(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010672064.1
(22)申请日 2020.07.14
(71)申请人 中国建筑第二工程局有限公司
地址 518000 广东省深圳市福田区红荔西
路7002号第壹世界广场A座25楼
(72)发明人 李亚坤 刘军 袁德胜 王治猛
(74)专利代理机构 北京德崇智捷知识产权代理
有限公司 11467
代理人 俞江
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/13(2017.01)
G06T 7/62(2017.01)
G06K 9/38(2006.01)
G01N 15/02(2006.01)
(54)发明名称
(57)摘要
一种基于图像识别的砂石检测方法，属于混
凝土生产领域。本发明包括将待检砂石进行图像
二值化，细砂、中砂、粗砂分别呈现出不同密度的
际占比值，再将各类砂石的实际占比值比上该类
砂石预设的理想占比值，计算占比得分A；将待检
砂石进行图像二值化、轮廓化，统计每个砂石的
石的平均粒径值比上该类砂石预设的理想粒径
值，计算粒径得分B；最后得分A和得分B算出总分
C，综合判断砂石的类型以及质量。本发明的优点
在于采用图像识别技术代替人工精细筛选出砂
石原料，可以精准的判断出各类砂石的质量，提
高配制的准确率，
保证了混凝土的生产质量。权利要求书1页 说明书3页 附图1页CN 111833327 A 2020.10.27
C N 111833327
A
1.一种基于图像识别的砂石检测方法，其特征在于，包括：将待检砂石进行图像二值化，细砂、中砂、粗砂分别呈现出不同密度的像素点，计算各类砂石的像素点与总像素点的实际占比值，对比各类砂石的预设占比区间，判断砂石的类型；将待检砂石图像二值化后进行轮廓检测，统计每个砂石的粒径，计算各类砂石的平均粒径值，对比各类砂石的粒径范围，判断砂石的类型；最后，综合判断待检砂石的类型。
2.根据权利要求1所述基于图像识别的砂石检测方法，其特征在于， 将上述得到的各类砂石的实际占比值，比上该类砂石预设的理想占比值，计算占比得分A；将上述得到的各类砂石的平均粒径值，比上该类砂石预设的理想粒径值，计算粒径得分B；最后结合占比得分A和粒径得分B算出总分C，综合判断砂石的质量。
3.根据权利要求2所述基于图像识别的砂石检测方法，其特征在于，所述
总分
；计算结果越接近1 ，砂石的质量越好。
4.根据权利要求1所述基于图像识别的砂石检测方法，其特征在于，上述计算各类砂石的像素点与总像素点的实际占比值方法如下：将二值化后的图像进行分块，统计每块图像中砂石的像素点与总像素点的比例，数据去噪后得出各类砂石的占比结果。
5.根据权利要求1所述基于图像识别的砂石检测方法，其特征在于，上述计算各类砂石平均粒径的方法如下：将待检砂石进行轮廓检测，数据去噪后统计各类砂石的平均粒径值。
6.一种基于图像识别的砂石检测装置，其特征在于，包括：
占比计算模块：将待检砂石进行图像二值化，细砂、中砂、粗砂分别呈现出不同密度的像素点，计算各类砂石的像素点与总像素点的实际占比值，对比各类砂石的预设占比区间，判断砂石的类型；
粒径计算模块：将待检砂石图像二值化后进行轮廓检测，统计每个砂石的粒径，计算各类砂石的平均粒径值，对比各类砂石的粒径范围，判断砂石的类型；
最后，综合判断待检砂石的类型。
7.根据权利要求6所述基于图像识别的砂石检测装置，其特征在于， 在占比计算模块中，将各类砂石的实际占比值比上该类砂石预设的理想占比值，计算占比得分A；在粒径计算模块中，将各类砂石的平均粒径值比上该类砂石预设的理想粒径值，计算粒径得分B；最后结合占比得分A和粒径得分B算出总分C，综合判断砂石的质量。
