[发明专利]基于机器视觉的混凝土3D打印构件精细检测方法

说明书

基于机器视觉的混凝土3D打印构件精细检测方法，包括以下步骤；1)图像预处理；2)层间边缘检测；3)层间信息熵的目标优化建模；4)增强边缘细节；5)开闭运算；6)输出图像。该方法不仅能识别出混凝土3D打印构件图像边界轮廓信息，还能保留大量图像内部纹理信息，旨在为利用混凝土3D打印技术生产外形精准的复杂几何建筑构件产品提供有效参考。

技术领域

本发明属于模式识别及机器视觉技术领域，具体涉及基于机器视 觉的混凝土3D打印构件精细检测方法。

背景技术

由于混凝土材料的六边形，3D混凝土打印的成形过程更加复杂， 存在许多问题亟需解决。构件成形的质量因速度因素导致层间间隔时 间过短、材料凝结硬化不足而导致坍塌变形；或者因空气窜入泵送管 路中被连同物料一起挤出，将导致物料之间进行间隔，造成挤出物料 不连续，出现欠填充现象。物料挤出的不密实和不连续在逐层累积的 过程中可造成整体的形变甚至坍塌破坏。因此，打印构件成形质量检 测是一个关键问题。其主要包括检测打印构件的形状、尺寸、表面纹 理信息等方面。人工检测打印构件质量存在一些误差和限制。

混凝土检测算法一般基于图像分割的方法达到目的。图像分割是 将一副图以灰度、纹理、区域等为标准分成若干个具有独特性质的区 域的过程。常用且经典的分割方法有基于阈值、边缘、区域、聚类、 图论及特定理论等。基于阈值的图像分割方法通常只考虑像素自身的 灰度值，未考虑图像的语义、空间等特征信息，且易受噪声影响，对 于复杂的图像，阈值分割的效果并不理想。边缘检测技术是通过搜索 图像区域中的各个边界，从而达到图像分割的目的。常用的边缘检测 算子有Roberts、Sobel、LOG等，这些算子算法简单且检测速度较快， 但对噪声比较敏感，而真边缘因为噪声的干扰可能被漏检，同时检测 出的图像边缘模糊，边缘精细度不高效果并不理想。Canny在1986 年提出了基于最优化算法的边缘检测算子，实验证明该算子在处理高 斯白噪声污染的图像方面优于其他传统的边缘检测算子。基于区域的 图像分割方法该方法计算简单，但对噪声敏感，易导致区域空缺。基 于聚类的图像分割方法中FCM聚类算法认为所有分类样本对聚类中 心误差的平方和影响是一致的，不具有局部约束能力，没有考虑邻域 像素对目标像素分类的影响同时对噪声比较敏感。基于图论的图像分 割方法对大部分图像都能进行分割并且可以取得良好的效果，但该方 法计算量大，一般需要通过交互实现分割。

发明内容

为了克服以上技术问题，本发明的目的在于提供基于机器视觉 的混凝土3D打印构件精细检测方法，该方法不仅能识别出混凝土 3D打印构件图像边界轮廓信息，还能保留大量图像内部纹理信息， 旨在为利用混凝土3D打印技术生产外形精准的复杂几何建筑构件产 品提供有效参考。

为了实现上述目的，本发明采用的技术方案是：

基于机器视觉的混凝土3D打印构件精细检测方法，包括以下步 骤；

1)图像预处理；

2)层间边缘检测；

3)层间信息熵的目标优化建模；

4)增强边缘细节；

5)开闭运算；

6)输出图像。

所述步骤1)具体为：首先对构件图像进行Gamma灰度变换， 调整高低灰度级让图像变得更接近人眼感受的颜色映射范围，扩大图 像灰度范围，使用直方图均衡化处理提高原始图像I(x,y)整体或局部 对比度；

O＝KI^γ (1)

其中，O为输出图像灰度值，I为输入图像灰度值，K作为常数 通常情况为1，γ为Gamma指数，γ＝1为线性变换，如果γ≠1为非线 性变换，k代表灰度级0～255中每个灰度级的像素数量，n代表图像 的总像素数；