陷检测的准确度较差而导致的对高强度合金模板进行自动化生产的稳定性较差的技术问题，本发明提出了用于建筑结构施工的高强度合金模板自动化生产系统。[0005] 第一方面，本发明提供了用于建筑结构施工的高强度合金模板自动化生产系统，该系统包括：[0006] 获取检测模块，用于获取高强度合金模板对应的目标表面图像，并对目标表面图像进行边缘检测；[0007] 分析划分模块，用于对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，并根据隐裂应力指标，将边缘点划分为应力点和非应力点；[0008] 因子确定模块，用于根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子；[0009] 筛选聚类模块，用于根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，并对所有候选隐裂点和所有应力点进行聚类，得到目标簇；[0010] 确定筛选模块，用于根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，并基于目标隐裂指标，从所有目标簇中筛选出候选隐裂簇；[0011] 筛选生产模块，用于从每个候选隐裂簇内筛选出目标隐裂区域，并基于所有目标隐裂区域，对高强度合金模板进行自动化生产。[0012] 结合上述第一方面，在一种可能的实现方式中，所述对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，包括：[0013] 将所述目标表面图像中任意一个边缘点，确定为标记边缘点，过所述标记边缘点，作所述标记边缘点对应的预设直线集合，其中，所述预设直线集合中的每个预设直线表征一个隐裂应力延伸规律分析处理的方向；[0014] 从所述预设直线集合中的每个预设直线上筛选出距所述标记边缘点最近的预设数量个像素点，作为参考点；[0015] 以每个参考点为垂足，作每个参考点所属预设直线的垂线，得到每个参考点对应的目标垂线；[0016] 将每个目标垂线上灰度值为极小值的像素点，确定为极小像素点；[0017] 将任意一个参考点确定为标记参考点，从所述标记参考点对应的目标垂线上筛选出距所述标记参考点最近的极小像素点，作为所述标记参考点对应的目标参照点；[0018] 根据所述标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，以及所述标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，确定所述标记边缘点在其所属每个预设直线上的初始应力因子；[0019] 根据所述标记边缘点在所有预设直线上的初始应力因子，确定所述标记边缘点对应的隐裂应力指标，其中，初始应力因子与隐裂应力指标呈正相关。[0020] 结合上述第一方面，在一种可能的实现方式中，所述根据所述标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，以及所述标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，确定所述标记边缘点在其所属每个预设直线上的初始应力因子，包括：[0021] 将所述标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，构成所述标记边缘点在其所属每个预设直线上的参照灰度集合；[0022] 将所述标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，构成所述标记边缘点在其所属每个预设直线上的参照距离集合；[0023] 根据所述标记边缘点在其所属每个预设直线上的参照灰度集合的方差，以及所述标记边缘点在其所属每个预设直线上的参照距离集合的均值，确定所述标记边缘点在其所属每个预设直线上的初始应力因子，其中，参照灰度集合的方差与初始应力因子呈负相关关系，参照距离集合的均值与初始应力因子呈负相关关系。[0024] 结合上述第一方面，在一种可能的实现方式中，所述根据隐裂应力指标，将边缘点划分为应力点和非应力点，包括：[0025] 若边缘点对应的隐裂应力指标大于预设应力阈值，则将边缘点确定为应力点；[0026] 若边缘点对应的隐裂应力指标小于或等于预设应力阈值，则将边缘点确定为非应力点。