本发明属于建筑施工技术领域，特别涉及一种清水砖缺陷智能识别系统及方法。
背景技术：
由于建筑外观及建筑风格要求，清水砖常用在古建筑及融合历史风貌建筑风格的建筑工程中。清水砖在加工厂烧制及运输至施工现场的过程中，由于火候控制不稳定、受热面不均匀、运输路途不平稳、现场搬运不谨慎等诸多因素影响，往往造成部分清水砖存在各砖面颜色不一致、裂缝、缺角、爆边、表面缺损等缺陷，无法正常使用，需在施工现场进行选砖工作，筛选出符合建筑施工使用要求的清水砖。
现阶段，清水砖筛选方法采用人工筛选，由项目业主或设计方确认符合建筑外观要求的清水砖颜色及尺寸，待清水砖批量进场后，由工人进行肉眼挑选，舍弃有明显表面缺陷、色差较大、尺寸偏差较大等不满足要求的清水砖，保留符合要求的清水砖用于后续施工。
然而，采用人工筛选方法存在工作量较大、工作效率较低的问题，且每个工人观察的光照环境、距离、角度以及人眼视觉感知存在差异性造成难以准确地判断清水砖面的缺陷程度及色差是否符合标准，因此，目前很多工程的清水砖外墙砌筑后的视觉效果并不理想，仍存在大量砖面有缺陷以及色差明显的清水砖。
鉴于此，需要提出一个新的基于计算机视觉的清水砖缺陷智能识别与色差自动比对系统，将清水砖缺陷与色差进行数字化定量评价，替代目前人工筛选方法仅依靠人眼视觉的视觉感知定性评价，实现高效率、高标准、高质量的清水砖选砖流程，改善人工筛选方法在完成现场清水砖选砖工作过程中存在的不足。
技术实现要素：
为了提高清水砖识别的效率以及准确性，本发明提供一种清水砖缺陷智能识别系统及方法。
本发明的一种清水砖缺陷智能识别系统的技术方案如下：
一种清水砖缺陷智能识别系统，包括图像采集模块、识别与提取模块、标定模块、以及判别模块；
所述图像采集模块与识别与提取模块信号连接；
所述识别与提取模块分别与标定模块、判别模块信号连接；
所述标定模块与判别模块信号连接。
本发明的一种清水砖缺陷智能识别系统，通过图像采集模块采集至少两块标准砖与待选砖的清水砖砖面照片，并通过识别与提取模块对清水砖砖面照片进行处理，得到标准砖砖面图像、以及待选砖砖面图像。标定模块会根据任意两个标准砖砖面图像计算标准砖砖面图像的标准直方图相关性系数asta或其在lab空间上的标准色差值δesta；而判别模块则根据任意一个标准砖砖面图像、以及待选砖砖面图像计算待选直方图相关性系数a1或其在lab空间上的待选色差值δe1。通过比较直方图相关性系数以及色差值判断待选砖是否满足使用条件。
本发明的一种清水砖缺陷智能识别系统，相比于现阶段的施工现场清水砖选砖工作采用依靠人眼视觉感知的人工筛选方法，利用计算机视觉技术等人工智能手段，对清水砖的色差进行智能识别及比对，实现智能化、自动化的清水砖批量选砖流程，避免了人工筛选方法需要逐个清水砖观察及比对的繁琐工作流程，提高了工作效率。并且将清水砖色差进行数字化量化评价，可根据不同工程项目的建筑外观及建筑风格要求，形成相对应的自适应色差评价标准，不受项目要求限制。另外，与人工筛选方法依靠人眼视觉的视觉感知定性评价相比，本发明采用的清水砖色差定量评价标准的判别结果离散型更小，判别结果的准确度更高。
进一步的，所述的清水砖缺陷智能识别系统中，为了便于识别结果的显示，还包括结果显示模块，所述结果显示模块与判别模块信号连接。
本发明还提供一种清水砖缺陷智能识别方法，技术方案如下，包括如下步骤：
s1，确定至少两块清水砖作为标准砖；标准砖用于标定清水砖砖面可允许的缺陷值及色差值范围；