8.根据权利要求7所述基于图像识别的砂石检测装置，其特征在于，所述
总分
；计算结果越接近1 ，砂石的质量越好。
9.根据权利要求6所述基于图像识别的砂石检测方法，其特征在于，上述计算各类砂石的像素点与总像素点的实际占比值方法如下：将二值化后的图像进行分块，统计每块图像中砂石的像素点与总像素点的比例，数据去噪后得出各类砂石的占比结果。
10.根据权利要求6所述基于图像识别的砂石检测装置，其特征在于，上述计算各类砂石平均粒径的方法如下：将待检砂石进行轮廓检测，数据去噪后统计各类砂石的平均粒径值。
权 利 要 求 书1/1页CN 111833327 A
一种基于图像识别的砂石检测方法
技术领域
[0001]本发明属于混凝土生产领域，尤其涉及一种基于图像识别的砂石检测方法。
背景技术
[0002]随着建筑行业的蓬勃发展，建筑生产活动也逐渐向标准化、工业化、科学化发展，更多的创新实践和技术应用其中。传统的混凝土搅拌站，完全依赖于人工操作进行进料，在配制高低标号混凝土时因为细砂、中砂、粗砂传送选择错误，造成浪费和损失，这给混凝土生产质量带来很大风险，若是配制高标准的混凝土，人工又很难判断砂石的质量。
发明内容
[0003]本发明提供了一种基于图像识别的砂石检测方法，优点在于采用图像识别技术代替人工精细筛选出砂石原料，可以精准的判断出各类砂石的质量，提高配制的准确率，保证了混凝土的生产质量。
[0004]为达到上述技术目的，本发明采用以下技术方案：
一种基于图像识别的砂石检测方法，包括：将待检砂石进行图像二值化，细砂、中砂、粗砂分别呈现出不同密度的像素点，计算各类砂石的像素点与总像素点的实际占比值，对比各类砂石的预设占比区间，判断砂石的类型；将待检砂石图像二值化后进行轮廓检测，统计每个砂石的粒径，计算各类砂石的平均粒径值，对比各类砂石的粒径范围，判断砂石的类型；最后，综合判断待检砂石的类型。
[0005]优选的，将上述得到的各类砂石的实际占比值，比上该类砂石预设的理想占比值，计算占比得分A；将上述得到的各类砂石的平均粒径值，比上该类砂石预设的理想粒径值，计算粒径得分B；最后结合占比得分A和粒径得分B算出总分C，综合判断砂石的质量。
[0006]进一步优选的，所述总分；计算结果越接近1 ，砂石的质量越好。
[0007]优选的，上述计算各类砂石的像素点与总像素点的实际占比值方法如下：将二值化后的图像进行分块，统计每块图像中砂石的像素点与总像素点的比例，数据去噪后得出各类砂石的占比结果。
[0008]优选的，上述计算各类砂石平均粒径的方法如下：将待检砂石进行轮廓检测，数据去噪后统计各类砂石的平均粒径值。
[0009]一种基于图像识别的砂石检测装置，包括：占比计算模块：将待检砂石进行图像二值化，细砂、
中砂、粗砂分别呈现出不同密度的像素点，计算各类砂石的像素点与总像素点的实际占比值，对比各类砂石的预设占比区间，判断砂石的类型；粒径计算模块：将待检砂石图像二值化后进行轮廓检测，统计每个砂石的粒径，计算各类砂石的平均粒径值，对比各类砂石的粒径范围，判断砂石的类型；最后，综合判断待检砂石的类型。
[0010]优选的，在占比计算模块中，将各类砂石的实际占比值比上该类砂石预设的理想占比值，计算占比得分A；在粒径计算模块中，将各类砂石的平均粒径值比上该类砂石预设
的理想粒径值，计算粒径得分B；最后结合占比得分A和粒径得分B算出总分C，综合判断砂石的质量。
[0011]进一步优选的，所述总分；计算结果越接近1 ，砂石的质量越好。