[0027] 结合上述第一方面，在一种可能的实现方式中，所述根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子，包括：[0028] 连接每个非应力点与其最近的应力点，得到每个非应力点对应的目标线段；[0029] 将每个非应力点对应的目标线段上每个像素点与其最近的边缘点之间的距离，确定为每个非应力点对应的目标线段上每个像素点对应的目标距离；[0030] 将每个非应力点对应的目标线段上所有像素点对应的目标距离，构成每个非应力点对应的目标距离集合；[0031] 根据每个非应力点与其最近的应力点对应的隐裂应力指标、每个非应力点与其最近的应力点之间的距离、以及每个非应力点对应的目标距离集合，确定每个非应力点对应的隐裂概率因子。[0032] 结合上述第一方面，在一种可能的实现方式中，非应力点对应的隐裂概率因子对应的公式为：[0033] ；其中， 是第 个非应力点对应的隐裂概率因子；是目标表面图像中非应力点的序号； 是取绝对值函数； 是归一化函数； 是距第 个非应力点最近的应力点对应的隐裂应力指标； 是第 个非应力点对应的隐裂应力指标； 是第 个非应力点与其最近的应力点之间的距离； 是以自然常数为底的指数函数； 是第 个非应力点对应的目标距离集合的均值。[0034] 结合上述第一方面，在一种可能的实现方式中，所述根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，包括：[0035] 从所有非应力点中筛选出对应的隐裂概率因子大于预设概率阈值的非应力点，作为候选隐裂点。[0036] 结合上述第一方面，在一种可能的实现方式中，所述根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，包括：[0037] 根据每个目标簇内所有像素点对应的灰度值的均值、每个目标簇对应的最小外接矩形的面积、以及每个目标簇内像素点的数量，确定每个目标簇对应的初始隐裂因子；[0038] 根据每个目标簇对应的初始隐裂因子，以及每个目标簇内所有像素点对应的隐裂概率因子，确定每个目标簇对应的目标隐裂指标，其中，初始隐裂因子和隐裂概率因子均与目标隐裂指标呈正相关关系。[0039] 结合上述第一方面，在一种可能的实现方式中，目标簇对应的初始隐裂因子对应的公式为：[0040] ；其中， 是第 个目标簇对应的初始隐裂因子； 是目标簇的序号； 是以自然常数为底的指数函数； 是第 个目标簇内像素点的数量；是第 个目标簇对应的最小外接矩形的面积； 是第 个目标簇内所有像素点对应的灰度值的均值。[0041] 结合上述第一方面，在一种可能的实现方式中，所述从每个候选隐裂簇内筛选出目标隐裂区域，包括：[0042] 对每个候选隐裂簇进行大津阈值分割，将分割出的前景区域确定为目标隐裂区域。[0043] 本发明具有如下有益效果：[0044] 本发明的用于建筑结构施工的高强度合金模板自动化生产系统，通过对目标表面图像进行图像数据处理，解决了由于对高强度合金模板进行隐裂缺陷检测的准确度较差而导致的对高强度合金模板进行自动化生产的稳定性较差的技术问题，提高了对高强度合金模板进行隐裂缺陷检测的准确度，从而提高了自动化生产的稳定性。相较于现有只考虑灰度值的不同进行隐裂缺陷检测，本发明对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，并综合考虑了多个与隐裂缺陷相关的指标，比如，隐裂应力指标、隐裂概率因子和目标隐裂指标等，从而提高了对高强度合金模板进行隐裂缺陷检测的准确度，进而提高了对高强度合金模板进行自动化生产的稳定性。其中，基于灰度值的不同进行缺陷检测是一种比较常见的缺陷检测方法。[0045] 第二方面，本发明提供了用于建筑结构施工的高强度合金模板自动化生产系统实现的用于建筑结构施工的高强度合金模板自动化生产方法，该方法包括：[0046] 获取高强度合金模板对应的目标表面图像，并对目标表面图像进行边缘检测；[0047] 对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，并根据隐裂应力指标，将边缘点划分为应力点和非应力点；[0048] 根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子；[0049] 根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，并对所有候选隐裂点和所有应力点进行聚类，得到目标簇；[0050] 根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，并基于目标隐裂指标，从所有目标簇中筛选出候选隐裂簇；[0051] 从每个候选隐裂簇内筛选出目标隐裂区域，并基于所有目标隐裂区域，对高强度合金模板进行自动化生产。