Автоматический контроль дефектов и веб-приложение средствами методов обработки изображений в бетонных конструкциях

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Трещины - это деформации в бетонных конструкциях в реальном времени. Они характеризуются как несплошности с точки зрения формы и размеров бетонных конструкций. Для обеспечения надежности и безопасности конструкций выявление трещин является важной задачей. К традиционным методам контроля трещин относятся визуальноизмерительный контроль, ультразвуковой контроль и ручной контроль трещин. Эти методы требуют большого вмешательства человека, а также опытного и квалифицированного специалиста. Кроме того, эти методы являются субъективными и трудоемкими, не позволяющими корректно обнаруживать трещины в сложных бетонных конструкциях. Для устранения этих проблем был предложен метод grab-cut с улучшенным оператором Собеля для автоматического обнаружения трещин в бетонных конструкциях. Предложенный метод представляет собой двухэтапную модель, в которой на первом этапе сегментируются области трещин, а на втором этапе выполняется точная оценка трещин. Кроме того, для повышения эффективности фильтра Собеля маска модифицируется с помощью локальной дисперсии изображения вместо использования обычной маски фильтра. Для экспериментального исследования были получены изображения самостоятельно подготовленного образца бетона. Эффективность предложенного метода сравнивалась с различными существующими методами, такими как оператор Собеля, Превитт, Робертса, LoG, Zero Cross и Кэнни. Сравнительный качественный результат показывает, что предложенный метод превышает результаты других существующих методов. Кроме того, для удобства реализации и применения было разработано приложение к предлагаемому методу. Веб-приложение может быть использовано службами эксплуатации гражданской инфраструктуры и инженерами-строителями при решении задач по обслуживанию сооружений.