s2，图像采集模块完成标准砖与待选砖的清水砖砖面图像采集工作，分别形成标准砖照片、以及待选砖照片；
s3，图像采集模块将标准砖照片、以及待选砖照片传输至识别与提取模块，识别与提取模块对标准砖照片、以及待选砖照片进行背景去除、砖面识别、砖面分割及砖面提取，分别形成标准砖砖面图像、以及待选砖砖面图像；
s4，识别与提取模块将待选砖砖面图像传输至判别模块；
s5，识别与提取模块将标准砖砖面图像传输至标定模块，标定模块利用pythonopencv中的comparehist函数对任意两个标准砖砖面图像进行直方图相关性计算，得到标准直方图相关性系数asta；
s6，标定模块将任意一个标准砖砖面图像传输至判别模块；
s7，判别模块利用pythonopencv中的comparehist函数对标准砖砖面图像与待选砖砖面图像进行直方图相关性计算，得到待选直方图相关性系数a1；
s8，当a1>asta时，待选砖的砖面符合要求。
本发明的一种清水砖缺陷智能识别方法，相比于现阶段的施工现场清水砖选砖工作采用依靠人眼视觉感知的人工筛选方法，利用计算机视觉技术等人工智能手段，对清水砖的色差进行智能识别及比对，实现智能化、自动化的清水砖批量选砖流程，避免了人工筛选方法需要逐个清水砖观察及比对的繁琐工作流程，提高了工作效率。并且将清水砖色差进行数字化量化评价，可根据不同工程项目的建筑外观及建筑风格要求，形成相对应的自适应色差评价标准，不受项目要求限制。另外，与人工筛选方法依靠人眼视觉的视觉感知定性评价相比，本发明采用的清水砖色差定量评价标准的判别结果离散型更小，判别结果的准确度更高。
进一步的，所述的清水砖缺陷智能识别方法中，s2中，图像采集模块在同一光照条件下采集标准砖照片、以及待选砖照片。图像采集模块采用工业相机、单反相机、手机相机均可，分辨率无高要求，但标准砖照片、以及待选砖照片的采集工作要在同一光照条件下使用同一参数下的同一拍摄设备，且拍摄角度尽可能与清水砖砖面垂直。
进一步的，所述的清水砖缺陷智能识别方法中，s3中，包括如下步骤：
s3-1，识别与提取模块接收标准砖照片、以及待选砖照片；
s3-2，对标准砖照片、以及待选砖照片进行去噪处理；可利用高斯滤波去噪原理对标准砖照片、以及待选砖照片进行图像噪声去除，以减少图像中的噪声对后续砖面识别、分割与提取工作的干扰；
s3-3，对标准砖照片、以及待选砖照片进行灰度化处理；灰度化处理后，标准砖照片、以及待选砖照片由rgb三分量图像表示形式转化成r＝g＝b的单分量图像表示形式，可以提高清水砖缺陷智能识别系统的运行速度，同时也避免了图像条带失真；
s3-4，获取标准砖照片、以及待选砖照片中清水砖砖面的四个顶点坐标，并根据四个顶点坐标获取标准砖砖面图像、以及待选砖砖面图像；基于清水砖砖面的尺寸为矩形的固定形状，所以可以利用canny算子进行边缘计算，得到砖面在图像中的四个顶点坐标，然后将砖面图像从照片中分割出来，形成标准砖砖面图像、以及待选砖砖面图像；
s3-5，对标准砖砖面图像、以及待选砖砖面图像进行二值化处理，以设定图像中仍存在的少量背景颜色为黑色。
进一步的，所述的清水砖缺陷智能识别方法中，s3中还包括，对标准砖砖面图像、以及待选砖砖面图像进行颜色空间转换，从rgb空间转换至xyz空间再转换至lab空间；依据国家标准gb/t18922-2008《建筑颜色的表示方法》以及gb/t7921-2008《均匀色空间和色差公式》，本发明涉及系统采用lab颜色空间进行建筑色差比较，由于lab颜色空间更接近人为视觉，其比较的结果也更加符合实际要求；