[0052] 第三方面，提供了一种服务器，包括存储器和处理器。该存储器用于存储可执行程序代码，该处理器用于从存储器中调用并运行该可执行程序代码，使得该设备执行上述用于建筑结构施工的高强度合金模板自动化生产方法。[0053] 第四方面，提供了一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述用于建筑结构施工的高强度合金模板自动化生产方法。[0054] 第五方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述用于建筑结构施工的高强度合金模板自动化生产方法。附图说明[0055] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0056] 图1为本发明的用于建筑结构施工的高强度合金模板自动化生产系统的结构示意图；[0057] 图2为本发明的隐裂应力指标确定流程的示意图；[0058] 图3为本发明的初始应力因子确定流程的示意图；[0059] 图4为本发明的一种计算机设备的结构示意图。具体实施方式[0060] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0061] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0062] 参考图1，示出了根据本发明的用于建筑结构施工的高强度合金模板自动化生产系统的结构示意图。该用于建筑结构施工的高强度合金模板自动化生产系统，包括：[0063] 获取检测模块101，用于获取高强度合金模板对应的目标表面图像，并对目标表面图像进行边缘检测。[0064] 其中，高强度合金模板是用于建筑结构施工的重要组成部分，主要用于混凝土结构中的多种表面，例如，墙壁、柱子和梁等。高强度合金模板相比于传统的木质或钢质模板，具有更高的强度和耐用性，能够承受更大的混凝土浇筑压力和重复使用。目标表面图像是高强度合金模板的表面图像。[0065] 需要说明的是，高强度合金模板是用于建筑结构施工的重要组成部分，因其具有优异的强度、耐用性和稳定性而备受青睐。为了提高生产效率和质量一致性，往往采用自动化生产流水线来制造这些模板。设备主要由两主机、前中后工作台和电器等主要部件组成，靠链轮链条传动，使几大部件形成一个协调运转的整体。在合金模板生产制作的过程中，制板加工是非常重要的环节。制板加工流程一般包括冲压、切割、钻孔、弯曲和焊接等工序。制板加工的精度和工艺对模板的质量和性能起着非常重要的作用。自动化生产系统中，牵扯到多种模块的工艺流程，其中在对模板进行处理过程中，由于材料制备过程中的温度变化、组织结构改变或机械加工等原因引起的应力。某些模板表面位置的应力超过了其承载能力，这些内部应力可能导致合金模板在制造或使用过程中出现隐裂缺陷，隐裂缺陷往往表征高强度合金模板表面上的裂纹，其与模板本身的对比度往往相对较低，合金模板表面往往并不光洁，因此，在污渍缺陷与隐裂并存时，若只考虑灰度的不同，可能导致难以区分隐裂缺陷和污渍缺陷，此时自动化生产系统可能无法得到准确的生产反。贾潞辖鹉０遄远檀嬖诜缦。[0066] 作为示例，获取检测模块101可以实现如下步骤：[0067] 第一步，通过工业摄像机，采集高强度合金模板的表面图像。[0068] 第二步，通过Sobel边缘检测算法，对目标表面图像进行边缘检测，并将边缘检测得到的边缘上的像素点，记为边缘点。[0069] 分析划分模块102，用于对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，并根据隐裂应力指标，将边缘点划分为应力点和非应力点。[0070] 作为示例，对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标的流程可以如图2所示，具体可以包括以下步骤：[0071] 步骤201，将目标表面图像中任意一个边缘点，确定为标记边缘点，过标记边缘点，作标记边缘点对应的预设直线集合。[0072] 其中，上述预设直线集合中的每个预设直线表征一个隐裂应力延伸规律分析处理的方向。[0073] 例如，过标记边缘点，作标记边缘点对应的预设直线集合可以包括以下子步骤：[0074] 第一子步骤，对标记边缘点所属边缘进行直线拟合，并将此时得到的拟合直线进行平移，使其过标记边缘点，将平移完成的拟合直线，记为标记边缘点对应的初始直线。