Об авторах

Чандан Кумар

Национальный технологический институт

Email: chandank.ph21.ce@nitp.ac.in
Патна, Индия

Аджай Кумар Синха

Национальный технологический институт

Email: aksinha@nitp.ac.in
Патна, Индия

Список литературы

  1. Mohan A., Poobal S. Crack detection using image processing: A critical review and analysis // Alexandria Engineering Journal. Jun. 2018. V. 57. No. 2. P. 787-798. doi: 10.1016/j.aej.2017.01.020
  2. Yao Y., Tung S.-T. E., Glisic B. Crack detection and characterization techniques-An overview // Struct Control Health Monit. Dec. 2014. V. 21. No. 12. P. 1387-1413. doi: 10.1002/stc.1655
  3. Munawar H.S., Hammad A.W.A., Haddad A., Soares C.A.P., Waller S.T. Image-Based Crack Detection Methods: A Review // Infrastructures (Basel). Aug. 2021. V. 6. No. 8. P. 115. doi: 10.3390/infrastructures6080115
  4. Golewski G.L. The Phenomenon of Cracking in Cement Concretes and Reinforced Concrete Structures: The Mechanism of Cracks Formation, Causes of Their Initiation, Types and Places of Occurrence, and Methods of Detection-A Review // Buildings. Mar. 2023. V. 13. No. 3. P. 765. doi: 10.3390/buildings13030765
  5. Fujita Y., Hamamoto Y. A robust automatic crack detection method from noisy concrete surfaces // Mach. Vis. Appl. Mar. 2011. V. 22. No. 2. P. 245-254. doi: 10.1007/s00138-009-0244-5
  6. Dwivedi S.K., Vishwakarma M., Prof. Soni A. Advances and Researches on Non Destructive Testing: A Review // Mater. Today Proc. 2018. V. 5. No. 2. P. 3690-3698. doi: 10.1016/j.matpr.2017.11.620
  7. Ai D., Jiang G., Lam S.-K., He P., Li C.Computer vision framework for crack detection of civil infrastructure-A review // Eng. Appl. Artif.Intell. Jan. 2023. V. 117. P. 105478. doi: 10.1016/j.engappai.2022.105478
  8. Abdel-Qader I., Abudayyeh O., Kelly M.E. Analysis of Edge-Detection Techniques for Crack Identification in Bridges // Journal of Computing in Civil Engineering. Oct. 2003. V. 17. No. 4. P. 255-263. doi: 10.1061/(ASCE)0887-3801(2003)17:4(255)
  9. Talab A.M.A., Huang Z., Xi F., HaiMing L. Detection crack in image using Otsu method and multiple filtering in image processing techniques // Optik (Stuttg). Feb. 2016. V. 127. No. 3. P. 1030-1033. doi: 10.1016/j.ijleo.2015.09.147
  10. Hutchinson T.C., Chen Z. Improved Image Analysis for Evaluating Concrete Damage // Journal of Computing in Civil Engineering. May 2006. V. 20. No. 3. P. 210-216. doi: 10.1061/(ASCE)0887-3801(2006)20:3(210)
  11. Yamaguchi T., Hashimoto S. Fast crack detection method for large-size concrete surface images using percolation-based image processing // Mach. Vis. Appl. Aug. 2010. V. 21. No. 5. P. 797-809. doi: 10.1007/s00138-009-0189-8
  12. IEEE Staff and IEEE Staff. 2010 3rd International Congress on Image and Signal Processing.
  13. Dube U., Subramaniam S., Subramaniam S. Cost Effective Railway Track Fault Detection Using Image Processing // SSRN Electronic Journal. 2021. doi: 10.2139/ssrn.3882749
  14. Lattanzi D., Miller G.R. Robust Automated Concrete Damage Detection Algorithms for Field Applications // Journal of Computing in Civil Engineering. Mar. 2014. V. 28. No. 2. P. 253-262. doi: 10.1061/(ASCE)CP.1943-5487.0000257
  15. Kabir S., Rivard P., He D.-C., Thivierge P. Damage assessment for concrete structure using image processing techniques on acoustic borehole imagery // Constr. Build. Mater. Oct. 2009. V. 23. No. 10. P. 3166-3174. doi: 10.1016/j.conbuildmat.2009.06.013
  16. Lee J.H., Lee J.M., Kim H.J., Moon Y.S. Machine Vision System for Automatic Inspection of Bridges // In 2008 Congress on Image and Signal Processing. IEEE. 2008. P. 363-366. doi: 10.1109/CISP.2008.672
  17. Kim H., Lee J., Ahn E., Cho S., Shin M., Sim S.-H. Concrete Crack Identification Using a UAV Incorporating Hybrid Image Processing // Sensors. Sep. 2017. V. 17. No. 9. P. 2052. doi: 10.3390/s17092052
  18. Khan Md. A.-M., Kee S.-H., Pathan A.-S. K., Nahid A.-A. Image Processing Techniques for Concrete Crack Detection: A Scientometrics Literature Review // Remote Sens (Basel). May 2023. V. 15. No. 9. P. 2400. doi: 10.3390/rs15092400
  19. Fujita Y., Mitani Y., Hamamoto Y. A Method for Crack Detection on a Concrete Structure // In 18th International Conference on Pattern Recognition (ICPR'06). IEEE. 2006. P. 901-904. doi: 10.1109/ICPR.2006.98
  20. Lee B.Y., Kim Y.Y., Yi S.-T., Kim J.-K. Automated image processing technique for detecting and analysing concrete surface cracks // Structure and Infrastructure Engineering. Jun. 2013. V. 9. No. 6. P. 567-577. doi: 10.1080/15732479.2011.593891
  21. Giakoumis I., Nikolaidis N., Pitas I. Digital image processing techniques for the detection and removal of cracks in digitized paintings // IEEE Transactions on Image Processing. Jan. 2006. V. 15. No. 1. P. 178-188. doi: 10.1109/TIP.2005.860311
  22. Kumar R.R., Kumar A., Srivastava S. Anisotropic Diffusion Based Unsharp Masking and Crispening for Denoising and Enhancement of MRI Images // In 2020 International Conference on Emerging Frontiers in Electrical and Electronic TechnoLogies (ICEFEET). IEEE. Jul. 2020. P. 1-6. doi: 10.1109/ICEFEET49149.2020.9186966
  23. Wang Z., Lv Y., Wu R., Zhang Y. Review of GrabCut in Image Processing // Mathematics. Apr. 2023. V. 11. No. 8. P. 1965. doi: 10.3390/math11081965
  24. Gao Z., Shi P., Karimi H.R., Pei Z. A mutual GrabCut method to solve co-segmentation // EURASIP J Image Video Process. Dec. 2013. V. 2013. No. 1. P. 20. doi: 10.1186/1687-5281-2013-20
  25. Kanopoulos N., Vasanthavada N., Baker R.L. Design of an image edge detection filter using the Sobel operator // IEEE J Solid-State Circuits. Apr. 1988. V. 23. No. 2. P. 358-367. doi: 10.1109/4.996
  26. Kumar A., Srivastava S. Restoration and enhancement of breast ultrasound images using extended complex diffusion based unsharp masking // Proc. Inst. Mech. Eng. H. Jan. 2022. V. 236. No. 1. P. 12-29. doi: 10.1177/09544119211039317
  27. Öztürk Ş., Akdemir B.Comparison of Edge Detection Algorithms for Texture Analysis on Glass Production // Procedia Soc. Behav. Sci. Jul. 2015. V. 195. P. 2675-2682. doi: 10.1016/j.sbspro.2015.06.477

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2023