【摘要】：隨著科技的發(fā)達(dá),傳統(tǒng)行業(yè)均想打破傳統(tǒng)的桎梏,利用智能終端設(shè)備來(lái)減少勞動(dòng)力的投入,從而獲得更快的發(fā)展,增強(qiáng)自身競(jìng)爭(zhēng)力。傳統(tǒng)建筑行業(yè)在鋼筋成車(chē)來(lái)料時(shí),仍然需要人工清點(diǎn)數(shù)量,然后才能開(kāi)展后續(xù)工作。這樣效率低、準(zhǔn)確率無(wú)法保證、增加前期投資。針對(duì)這一問(wèn)題的解決辦法,主要提出過(guò)基于類(lèi)圓的分割、基于機(jī)器視覺(jué)和基于神經(jīng)網(wǎng)絡(luò)等解決方案,但都仍難以達(dá)到建筑工地識(shí)別成捆鋼筋的實(shí)際要求。本文提出一種基于數(shù)字圖像處理技術(shù)建筑工地識(shí)別鋼筋的方法:首先在VS上利用OPENCV庫(kù)編寫(xiě)了一套完整的成捆鋼筋識(shí)別程序,對(duì)采集到的相片進(jìn)行實(shí)驗(yàn),利用實(shí)驗(yàn)結(jié)果一步步指導(dǎo)算法的改進(jìn)。然后當(dāng)識(shí)別程序效果良好時(shí),并移植到安卓系統(tǒng)中,在安卓手機(jī)上基本實(shí)現(xiàn)了建筑工地成捆鋼筋識(shí)別計(jì)數(shù)的功能。計(jì)算機(jī)視覺(jué)簡(jiǎn)要概括:用機(jī)器代替人類(lèi)的眼睛,研究圖像,從而實(shí)現(xiàn)識(shí)別的功能。本文以數(shù)字圖像處理為基石,通過(guò)對(duì)鋼筋橫截面圖片進(jìn)行前期預(yù)處理,分析了原始圖像在亮度、色澤等方面的基本特征,采用組合濾波(中值濾波和高斯濾波)的方式去噪,對(duì)最大類(lèi)間方差法進(jìn)行改進(jìn),改進(jìn)后的最大類(lèi)內(nèi)方差法更適合本系統(tǒng)。利用輪廓跟蹤法完成了對(duì)分割后圖像的連通區(qū)域標(biāo)定,得出良好的實(shí)驗(yàn)結(jié)果。并提出利用連通鄰域的面積對(duì)建筑工地成捆鋼筋進(jìn)行計(jì)數(shù)。在Microsoft Visual Studio編譯環(huán)境下結(jié)合計(jì)算機(jī)視覺(jué)庫(kù)OPENCV編寫(xiě)了完整的鋼筋識(shí)別計(jì)數(shù)系統(tǒng)程序,實(shí)現(xiàn)鋼筋計(jì)數(shù)。并提出了一些改進(jìn)措施等。本文的創(chuàng)新點(diǎn)分兩部分:一是應(yīng)用創(chuàng)新:該系統(tǒng)是數(shù)字圖像處理技術(shù)在建筑行業(yè)上的原型應(yīng)用,并實(shí)現(xiàn)了OPENCV與安卓之間的交互。二是算法創(chuàng)新:通過(guò)改進(jìn)的最大類(lèi)內(nèi)方差法進(jìn)行閾值分割,運(yùn)用一種全新的面積法對(duì)連通區(qū)域進(jìn)行標(biāo)定,從而實(shí)現(xiàn)建筑工地成捆鋼筋的計(jì)數(shù)。本文包涵了眾多圖像處理的技術(shù),是基于VS和OPENCV的一套完整的鋼筋計(jì)數(shù)系統(tǒng)。通過(guò)采集的圖像樣本測(cè)試,結(jié)果準(zhǔn)確率高。并移植到安卓系統(tǒng)手機(jī)實(shí)現(xiàn)基本功能。
[Abstract]:With the development of science and technology, the traditional industries want to break the traditional shackles, use intelligent terminal equipment to reduce labor input, so as to obtain faster development and enhance their competitiveness. The traditional construction industry still needs to count the quantity manually before it can carry out the follow-up work. This efficiency is low, accuracy can not be guaranteed, increase investment in the early stage. In order to solve this problem, we mainly put forward some solutions, such as segmentation based on circle, machine vision and neural network, but it is still difficult to meet the practical requirement of identifying the bundles of steel bar on construction site. In this paper, a method based on digital image processing technology to identify steel bar in construction site is proposed. Firstly, a complete program for identifying steel bars in bundles is compiled by using OPENCV library on VS, and the collected photos are tested. The experimental results are used to guide the improvement of the algorithm step by step. Then, when the recognition program works well, it is transplanted to Android system, and it basically realizes the function of recognizing and counting the construction sites in bundles of steel bars on the Android phone. Computer vision is a brief summary: machine instead of human eyes, study images, so as to achieve the function of recognition. Based on the digital image processing, this paper analyzes the basic features of the original image in brightness and color by pre-processing the cross-section image of steel bar, and adopts the combined filter (median filter and Gao Si filter) to de-noise. The method of maximum inter-class variance is improved, and the improved method is more suitable for the system. The contour tracking method is used to calibrate the connected region of the segmented image, and good experimental results are obtained. In addition, it is proposed to count the bundles of steel bar in the construction site by using the area of the connected neighborhood. In the environment of Microsoft Visual Studio compilation, a complete program of steel bar recognition and counting system is written in combination with computer vision library OPENCV. Some improvement measures are also put forward. The innovation of this paper is divided into two parts: one is application innovation: this system is a prototype application of digital image processing technology in the construction industry, and realizes the interaction between OPENCV and Android. The second is the innovation of the algorithm: the threshold is segmented by the improved maximum intra-class variance method, and a new area method is used to calibrate the connected area, so as to realize the counting of the bundles of steel bars on the construction site. This paper includes many image processing techniques, is a complete steel bar counting system based on VS and OPENCV. Through the image sample test, the accuracy of the result is high. And transplanted to Android mobile phone to achieve basic functions.
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41;TU755.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭金芳;袁雪霞;;數(shù)字圖像處理技術(shù)在計(jì)算機(jī)中的應(yīng)用[J];中國(guó)新技術(shù)新產(chǎn)品;2008年17期