[0075] 第二子步骤，以标记边缘点为旋转点，对标记边缘点对应的初始直线进行逆时针旋转，每次旋转预设角度，每次旋转得到的直线，记为标记边缘点对应的一个参考直线。[0076] 其中，预设角度可以是预先设置的角度。比如，预设角度可以是10°。[0077] 第三子步骤，将标记边缘点对应的初始直线和所有参考直线，构成标记边缘点对应的预设直线集合。[0078] 其中，初始直线或参考直线统称为预设直线。[0079] 步骤202，从预设直线集合中的每个预设直线上筛选出距标记边缘点最近的预设数量个像素点，作为参考点。[0080] 其中，预设数量可以是预先设置的数量。比如，预设数量可以是20。[0081] 例如，若预设数量为20，则可以在预设直线上标记边缘点的两侧分别筛选出距标记边缘点最近的10个像素点，作为参考点。[0082] 步骤203，以每个参考点为垂足，作每个参考点所属预设直线的垂线，得到每个参考点对应的目标垂线。[0083] 步骤204，将每个目标垂线上灰度值为极小值的像素点，确定为极小像素点。[0084] 比如，将任意一个目标垂线确定为标记垂线，将标记垂线上任意一个像素点确定为标记像素点，若标记垂线上与标记像素点相邻的像素点对应的灰度值均大于标记像素点对应的灰度值，则将标记像素点确定为极小像素点。[0085] 步骤205，将任意一个参考点确定为标记参考点，从标记参考点对应的目标垂线上筛选出距标记参考点最近的极小像素点，作为标记参考点对应的目标参照点。[0086] 需要说明的是，若标记参考点是极小像素点，则可以将标记参考点记为标记参考点对应的目标参照点。若距标记参考点最近的极小像素点有多个，则可以从这多个极小像素点中随机筛选出一个极小像素点，记为标记参考点对应的目标参照点。[0087] 步骤206，根据标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，以及标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，确定标记边缘点在其所属每个预设直线上的初始应力因子。[0088] 例如，确定标记边缘点在其所属每个预设直线上的初始应力因子的流程可以如图3所示，具体可以包括以下步骤：[0089] 步骤301，将标记边缘点在其所属每个预设直线上所有参考点对应的目标参照点对应的灰度值，构成标记边缘点在其所属每个预设直线上的参照灰度集合。[0090] 比如，将标记边缘点对应的预设直线集合中任意一个预设直线确定为标记直线，标记边缘点在标记直线上的参照灰度集合可以包括：标记直线上距标记边缘点最近的预设数量个像素点对应的目标参照点对应的灰度值。[0091] 步骤302，将标记边缘点在其所属每个预设直线上所有参考点与其对应的目标参照点之间的距离，构成标记边缘点在其所属每个预设直线上的参照距离集合。[0092] 比如，将标记边缘点对应的预设直线集合中任意一个预设直线确定为标记直线，标记边缘点在标记直线上的参照距离集合可以包括：标记直线上距标记边缘点最近的预设数量个像素点与其对应的目标参照点之间的距离。[0093] 步骤303，根据标记边缘点在其所属每个预设直线上的参照灰度集合的方差，以及标记边缘点在其所属每个预设直线上的参照距离集合的均值，确定标记边缘点在其所属每个预设直线上的初始应力因子。[0094] 其中，参照灰度集合的方差可以与初始应力因子呈负相关关系。参照距离集合的均值可以与初始应力因子呈负相关关系。[0095] 比如，确定标记边缘点在其所属预设直线上的初始应力因子对应的公式可以为：[0096] ；其中， 是标记边缘点在其所属第 个预设直线上的初始应力因子。是标记边缘点对应的预设直线集合中预设直线的序号。的取值范围为{1，2，3，…， }。 是标记边缘点对应的预设直线集合中预设直线的数量。 是归一化函数。 是标记边缘点在其所属第 个预设直线上的参照灰度集合的方差。 是标记边缘点在其所属第 个预设直线上的参照距离集合的均值。[0097] 需要说明的是，合金模板在生产过程中，往往需要进行切割、冲压和折弯等机械加工，此时，模板由于材料制备过程中的温度变化、组织结构改变或机械加工等原因引起的应力，可能会导致模板表面产生隐裂。一般来说，隐裂缺陷往往是从应力处向至少一个方向延伸，形成隐裂线，并且隐裂线上像素点的灰度值往往相对比较均匀，并且隐裂线的灰度值往往相对较小。目标参照点可以表征距预设直线上像素点最近的极小像素点，并且极小像素点可以表征灰度值相对较小的像素点。