s5中还包括，计算得到任意两个标准砖砖面图像在lab空间上的标准色差值δesta；lab空间中,存在(δe)2＝(δl)2 (δa)2 (δb)2,其中δe为色差值，δl为亮度差值，大于0，待测面偏白，小于0，待测面偏黑。δa为红绿方向颜色差值，大于0，待测面偏红，小于0，待测面偏绿。δb为。。。黄蓝方向颜色差值，大于0，待测面偏黄，小于0，待测面偏蓝。根据以上公式可计算出两个图像的色差值δe；
s7中还包括，计算得到标准砖砖面图像与待选砖砖面图像在lab空间上的的待选色差值δe1；
s8中还包括，同时满足δe1<δesta时，待选砖的砖面符合要求。
同时引用直方图相关性系数以及色差值判断待选砖是否满足使用条件，能提高比较的准确性。
附图说明
图1是本发明的一种清水砖缺陷智能识别系统的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
实施例1：
本实施例的一种清水砖缺陷智能识别系统的技术方案如下：
一种清水砖缺陷智能识别系统，包括图像采集模块1、识别与提取模块2、标定模块3、以及判别模块4；
所述图像采集模块1与识别与提取模块2信号连接；
所述识别与提取模块2分别与标定模块3、判别模块4信号连接；
所述标定模块3与判别模块4信号连接。
本实施例的一种清水砖缺陷智能识别系统，通过图像采集模块1采集至少两块标准砖与待选砖的清水砖砖面照片，并通过识别与提取模块2对清水砖砖面照片进行处理，得到标准砖砖面图像、以及待选砖砖面图像。标定模块3会根据任意两个标准砖砖面图像计算标准砖砖面图像的标准直方图相关性系数asta或其在lab空间上的标准色差值δesta；而判别模块4则根据任意一个标准砖砖面图像、以及待选砖砖面图像计算待选直方图相关性系数a1或其在lab空间上的待选色差值δe1。通过比较直方图相关性系数以及色差值判断待选砖是否满足使用条件。
本实施例的一种清水砖缺陷智能识别系统，相比于现阶段的施工现场清水砖选砖工作采用依靠人眼视觉感知的人工筛选方法，利用计算机视觉技术等人工智能手段，对清水砖的色差进行智能识别及比对，实现智能化、自动化的清水砖批量选砖流程，避免了人工筛选方法需要逐个清水砖观察及比对的繁琐工作流程，提高了工作效率。并且将清水砖色差进行数字化量化评价，可根据不同工程项目的建筑外观及建筑风格要求，形成相对应的自适应色差评价标准，不受项目要求限制。另外，与人工筛选方法依靠人眼视觉的视觉感知定性评价相比，本发明采用的清水砖色差定量评价标准的判别结果离散型更小，判别结果的准确度更高。
作为较佳的实施方式，所述的清水砖缺陷智能识别系统中，为了便于识别结果的显示，还包括结果显示模块5，所述结果显示模块5与判别模块4信号连接。
实施例2：
本实施例提供一种清水砖缺陷智能识别方法，技术方案如下，包括如下步骤：
s1，确定至少两块清水砖作为标准砖；标准砖用于标定清水砖砖面可允许的缺陷值及色差值范围；
s2，图像采集模块1完成标准砖与待选砖的清水砖砖面图像采集工作，分别形成标准砖照片、以及待选砖照片；
s3，图像采集模块1将标准砖照片、以及待选砖照片传输至识别与提取模块2，识别与提取模块2对标准砖照片、以及待选砖照片进行背景去除、砖面识别、砖面分割及砖面提取，分别形成标准砖砖面图像、以及待选砖砖面图像；
s4，识别与提取模块2将待选砖砖面图像传输至判别模块4；
