基于最优六边形法则的六角头螺栓缺失及松动图像识别方法

毛苏毅; 宗笑珩; 温晓光; 冯晓锐; 陈文龙; 张国卫; 张记; 孙英杰; 张永兴; 陈冬冬

doi:10.3724/j.gyjzG26033101

基于最优六边形法则的六角头螺栓缺失及松动图像识别方法

doi: 10.3724/j.gyjzG26033101

1. 江苏宁沪高速公路股份有限公司, 南京 210049;
2. 南京林业大学土木工程学院, 南京 210037;
3. 中铁大桥勘测设计院集团有限公司, 武汉 430056;
4. 中铁桥隧技术有限公司, 南京 210061;
5. 北京京能国际综合智慧能源有限公司, 北京 101204;
6. 北京京能国际控股有限公司, 北京 100020

基金项目:

国家自然科学基金项目（52408337）；中国博士后科学基金面上项目（2023M741728）；江苏省青年科技人才托举工程（JSTJ-2025-541）；江苏省高等学校基础科学（自然科学）研究项目（24KJB580008）；山西省基础研究计划联合资助项目（202503011272003）；在役悬索桥索夹螺杆力快速检测技术开发（BC1548）。

详细信息

作者简介:
毛苏毅,高级工程师,主要从事交通运输工程方向研究。

通讯作者:
陈冬冬,博士,副教授,主要从事压电智能传感方向研究,chendongjt@163.com。

计量
- 文章访问数: 8
- HTML全文浏览量: 2
- PDF下载量: 0
- 被引次数: 0
出版历程
- 收稿日期: 2026-03-31
- 网络出版日期: 2026-06-06

Image Recognition Method for Missing and Looseness of Hexagonal-Head Bolts Based on the Optimal Hexagon Rule

1. Jiangsu Expressway Company Limited, Nanjing 210049, China;
2. School of Civil Engineering, Nanjing Forestry University, Nanjing 210037, China;
3. China Railway Major Bridge Reconnaissance & Design Institute Co., Ltd., Wuhan 430056, China;
4. China Railway Bridge and Tunnel Technologies Co., Ltd., Nanjing 210061, China;
5. Beijing Jingneng International Integrated Smart Energy Co., Ltd., Beijing 101204, China;
6. Beijing Energy International Holding Co., Ltd., Beijing 100020, China

摘要

摘要: 提出一种基于最优六边形法则的螺栓缺失及松动的视觉检测方法。通过透视变换、畸变校正等预处理获取高质量图片。基于最优六边形法则，结合区域注意力机制和残差高效层聚合网络，开发基于YOLOv26的关键点图像检测算法，精确定位六角头螺栓（标准型）头部6个顶点坐标。采用Graham扫描法，获取螺栓6个顶点外接圆凸包。以凸包质心为中心，使6个顶点实际值与估计值差之和最小，利用Broyden-Fletcher-Goldfarb-Shanno（BFGS）拟牛顿优化算法对顶点坐标进行调整，生成优化后的正六边形顶点坐标，通过对比螺栓坐标状态，实现螺栓旋转角度计算。16孔三色螺栓头（灰色、蓝色和红色）螺栓节点转动试验表明：在0~60°松动角度范围中，螺栓松动角度识别绝对误差范围为-2°~2°，最大相对误差为8％，表明所提出的最优六边形法具有较高的检测精度和稳定性。
- 螺栓缺失 /
- 螺栓松动 /
- 计算机视觉 /
- 图像识别 /
- 最优六边形法则
Abstract: A vision-based detection method for bolt missing and loosening using the optimal hexagon rule is proposed. High-quality images are obtained through preprocessing operations such as perspective transformation and distortion correction. Based on the optimal hexagon rule， combined with a regional attention mechanism and a residual efficient layer aggregation network， a keypoint detection algorithm based on YOLOv26 is developed to precisely locate the six vertex coordinates of the head of standard hexagonal-head bolts. The Graham scan algorithm is adopted to obtain the convex hull of the circumcircle of the six bolt vertices. Taking the centroid of the convex hull as the center， the sum of deviations between the actual and estimated values of the six vertices is minimized. The Broyden-Fletcher-Goldfarb-Shanno （BFGS） quasi-Newton optimization algorithm is used to adjust the vertex coordinates and generate optimized regular hexagon vertex coordinates. By comparing the coordinate states of bolts， the rotation angle of the bolt can be calculated. Bolt joint rotation tests using 16-hole three-color bolt heads （gray， blue， and red） showed that within the loosening angle range of 0–60°， the absolute error of the identified bolt loosening angle ranged from -2° to 2°， with a maximum relative error of 8%， demonstrating that the proposed optimal hexagon method provided high detection accuracy and stability.
- bolt missing /
- bolt looseness /
- computer vision /
- image recognition /
- optimal hexagon rule