当 越小时，往往说明标记边缘点所属第 个预设直线上，距标记边缘点最近的预设数量个像素点对应的最近的极小像素点对应的灰度值之间的变化相对越均匀；往往说明标记边缘点在其所属第 个预设直线上，距标记边缘点最近的预设数量个像素点对应的目标参照点构成的连线越可能表征隐裂线。当 越小时，往往说明标记边缘点在其所属第 个预设直线上，距标记边缘点最近的预设数量个像素点与其对应的目标参照点之间的距离越短；往往说明标记边缘点所属第 个预设直线越可能与其对应的目标参照点构成的连线重合。因此，当 越大时，往往说明标记边缘点所属第 个预设直线越可能表征隐裂线，往往说明标记边缘点越可能是进行隐裂线延伸的应力爆发点。[0098] 步骤207，根据标记边缘点在所有预设直线上的初始应力因子，确定标记边缘点对应的隐裂应力指标。[0099] 其中，初始应力因子可以与隐裂应力指标呈正相关。[0100] 例如，确定标记边缘点对应的隐裂应力指标对应的公式可以为：[0101] ；其中，是标记边缘点对应的隐裂应力指标。是标记边缘点对应的预设直线集合中预设直线的数量。是标记边缘点对应的预设直线集合中预设直线的序号。是标记边缘点在第 个预设直线上的初始应力因子。[0102] 需要说明的是，当 越大时，往往说明标记边缘点所属第 个预设直线越可能表征隐裂线。当 越大时，往往说明标记边缘点所属的多个预设直线均可能表征隐裂线，往往说明标记边缘点越可能向多个方向进行隐裂线延伸，也就是说标记边缘点越可能向多个方向进行裂纹蔓延，往往说明标记边缘点越可能是进行隐裂线延伸的应力爆发点。[0103] 作为又一示例，根据隐裂应力指标，将边缘点划分为应力点和非应力点可以包括以下步骤：[0104] 第一步，若边缘点对应的隐裂应力指标大于预设应力阈值，则将边缘点确定为应力点。[0105] 其中，预设应力阈值可以是预先设置的阈值。例如，预设应力阈值可以是0.7。[0106] 需要说明的是，本发明实施例的应力点往往可以表征合金模板表面上可能产生应力爆发的位置点，即导致隐裂出现的源头位置。在隐裂缺陷区域内往往由应力爆发的位置点向其他位置点传递能量，也就是说隐裂应力指标往往逐渐降低。[0107] 第二步，若边缘点对应的隐裂应力指标小于或等于预设应力阈值，则将边缘点确定为非应力点。[0108] 因子确定模块103，用于根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子。[0109] 作为示例，确定每个非应力点对应的隐裂概率因子可以包括以下步骤：[0110] 第一步，连接每个非应力点与其最近的应力点，得到每个非应力点对应的目标线段。[0111] 第二步，将每个非应力点对应的目标线段上每个像素点与其最近的边缘点之间的距离，确定为每个非应力点对应的目标线段上每个像素点对应的目标距离。[0112] 第三步，将每个非应力点对应的目标线段上所有像素点对应的目标距离，构成每个非应力点对应的目标距离集合。[0113] 第四步，根据每个非应力点与其最近的应力点对应的隐裂应力指标、每个非应力点与其最近的应力点之间的距离、以及每个非应力点对应的目标距离集合，确定每个非应力点对应的隐裂概率因子。[0114] 例如，确定非应力点对应的隐裂概率因子对应的公式可以为：[0115] ；其中， 是第 个非应力点对应的隐裂概率因子。是目标表面图像中非应力点的序号。 是取绝对值函数。 是归一化函数。是距第 个非应力点最近的应力点对应的隐裂应力指标。 是第 个非应力点对应的隐裂应力指标。 是第 个非应力点与其最近的应力点之间的距离。 是以自然常数为底的指数函数。 是第 个非应力点对应的目标距离集合的均值。[0116] 需要说明的是，当 越大时，往往说明距第 个非应力点最近的应力点向第个非应力点传递的应力传递衰减量越大。当 越小时，往往说明距第 个非应力点最近的应力点向第 个非应力点进行应力传递的直线距离越短。因此，当 越大时，往往说明距第 个非应力点最近的应力点向第 个非应力点进行应力传递的速度越快，往往说明距第个非应力点最近的应力点向第 个非应力点的蔓延趋势越趋近于直线，反之越可能趋近于不规则的曲线。当 越小时，往往说明距第 个非应力点最近的应力点与第 个非应力点之间的连线越接近边缘线，往往说明距第 个非应力点最近的应力点向第 个非应力点的蔓延趋势越趋近于直线，反之越可能趋近于不规则的曲线。一般情况下，蔓延的隐裂线可能是直线也可能是曲线。当 和 较大时，往往说明距第 个非应力点最近的应力点向第 个非应力点的蔓延趋势可能趋近于直线，并且应力衰减速度较大。当和 较小时，往往说明距第 个非应力点最近的应力点向第 个非应力点的蔓延趋势可能趋近于不规则的曲线，并且应力衰减速度较小。