[發明專利]鋼結構涂層狀態的檢查與評估方法及系統

在審

• 申請號: 202011592461.4
• 申請日: 2020-12-29
• 公開（公告）號: CN113125458A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 孫勛;黃淳奎;金賢真;林亨真
• 申請（專利權）人: 韓國科學技術院
• 主分類號: G01N21/95
• 分類號: G01N21/95;G01N21/88;G01N25/72;G01J5/00;G01B11/06;E04B1/64;G06T5/50;G06T7/00;G06T7/12;G06T7/80
• 代理公司: 上海和躍知識產權代理事務所(普通合伙) 31239
• 代理人: 尹洪波

公開了一種檢查和評估鋼結構的涂層狀態的方法及其系統。獲取多個視覺圖像和熱圖像。在獲取熱圖像的同時，加熱期望的區域。在將動態狀態的熱圖像和視覺圖像分別重構為靜態狀態的時空積分熱圖像和時空積分視覺圖像之后，通過疊加兩個圖像來生成疊加圖像。檢測涂層的劣化區域，并且通過特性對涂層劣化進行分類。量化涂層劣化區域的尺寸。通過分析從時空積分熱圖像測得的熱能來檢查涂層的厚度。通過綜合評價涂層劣化檢查結果和涂層厚度檢查結果來計算涂層等級。自動創建鋼結構狀態評估報告。

背景技術

1.領域

本公開涉及一種用于檢查和評估結構的涂層狀態的技術，并且更具體地，涉及一種能夠通過檢查涂覆在結構上的涂層的狀態來評估耐久性的檢查和評估涂層狀態的方法及其系統。

2.相關技術的描述

通常，例如，出于諸如防止腐蝕的各種目的，可以在鋼結構等的表面上噴涂。關于結構的安全性，檢查和評估結構的涂層的厚度和/或劣化狀態的操作是檢查結構的耐久性并確保安全性所必需的過程。

為了通過測量涂層的厚度來檢查結構的耐久性，已經開發了使用超聲波的設備。然而，設備只能測量3至5mm內的局部區域，并且檢查結果可能根據使用者的技術水平而變化，從而檢查結果可能缺乏客觀性。

此外，已經開發了視覺檢查和使用視覺相機的基于人工智能的檢查技術，用于檢測和分類涂層的劣化狀態。視覺檢查顯示檢查結果的可靠性低，因為可能涉及檢查員的主觀性。使用視覺相機的基于人工智能的檢查技術可以僅檢測涂層表面的劣化而不檢測涂層內部的劣化。換句話說，大多數技術可以僅檢測和區分發生在結構表面上的腐蝕和分層。

涂層的劣化具有各種特征或類型。劣化可分為腐蝕、分層、開裂(checking)和粉化。取決于劣化的特征，對結構的安全性的影響可以不同，并且針對安全性采取的動作也可以不同。因此，需要準確地識別出檢測到的劣化的類型，而不是僅僅檢測涂層的劣化。

發明內容

本公開的目的是提供一種檢查和評估涂層狀態的方法及其系統，其能夠通過同時使用熱成像系統和視覺系統來可視化和量化結構的整個區域上的涂層的厚度，可以全面有效地檢測涂層內部和外部可能發生的各種特性的劣化，按特性對劣化進行分類，根據檢查結果評估涂層狀態，并自動創建相關報告。

本公開要實現的目的不限于上述目的，并且可以在不脫離本公開的實質和范圍的情況下進行各種擴展。

根據本公開的實施例的一個方面，一種檢查和評估涂層狀態的方法是一種用于檢查涂覆有涂層的檢查目標鋼結構的涂層狀態的方法。檢查和評估涂層狀態的方法包括：通過使用視覺相機拍攝鋼結構表面的期望區域來獲取多個視覺圖像；通過加熱鋼結構的期望區域并使用熱成像相機拍攝鋼結構的表面的加熱的期望區域來獲取多個熱圖像；通過根據時空積分坐標轉換(TSICT)算法進行坐標轉換，分別將動態狀態下的熱圖像和視覺圖像預處理重構為靜態狀態下的時空積分的熱圖像和時空積分的視覺圖像；通過將時空積分的視覺圖像與時空積分的熱圖像疊加來生成疊加圖像；通過將疊加圖像輸入到通過基于人工神經網絡預先學習多個學習疊加圖像而構建的基于人工智能的涂層劣化檢測模型，來檢測涂覆于鋼結構的涂層的劣化；通過將根據檢測到的涂層劣化的位置確定的涂層劣化區域的圖像輸入到涂層劣化分類模型中，通過特性對鋼結構涂層的劣化進行分類；通過處理涂層劣化區域的圖像來量化劣化區域的尺寸；通過將通過特性對涂層劣化進行分類的結果與量化結果相結合來生成涂層劣化檢查結果；通過基于涂層厚度檢查算法從時空積分熱圖像中測量的熱能進行分析，從而檢查鋼結構涂層的厚度；并且通過基于預定的涂層評價標準對涂層的劣化狀態檢查結果和涂層的厚度檢查結果進行綜合評價來計算涂層等級。

在示例實施例中，預定涂層評估標準可以包括正常狀態下的鋼結構的表面的圖像、鋼結構的構件信息、規格和降雪量中的至少一個。

在示例實施例中，該方法可以進一步包括通過將計算出的涂層等級和與鋼結構有關的附加信息相結合，自動創建用于鋼結構的狀態評估報告。