2 唐志文;;淺析數(shù)字圖像處理技術(shù)的研究現(xiàn)狀及其發(fā)展方向[J];硅谷;2010年05期

3 肖紅;戴慶;;案例教學(xué)法在《數(shù)字圖像處理》中的應(yīng)用[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2010年02期

4 李偉;劉冰;;關(guān)于數(shù)字圖像處理及其應(yīng)用的研究[J];硅谷;2010年14期

5 馬衛(wèi)紅;倪晉平;田會(huì);;“數(shù)字圖像處理”課程教學(xué)內(nèi)容優(yōu)化的探索和實(shí)踐[J];中國(guó)電力教育;2011年31期

6 張瑋雄;劉建霞;;數(shù)字圖像處理技術(shù)的發(fā)展現(xiàn)狀及趨勢(shì)[J];科學(xué)之友;2012年06期

7 劉忠艷;周波;車(chē)向前;;“數(shù)字圖像處理”課程教學(xué)改革實(shí)踐[J];中國(guó)電力教育;2012年20期

8 史彩娟;谷學(xué)靜;;“數(shù)字圖像處理”課程教學(xué)改革與實(shí)踐[J];中國(guó)電力教育;2012年22期

9 曹永鋒;蘇彩霞;;“數(shù)字圖像處理”教學(xué)中提高學(xué)生主動(dòng)性的探索[J];中國(guó)電力教育;2013年13期

10 朱福珍;楊自恒;蔣愛(ài)平;王曉飛;甄佳奇;付麗;;基于“卓越計(jì)劃”的“數(shù)字圖像處理”課程教學(xué)研究[J];中國(guó)電力教育;2013年28期

相關(guān)會(huì)議論文 前10條

1 張巖;;結(jié)合科研課題講授數(shù)字圖像處理課程[A];光電技術(shù)與系統(tǒng)文選——中國(guó)光學(xué)學(xué)會(huì)光電技術(shù)專(zhuān)業(yè)委員會(huì)成立二十周年暨第十一屆全國(guó)光電技術(shù)與系統(tǒng)學(xué)術(shù)會(huì)議論文集[C];2005年

2 翟磊;董守平;馬紅蓮;;數(shù)字圖像處理技術(shù)的發(fā)展現(xiàn)狀與展望[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

3 韓艷麗;婁樹(shù)理;呂俊偉;;以案例為導(dǎo)向突出專(zhuān)業(yè)特色改革教學(xué)內(nèi)容——《數(shù)字圖像處理》課程教學(xué)內(nèi)容改革探索[A];第三屆教學(xué)管理與課程建設(shè)學(xué)術(shù)會(huì)議論文集[C];2012年

4 王吉暉;王嶺雪;裘溯;郭磐;;數(shù)字圖像處理課程多元化教學(xué)方法的探索與實(shí)踐[A];2006-2010年教育部高等學(xué)校光電信息科學(xué)與工程專(zhuān)業(yè)教學(xué)指導(dǎo)分委員會(huì)及協(xié)作委員會(huì)2010年全體會(huì)議論文集[C];2010年