HTML全文

参考文献(21)

[1]	WINTER S，KREUZINGER H. The bad reichenhall ice-arena collapse and the necessary consequences for wide span timber structures［C］// Proceedings of the 10th World Conference on Timber Engineering. Miyazaki，Japan：Japan Wood Research Society，2008：2779- 2786.
[2]	巩浩，刘检华，冯慧华. 螺纹连接松动机理和防松方法研究综述［J］. 机械工程学报，2022，58（10）：326- 347.
[3]	霍林生，李宏男，杨卓栋，等. 钢结构螺栓连接松动智能检测及监测技术的研究进展［J］. 工业建筑，2023，53（9）：10- 17.
[4]	舒昕，钟继卫，吴运宏，等. 基于深度学习的钢结构桥梁高强螺栓群松动病害识别研究［J/OL］. 世界桥梁，2025［2025-10-16］. https://link.cnki.net/urlid/42.1681.U.20251011.1140.010.
[5]	BICKFORD J H. Introduction to the design and behavior of bolted joints:non-gasketed joints［M］. Ohio：CRC Press，2007.
[6]	何林林，熊海贝，陈琳. 基于压电智能垫片的木结构螺栓松动监测方法探索［J/OL］. 建筑结构学报，2026［2026-01-19］. https://doi.org/10.14006/j.jzjgxb.2024.0499.
[7]	宋琛琛，谢丽宇，薛松涛. 基于压电阻抗技术的螺栓松动监测试验研究［J］. 公路交通科技，2016，33（4）：113- 119.
[8]	陈冬冬，张子航，李伟，等. 考虑应力不均匀分布的索夹螺杆轴力超声检测［J］. 中国公路学报，2025，38（6）：160- 169.
[9]	孙越，张炳奇，刘东旭，等. 基于纵波的风机高强度螺栓预紧力检测［J］. 无损检测，2022，44（11）：22- 25.
[10]	LUO L J，FAN J J，MA J M，et al. A nonlinear ultrasonic wave mixing method for looseness detection of bolted joints［J］. Ultrasonics，2024，142：107402.
[11]	LIANG C，SUN F，ROGERS C. Coupled electromechanical analysis of adaptive material systems determination of the actuator power consumption and system energy transfer［J］. Journal of Intelligent Materials Systems and Structures，1997，8（4）：335- 343.
[12]	CHEN D D，HUO L S，SONG G B. EMI based multi-bolt looseness detection using series/parallel multi-sensing technique［J］. Smart Structures and Systems，2020，25（4）：423- 432.
[13]	岳岩，刘宇飞. 计算机视觉技术在钢结构桥梁安全检查中的应用综述［J］. 市政技术，2023，41（8）：9- 16.
[14]	ZHOU J，HUO L S. Computer vision-based detection for delayed fracture of bolts in steel bridges［J］. Journal of Sensors，2021，2021：1- 12.
[15]	徐建平，刘桂芬，王杨，等. 基于深度学习的钢桥螺栓关键点识别方法［J］. 市政技术，2024，42（9）：39- 47.
[16]	PARK J，HUYNH T，CHOI S，et al. Vision-based technique for bolt-loosening detection in wind turbine tower［J］. Wind and Structures，2015，21（6）：709- 726.
[17]	康晶杰，田兆永. 基于视觉测量转角的螺栓防松性能评价实验方法［J］. 制造技术与机床，2025（10）：221- 227.
[18]	张莉，张能俊，姚红丽，等. 步长加速法优化B样条参数的离散数据点拟合［J］. 计算机辅助设计与图形学学报，2021，33（2）：169- 176.
[19]	SAPKOTA R，CHEPPALLY R H，SHARDA A，et al. YOLO26：key architectural enhancements and performance benchmarking for real-time object detection［PP/OL］. arXiv（2026-03-16）［2026-04-29］. https://arxiv.org/abs/2509.25164. arXiv：2509.25164v5.
[20]	姚志东，陈志华，刘红波，等. 钢结构工程高强度螺栓微小松动视觉检测方法研究［J］. 中国公路学报，2024，37（2）：125- 141.
[21]	郭珍珠. 基于图像识别方法的钢桥高强度螺栓检测技术研究［D］. 镇江：江苏科技大学，2022.