本发明属于建筑施工，特别涉及一种基于opencv和目标检测的石材损伤定位提取方法。
背景技术：
1、我国历史建筑存量巨大，构成丰富，种类繁多，是历史文化、人文风土的重要组成部分。其中石材在历史建筑中的应用极为广泛，其作为一种天然材料，因其硬度大、耐久性强等特点，自古以来便是建筑领域的重要材料。在历史建筑使用阶段，随着时间的推移，由于材料性能的劣化和外部环境的影响，石材材料也会出现各类不同程度的损坏，主要表现为锈斑、附生、开裂等表观损伤。为了更好地保护历史建筑，需要对表观损伤进行巡查记录、归档分析，主要依靠人工对建筑进行定期拍照、测量损伤大小，依靠人工经验判断损伤类型，测量损伤大小，成本高、耗时长。
2、现阶段简单的目标检测方法虽然可以检测损伤的类别，但不能准确判断损伤的大小，具体的形状以及对损伤分级。
3、因此，如何提供一种基于opencv和目标检测的石材损伤定位提取方法，提高窨井质量，加快安装效率，是本领域技术人员亟需解决的技术问题。
技术实现思路
1、针对石材表观损伤检测难，提取难，分级难的问题，本发明提出了一种基于opencv和目标检测的石材损伤定位提取方法，实现了对损伤的定位和提取，并借助目标靶向，直接测量损伤面积，长宽，实现了损伤的自动化分类、分级，为石材多种表观损伤检测提供了切实可行的方案，为历史建筑表观损伤的自动化提取提供了可行性。
2、为解决以上技术问题，本发明包括如下技术方案：
3、一种基于opencv和目标检测的石材损伤定位提取方法，包括如下步骤：
4、步骤s1、模型训练：采集大量包含损伤的石材图片样本，对图片中的损伤部位进行目标框标注，形成训练数据集；选用目标检测模型，将标注完成的训练数据集输入所述目标检测模型进行训练，生成石材损伤的目标检测模型；
5、步骤s2、目标检测：采集新增损伤图片，并将图片输入目标检测模型，获取损伤智能识别结果，包括检测类型、损伤位置及置信度数据，将损伤位置以矩形目标框形式标注；
6、步骤s3、数据过滤：设置目标检测阈值，当目标检测结果的置信度小于目标检测阈值时，过滤低置信度的检测结果，防止引入噪声，从而控制检测结果的可信度；
7、步骤s4、目标框合并：为了便于表观损伤管理及分析，对于目标框相邻且具有重合区域的同种类型损伤视为同一条损伤数据，对其数据进行合并，但对于附生损伤目标框则予以区分；
8、步骤s5、损伤形态提取：在获取目标检测框的基础上，根据不同的损伤类别的特征，综合应用阈值掩码提取及周边颜色筛选两种方法提取其中损伤形态区域；
9、步骤s6、标靶获取：基于阈值掩码提取方法获取识别标靶，不同形状标靶对应不同尺寸，通过标靶的大小反推像素点和实际大小的比例即像素解析度；
10、步骤s7、指标计算：基于损伤形态的掩码计算损伤范围的像素点个数，再结合标靶的像素大小比例来换算获取损伤的实际尺寸大小，根据实际尺寸大小对损伤进行定级。
11、进一步地，所述步骤s1中对图片中的损伤部位采用labelimg工具进行目标框标注。
12、进一步地，所述步骤s1中选用的目标检测模型为yolov8。
13、进一步地，所述步骤s4中，目标框合并流程包括：
14、第一步、目标检测获取目标框；
15、第二步、按类别分组目标框；
16、第三步、目标框边界相交判断；
17、第四步、同条损伤目标框合并；以及
18、第五步、重新构造检测结果。
19、进一步地，所述步骤s5包括：对于色彩具有明显特征的损伤，包括锈斑、附生，采用阈值掩码提取算法；对于色彩特征不明显的损伤，包括裂缝、不当修补，采用周边颜色筛选算法，最终获取损伤形态掩码。
20、进一步地，所述阈值掩码提取算法包括：
21、第一步、进行大于50张的样本收集；
22、第二步、分析样本提取rgb/hsv；
23、第三步、去除异常值或误触点；
24、第四步、提取mask即损失形态掩码；
25、第五步、开运算去噪。
26、进一步地，所述周边颜色筛选算法包括：
27、第一步、获取目标框坐标；
28、第二步、提取目标框周边平均rgb/hsv；
29、第三步、计算目标库内点和环境的颜色差值；
30、第四步、提取rgb和hsv的mask即损失形态掩码并合并；
31、第五步、开运算去噪。
32、与现有技术相比，本发明具有如下优点和有益效果：
33、本发明提供一种基于目标检测和opencv方法，在采集新增损伤图片样本后，首先将图片通过目标检测获取检测结果，然后过滤低置信度检测结果并合并相邻损伤得到更加精确的损伤框，根据损伤框切块，并将每一块进行编号再根据不同类别损伤调用不同的opencv算法提取掩码；然后结合图片中的标靶，通过opencv方法识别标靶位置及范围，根据标靶大小推测损伤大小，即可实现损伤等级的判断。该基于opencv和目标检测的石材损伤定位提取方法，实现了石材损伤的有效检测，获取损伤类型和严重程度等级；为建筑损伤智能化识别提供了可行方案；相比于传统的损伤识别，实现了损伤区域的精确提取和损伤实际大小的估算。
1.一种基于opencv和目标检测的石材损伤定位提取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤s1中对图片中的损伤部位采用labelimg工具进行目标框标注。
3.根据权利要求1所述的方法，其特征在于，所述步骤s1中选用的目标检测模型为yolov8。
4.根据权利要求1所述的方法，其特征在于，所述步骤s4中，目标框合并流程包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤s5包括：对于色彩具有明显特征的损伤，包括锈斑、附生，采用阈值掩码提取算法；对于色彩特征不明显的损伤，包括裂缝、不当修补，采用周边颜色筛选算法，最终获取损伤形态掩码。
6.根据权利要求5所述的方法，其特征在于，所述阈值掩码提取算法包括：
7.根据权利要求5所述的方法，其特征在于，所述周边颜色筛选算法包括：