所以，和 同大或同小时，往往说明第 个非应力点可能位于蔓延的隐裂线上。因此，当 越大时，往往说明第 个非应力点越可能位于蔓延的隐裂线上，往往说明第 个非应力点越可能是隐裂缺陷像素点。[0117] 筛选聚类模块104，用于根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，并对所有候选隐裂点和所有应力点进行聚类，得到目标簇。[0118] 作为示例，筛选聚类模块104可以实现以下步骤：[0119] 第一步，从所有非应力点中筛选出对应的隐裂概率因子大于预设概率阈值的非应力点，作为候选隐裂点。[0120] 其中，预设概率阈值可以是预先设置的阈值。例如，预设概率阈值可以是0.5。[0121] 第二步，对所有候选隐裂点和所有应力点进行聚类，得到目标簇。[0122] 例如，可以将每个候选隐裂点和每个应力点记为基础隐裂点，根据所有基础隐裂点对应的位置，通过聚类算法，对所有基础隐裂点进行聚类，可以将位置相近的基础隐裂点划分为同一个聚类簇，并将得到的聚类簇确定为目标簇。其中，聚类算法可以是但不限于：聚类算法可以是但不限于：DBSCAN（Density?BasedSpatial ClusteringofApplicationswithNoise，基于密度的聚类）算法、K?means聚类算法和层次聚类算法。[0123] 确定筛选模块105，用于根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，并基于目标隐裂指标，从所有目标簇中筛选出候选隐裂簇。[0124] 作为示例，确定筛选模块105可以用于实现以下步骤：[0125] 第一步，根据每个目标簇内所有像素点对应的灰度值的均值、每个目标簇对应的最小外接矩形的面积、以及每个目标簇内像素点的数量，确定每个目标簇对应的初始隐裂因子。[0126] 其中，目标簇对应的最小外接矩形的面积可以用该最小外接矩形内像素点的数量表征。[0127] 例如，确定目标簇对应的初始隐裂因子对应的公式可以为：[0128] ；其中， 是第 个目标簇对应的初始隐裂因子。 是目标簇的序号。 是以自然常数为底的指数函数。 是第 个目标簇内像素点的数量。是第 个目标簇对应的最小外接矩形的面积。 是第 个目标簇内所有像素点对应的灰度值的均值。[0129] 第二步，根据每个目标簇对应的初始隐裂因子，以及每个目标簇内所有像素点对应的隐裂概率因子，确定每个目标簇对应的目标隐裂指标。[0130] 需要说明的是，实际情况中，隐裂区域的灰度往往相对较。⑶乙裂区域的形状往往呈现不规则的分叉。当 越小时，往往说明第 个目标簇在其最小外接矩形中的占比相对越。得鞯 个目标簇越可能不是规则的区域，往往说明第 个目标簇越可能呈现不规则的分叉。当 越小时，往往说明第 个目标簇的灰度相对越低。因此，当 越大时，往往说明第 个目标簇越可能是隐裂区域。[0131] 其中，初始隐裂因子和隐裂概率因子均可以与目标隐裂指标呈正相关关系。[0132] 例如，确定目标簇对应的目标隐裂指标对应的公式可以为：[0133] ；其中， 是第 个目标簇对应的目标隐裂指标。 是目标簇的序号。 是归一化函数。 是第 个目标簇对应的初始隐裂因子。是第 个目标簇内像素点的数量。是第 个目标簇内像素点的序号。 是第 个目标簇内第 个像素点对应的隐裂概率因子。[0134] 需要说明的是，当 越大时，往往说明第 个目标簇内第 个像素点越可能位于蔓延的隐裂线上，往往说明第 个目标簇内第 个像素点越可能是隐裂缺陷像素点。当越大时，往往说明第 个目标簇越可能是隐裂区域。因此，当 越大时，往往说明第 个目标簇越可能是隐裂区域。[0135] 筛选生产模块106，用于从每个候选隐裂簇内筛选出目标隐裂区域，并基于所有目标隐裂区域，对高强度合金模板进行自动化生产。[0136] 作为示例，筛选生产模块106可以实现以下步骤：[0137] 第一步，对每个候选隐裂簇进行大津阈值分割，将分割出的前景区域确定为目标隐裂区域。[0138] 需要说明的是，实际情况中，隐裂区域的亮度往往相对比较低，因此，本发明实施例中的前景区域往往是分割的灰度值相对较低的区域，即本发明实施例中的前景区域往往可以表征相对比较准确的隐裂区域。[0139] 第二步，基于所有目标隐裂区域，对高强度合金模板进行自动化生产。[0140] 例如，若所有目标隐裂区域在目标表面图像中的占比大于预设占比，则判定高强度合金模板不合格，其中，预设占比可以是预先设置的占比，比如，预设占比可以是3%。[0141] 需要说明的是，对高强度合金模板关于隐裂缺陷的要求越高，往往需要将预设占比设置的越小。