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

Обложка

Цитировать

Полный текст

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

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».