5 劉慧;張銳;;“數(shù)字圖像處理”課程的教學(xué)與實(shí)驗(yàn)改革探索[A];中國(guó)圖學(xué)新進(jìn)展2007——第一屆中國(guó)圖學(xué)大會(huì)暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

6 王吉暉;王嶺雪;裘溯;郭磐;;數(shù)字圖像處理課程多元化教學(xué)方法的探索與實(shí)踐[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

7 黃曉山;;數(shù)字圖像處理及其在醫(yī)學(xué)上的應(yīng)用[A];2009年浙江省醫(yī)學(xué)工程學(xué)術(shù)年會(huì)論文匯編[C];2009年

8 侯艷;路邁西;李華;;數(shù)字圖像處理在粉煤灰顆粒檢測(cè)中的應(yīng)用[A];中國(guó)顆粒學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)暨海峽兩岸顆粒技術(shù)研討會(huì)論文集（上）[C];2008年

9 聶守平;王鳴;;提高《數(shù)字圖像處理》課程教學(xué)質(zhì)量的幾個(gè)環(huán)節(jié)探討[A];全國(guó)光學(xué)、光電和電子類(lèi)專(zhuān)業(yè)教學(xué)經(jīng)驗(yàn)交流、研討會(huì)專(zhuān)集[C];2002年

10 宋濤;;數(shù)字圖像處理技術(shù)在視聽(tīng)資料證據(jù)鑒定中的應(yīng)用[A];第26次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 忠信;Intel、nVIDIA主打數(shù)字圖像處理能力[N];電子資訊時(shí)報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 孫波成;基于數(shù)字圖像處理的瀝青路面裂縫識(shí)別技術(shù)研究[D];西南交通大學(xué);2015年

2 吳蘭蘭;基于數(shù)字圖像處理的玉米苗期田間雜草的識(shí)別研究[D];華中農(nóng)業(yè)大學(xué);2010年

3 李季平;基于數(shù)字圖像處理的葉片三維大位移測(cè)量研究[D];南京航空航天大學(xué);2009年

4 劉傳文;仿生優(yōu)化算法在數(shù)字圖像處理中的應(yīng)用研究[D];武漢理工大學(xué);2008年

5 范勁松;黎曼幾何在數(shù)字圖像處理中的應(yīng)用[D];華東師范大學(xué);2007年

6 胡敏;連分式方法在數(shù)字圖像處理中的若干應(yīng)用研究[D];合肥工業(yè)大學(xué);2004年

7 彭亞新;流形上的非線(xiàn)性分析及其在數(shù)字圖像處理中的應(yīng)用[D];華東師范大學(xué);2008年

8 王常青;數(shù)字圖像處理與分析及其在故障診斷中的應(yīng)用研究[D];華中科技大學(xué);2012年

9 謝永華;數(shù)字圖像處理技術(shù)在木材表面缺陷檢測(cè)中的應(yīng)用研究[D];東北林業(yè)大學(xué);2013年

10 皮玲;幾何熱流在數(shù)字圖像處理中的應(yīng)用[D];華東師范大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 楊雪;基于數(shù)字圖像處理的植株缺素種類(lèi)識(shí)別技術(shù)研究[D];天津理工大學(xué);2015年

2 崔冬凡;基于ABAQUS與數(shù)字圖像處理技術(shù)的輕骨料混凝土細(xì)觀(guān)力學(xué)研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2015年

3 張晨;基于FPGA的圖像開(kāi)發(fā)板硬件優(yōu)化設(shè)計(jì)及仿真[D];內(nèi)蒙古大學(xué);2015年

4 高麗;基于數(shù)字圖像處理的羊絨和羊毛識(shí)別模型的研究[D];寧夏大學(xué);2015年

5 李樹(shù)慶;基于數(shù)字圖像處理的羊絨與羊毛鑒別研究[D];寧夏大學(xué);2015年

6 胡曉;偏微分方程在數(shù)字圖像處理中的應(yīng)用[D];云南財(cái)經(jīng)大學(xué);2015年

7 劉俊麗;數(shù)字圖像處理演示系統(tǒng)[D];山東大學(xué);2015年

8 李玲;基于火焰數(shù)字圖像處理的燃燒污染物預(yù)測(cè)研究[D];華北電力大學(xué);2015年

9 王麗鵬;基于成像法的工業(yè)微細(xì)粉塵監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與研究[D];華北電力大學(xué);2015年

10 張s，

本文編號(hào)：2321459