[0142] 可选地，本发明实施例可以在工艺节点进行隐裂缺陷检测，因此基于上述步骤可以获取到的图像中隐裂区域的总个数，同时获取隐裂区域的相对长度和相对宽度，一般来说，隐裂区域出现的个数越多，并且隐裂区域的长度或宽度越大时，往往说明给予的外界力过大，反映了历史某些工艺操作中的自动化参数设定不合适，需要进行调整。因此，基于PLC（ProgrammableLogicController，可编程逻辑控制器）自动化生产线控制系统、缺陷的准确识别和信息反。纱说髡忌ひ障喙夭问，具体操作流程可以包括：将隐裂区域的总个数、长度和宽度，作为反馈信息输入CPU（CentralProcessingUnit，中央处理单元）；CPU接收到数据后，可以通过一个预先编程好的算法来分析这些裂纹数据，并与质量控制标准进行对比。如果数据显示裂纹超出允许的范围，CPU会判断出存在质量问题。通过与生产线的控制系统通信，其中，控制系统可以是PLC（ProgrammableLogicController，可编程逻辑控制器）。CPU会发送调整指令，以改变生产参数。在已编程的PLC中包含若干条决策逻辑，比如裂纹尺寸超出阈值时，自动调整相关生产参数，例如，模具闭合速度、冲压力度、润滑条件、材料的进给速度等。PLC接收到调整指令后，会实时动态调整冲压机、送料机等相关设备的运行参数，无需人工干预。调整后的参数将再次通过检测系统进行验证，以确保裂纹问题得到解决。如果裂纹仍未得到有效控制，系统会继续进行调整，这个过程将形成一个闭环控制过程，直到质量符合要求。[0143] 基于与上述方法实施例相同的发明构思，本发明提供了用于建筑结构施工的高强度合金模板自动化生产方法，包括以下步骤：[0144] 获取高强度合金模板对应的目标表面图像，并对目标表面图像进行边缘检测；[0145] 对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，得到每个边缘点对应的隐裂应力指标，并根据隐裂应力指标，将边缘点划分为应力点和非应力点；[0146] 根据每个非应力点与其最近的应力点对应的隐裂应力指标，以及每个非应力点与其最近的应力点之间的距离，确定每个非应力点对应的隐裂概率因子；[0147] 根据隐裂概率因子，从所有非应力点中筛选出候选隐裂点，并对所有候选隐裂点和所有应力点进行聚类，得到目标簇；[0148] 根据每个目标簇内的像素点对应的灰度值和隐裂概率因子，确定每个目标簇对应的目标隐裂指标，并基于目标隐裂指标，从所有目标簇中筛选出候选隐裂簇；[0149] 从每个候选隐裂簇内筛选出目标隐裂区域，并基于所有目标隐裂区域，对高强度合金模板进行自动化生产。[0150] 图4是本发明实施例提供的一种计算机设备的结构示意图。示例性的，如图4所示，该计算机设备400包括：存储器401、处理器402以及存储在该存储器401中并在处理器402上运行的计算机程序403，其中，该处理器402执行该计算机程序403时，使得该计算机设备可执行前述介绍的用于建筑结构施工的高强度合金模板自动化生产方法。[0151] 基于与上述方法实施例相同的发明构思，本发明提供了一种服务器，包括存储器和处理器。该存储器用于存储可执行程序代码，该处理器用于从存储器中调用并运行该可执行程序代码，使得该设备执行上述用于建筑结构施工的高强度合金模板自动化生产方法。[0152] 基于与上述方法实施例相同的发明构思，本发明提供了一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述用于建筑结构施工的高强度合金模板自动化生产方法。[0153] 基于与上述方法实施例相同的发明构思，本发明提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述用于建筑结构施工的高强度合金模板自动化生产方法。[0154] 综上，相较于只考虑灰度值的不同进行隐裂缺陷检测，本发明对边缘检测得到的每个边缘点进行多个方向的隐裂应力延伸规律分析处理，并综合考虑了多个与隐裂缺陷相关的指标，比如，隐裂应力指标、隐裂概率因子和目标隐裂指标等，从而提高了对高强度合金模板进行隐裂缺陷检测的准确度，进而提高了对高强度合金模板进行自动化生产的稳定性。[0155] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，均应包含在本发明的保护范围之内。

专利地区：陕西

专利申请日期：2024-07-25

专利公开日期：2024-10-01

专利公告号：2024-10-01