[0012]优选的，上述计算各类砂石的像素点与总像素点的实际占比值方法如下：将二值化后的图像进行分块，统计每块图像中砂石的像素点与总像素点的比例，数据去噪后得出各类砂石的占比结果。
[0013]优选的，上述计算各类砂石平均粒径的方法如下：将待检砂石进行轮廓检测，数据去噪后统计各类砂石的平均粒径值。
[0014]有益效果
1.本发明取代人工判别进料，避免在配制高低标号混凝土时反复切换原料容易出错，造成浪费和损失的问题，采用图像识别技术代替人眼进行智能判断，可以精准的判别砂石的质量，保证了混凝土的生产质量，也节省了大量的人力。
[0015] 2.采用本技术，同时适用于砂石料仓的进料监测，保证了原料仓储的正确性。[0016] 3.新型的监测技术同时记录了作业的全过程，达到了生产责任可追溯的目标。
附图说明
[0017]图1为细砂、中砂、粗砂经过二值化、轮廓化的示意图。
[0018]图2为现场可视化设备布置图。
具体实施方式
[0019]下面结合附图，作进一步的说明。
[0020]一种基于图像识别技术检测砂石类别的方法，包括：将待检砂石进行图像二值化，细砂、中砂、粗砂分别呈现出不同密度的像素点，如图1所示，计算各类砂石的像素点与总像素点的实际占比值，再将各类砂石的实际占比值比上该类砂石预设的理想占比值，计算占比得分A：
；
其中，i代表砂石类型；
将待检砂石进行图像二值化并进行轮廓检测，统计每个砂石的粒径，计算各类砂石的平均粒径值，再将各类砂石的平均粒径值比上该类砂石预设的理想粒径值，计算粒径得分B：
；
最后结合占比得分A和粒径得分B算出总分C，；综合判断砂石的类型以及质量，计算结果越接近1 ，砂石的质量越好。
[0021]具体实施例：先建立出如图2所示的可视化设备布置场景。
[0022]若在软件系统中选择自动进料目标为粗砂，自动化设备自动切换至粗砂仓筒，皮带轮开始运行。图像识别系统即时启动实施监测，在混凝土泵站的砂石上料传送带口部布
置摄像机，将实时拍摄的视频反馈至软件系统；软件系统每隔数秒读取一帧图像开始图像识别两种算法：
算法1，将待检砂石图像二值化，在本实施例中使用全局阈值二值化的方法，细砂、中砂、粗砂分别呈现出不同密度的像素点，在此实施例中，将砂石像素点的灰度值设为0，黑；砂石间空隙的灰度值设为255，白。将图像进行分块，计算每块图像中砂石白像素点与总像素点的比例。去噪方法如下：计算数据按大小排序，去除前30%的小数据和后30%大数据后取平均值，得到的比例与标准相比得出结论。比如中砂的比例结果为20%-35%，而本次识别结果为30%，则判断结论为中砂，若中砂的预设理想占比值是32%，算法1的结果就是0.94。此标准需要根据反复、多次的实验进行统计各类砂石的占比区间。
[0023]算法2，将图像二值化、进行轮廓检测，在本实例中通过边缘检测方法统计每个砂石的轮廓直径，即粒径。去噪方法如下：删除超过100mm的粒径，统计结果从大到小排序，去除前30%的小数据和后30%的大数据后取平均值，得到的比例与标准相比得出结论。比如中砂的平均粒径为0.4mm，中砂的预设理想粒径为0.35mm，算法2的结果就是1.14。标准需要根据反复、多次的实验进行统计各类砂石的粒径范围。
[0024]算法1结果权重80%，算法2结果权重20%，结合得出砂石的类型以及质量。按照上述数据计算的结果为0.98，根据砂石的总体情况，判断砂石的质量。
[0025]当检测结果与预设目标不一致时通过软件系统触发停机报警；比如当检测发现上料为细砂，机器发出错误警报，输送装置自动停机，现场发出警报声。直到切换自动进料目标为细砂，再次启动，正常进料。
[0026]以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议