s5，识别与提取模块2将标准砖砖面图像传输至标定模块3，标定模块3利用pythonopencv中的comparehist函数对任意两个标准砖砖面图像进行直方图相关性计算，得到标准直方图相关性系数asta；
s6，标定模块3将任意一个标准砖砖面图像传输至判别模块4；
s7，判别模块4利用pythonopencv中的comparehist函数对标准砖砖面图像与待选砖砖面图像进行直方图相关性计算，得到待选直方图相关性系数a1；
s8，当a1>asta时，待选砖的砖面符合要求。
本实施例的一种清水砖缺陷智能识别方法，相比于现阶段的施工现场清水砖选砖工作采用依靠人眼视觉感知的人工筛选方法，利用计算机视觉技术等人工智能手段，对清水砖的色差进行智能识别及比对，实现智能化、自动化的清水砖批量选砖流程，避免了人工筛选方法需要逐个清水砖观察及比对的繁琐工作流程，提高了工作效率。并且将清水砖色差进行数字化量化评价，可根据不同工程项目的建筑外观及建筑风格要求，形成相对应的自适应色差评价标准，不受项目要求限制。另外，与人工筛选方法依靠人眼视觉的视觉感知定性评价相比，本发明采用的清水砖色差定量评价标准的判别结果离散型更小，判别结果的准确度更高。
作为较佳的实施方式，所述的清水砖缺陷智能识别方法中，s2中，图像采集模块1在同一光照条件下采集标准砖照片、以及待选砖照片。图像采集模块1采用工业相机、单反相机、手机相机均可，分辨率无高要求，但标准砖照片、以及待选砖照片的采集工作要在同一光照条件下使用同一参数下的同一拍摄设备，且拍摄角度尽可能与清水砖砖面垂直。
作为较佳的实施方式，所述的清水砖缺陷智能识别方法中，s3中，包括如下步骤：
s3-1，识别与提取模块2接收标准砖照片、以及待选砖照片；
s3-2，对标准砖照片、以及待选砖照片进行去噪处理；可利用高斯滤波去噪原理对标准砖照片、以及待选砖照片进行图像噪声去除，以减少图像中的噪声对后续砖面识别、分割与提取工作的干扰；
s3-3，对标准砖照片、以及待选砖照片进行灰度化处理；灰度化处理后，标准砖照片、以及待选砖照片由rgb三分量图像表示形式转化成r＝g＝b的单分量图像表示形式，可以提高清水砖缺陷智能识别系统的运行速度，同时也避免了图像条带失真；
s3-4，获取标准砖照片、以及待选砖照片中清水砖砖面的四个顶点坐标，并根据四个顶点坐标获取标准砖砖面图像、以及待选砖砖面图像；基于清水砖砖面的尺寸为矩形的固定形状，所以可以利用canny算子进行边缘计算，得到砖面在图像中的四个顶点坐标，然后将砖面图像从照片中分割出来，形成标准砖砖面图像、以及待选砖砖面图像；
s3-5，对标准砖砖面图像、以及待选砖砖面图像进行二值化处理，以设定图像中仍存在的少量背景颜色为黑色。
作为较佳的实施方式，所述的清水砖缺陷智能识别方法中，s3中还包括，对标准砖砖面图像、以及待选砖砖面图像进行颜色空间转换，从rgb空间转换至xyz空间再转换至lab空间；依据国家标准gb/t18922-2008《建筑颜色的表示方法》以及gb/t7921-2008《均匀色空间和色差公式》，本发明涉及系统采用lab颜色空间进行建筑色差比较，由于lab颜色空间更接近人为视觉，其比较的结果也更加符合实际要求；
s5中还包括，计算得到任意两个标准砖砖面图像在lab空间上的标准色差值δesta；lab空间中,存在(δe)2＝(δl)2 (δa)2 (δb)2,其中δe为色差值，δl为亮度差值，大于0，待测面偏白，小于0，待测面偏黑。δa为红绿方向颜色差值，大于0，待测面偏红，小于0，待测面偏绿。δb为。。。黄蓝方向颜色差值，大于0，待测面偏黄，小于0，待测面偏蓝。根据以上公式可计算出两个图像的色差值δe；
s7中还包括，计算得到标准砖砖面图像与待选砖砖面图像在lab空间上的的待选色差值δe1；
s8中还包括，同时满足δe1<δesta时，待选砖的砖面符合要求。
同时引用直方图相关性系数以及色差值判断待选砖是否满足使用条件，能提高比较的准确性。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
1.一种清水砖缺陷智能识别系统，其特征在于，包括图像采集模块(1)、识别与提取模块(2)、标定模块(3)、以及判别模块(4)；
所述图像采集模块(1)与识别与提取模块(2)信号连接；
所述识别与提取模块(2)分别与标定模块(3)、判别模块(4)信号连接；
所述标定模块(3)与判别模块(4)信号连接。
2.如权利要求1所述的清水砖缺陷智能识别系统，其特征在于，还包括结果显示模块(5)，所述结果显示模块(5)与判别模块(4)信号连接。
3.一种清水砖缺陷智能识别方法，其特征在于，包括如下步骤：
s1，确定至少两块清水砖作为标准砖；
s2，图像采集模块(1)完成标准砖与待选砖的清水砖砖面图像采集工作，分别形成标准砖照片、以及待选砖照片；
s3，图像采集模块(1)将标准砖照片、以及待选砖照片传输至识别与提取模块(2)，识别与提取模块(2)对标准砖照片、以及待选砖照片进行背景去除、砖面识别、砖面分割及砖面提取，分别形成标准砖砖面图像、以及待选砖砖面图像；
s4，识别与提取模块(2)将待选砖砖面图像传输至判别模块(4)；
s5，识别与提取模块(2)将标准砖砖面图像传输至标定模块(3)，标定模块(3)利用pythonopencv中的comparehist函数对任意两个标准砖砖面图像进行直方图相关性计算，得到标准直方图相关性系数asta；
s6，标定模块(3)将任意一个标准砖砖面图像传输至判别模块(4)；
s7，判别模块(4)利用pythonopencv中的comparehist函数对标准砖砖面图像与待选砖砖面图像进行直方图相关性计算，得到待选直方图相关性系数a1；
s8，当a1>asta时，待选砖的砖面符合要求。
4.如权利要求3所述的清水砖缺陷智能识别方法，其特征在于，s2中，图像采集模块(1)在同一光照条件下采集标准砖照片、以及待选砖照片。
5.如权利要求3所述的清水砖缺陷智能识别方法，其特征在于，s3中，包括如下步骤：
s3-1，识别与提取模块(2)接收标准砖照片、以及待选砖照片；
s3-2，对标准砖照片、以及待选砖照片进行去噪处理；
s3-3，对标准砖照片、以及待选砖照片进行灰度化处理；
s3-4，获取标准砖照片、以及待选砖照片中清水砖砖面的四个顶点坐标，并根据四个顶点坐标获取标准砖砖面图像、以及待选砖砖面图像；
s3-5，对标准砖砖面图像、以及待选砖砖面图像进行二值化处理，以设定图像中仍存在的少量背景颜色为黑色。
6.如权利要求3所述的清水砖缺陷智能识别方法，其特征在于，s3中还包括，对标准砖砖面图像、以及待选砖砖面图像进行颜色空间转换，从rgb空间转换至xyz空间再转换至lab空间；
s5中还包括，计算得到任意两个标准砖砖面图像在lab空间上的标准色差值δesta；
s7中还包括，计算得到标准砖砖面图像与待选砖砖面图像在lab空间上的待选色差值δe1；
s8中还包括，同时满足δe1<δesta时，待选砖的砖面符合要求。
技术总结