CN102297832A - 一种基于数字图像技术的路面混凝土气孔结构测试方法 - Google Patents
一种基于数字图像技术的路面混凝土气孔结构测试方法 Download PDFInfo
- Publication number
- CN102297832A CN102297832A CN 201110194724 CN201110194724A CN102297832A CN 102297832 A CN102297832 A CN 102297832A CN 201110194724 CN201110194724 CN 201110194724 CN 201110194724 A CN201110194724 A CN 201110194724A CN 102297832 A CN102297832 A CN 102297832A
- Authority
- CN
- China
- Prior art keywords
- pavement concrete
- air hole
- hole structure
- pore
- digital
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于数字图像技术的路面混凝土气孔结构测试方法,包括步骤为:1)首先切割路面混凝土试件打磨成0.5cm~1cm的样本薄片并进行抛光处理;2)获取试件观察面的数字图像;3)对上步得到的数字图像进行图像预处理,所述图像预处理包括气孔边界提取和区域着色;4)分析和处理数字图像,采集并输出气孔结构参数。本发明的方法采用数字图像技术,能够对更为微观层次的孔结构进行分析测试、测试时间短,能够实现自动化和智能化,并且测试精度高。
Description
技术领域
本发明属于路面混凝土测试技术领域,涉及一种路面混凝土气孔结构测试方法,尤其是一种用于路面混凝土路用性能研究的基于数字图像技术的路面混凝土气孔结构测试方法。
背景技术
目前测试路面混凝土气孔结构的方法为直线导线法,其原理是在路面混凝土试样中取任意直线,气孔在此直线上所截取线段长度的总和与此直线的全长的比值为气孔在试样中的体积含量,具体的操作方法可参考规范(JTG F30-2003《公路水泥混凝土路面施工技术规范》)。
该方法已使用数十年,通过分析可知其存在以下不足:1)光学显微镜的放大倍数有限,该方法所用目镜测微尺的最小读数仅为10μm,而50-200nm的有害孔和大于200nm的多害孔大部分是无法分辨的;2)该方法所测参数:空气含量、气泡比表面积和间距系数仅是研究混凝土结构的抗冻性能,并不适合准确地研究混凝土其它路用性能;3)需要人为确定导线的走向和间距,并采用肉眼观测气泡的数量和状态,如此多的人为干预必然导致较大的观测误差和以偏概全等问题的出现,无法真实全面的反映路面混凝土的气孔结构;4)在气孔参数的计算公式中,通过弦长和比表面积来推算路面混凝土中的气孔个数,存在以线概面的缺点,与实际的气孔结构之间存在偏差,导致测试结果精度降低;5)气孔参数测量显微镜操作复杂,对测试人员的技能要求较高,需要专门培训,耗时费力,不同操作者之间得到的测试结果也有着较大差异。
鉴于上述问题,针对于近几年来飞速发展的数字图像分析与处理技术,研究开发一种精度高、易操作、研究层次广、趋于定量化、能够对更为微观层次的孔结构进行分析测试、测试时间短、在测试的自动化和智能化上取得重大突破发展的测试方法具有重要的意义,能够填补我国在路面混凝土气孔结构测试领域的空白。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供一种基于数字图像技术的路面混凝土气孔结构测试方法,该方法采用数字图像技术,能够对更为微观层次的孔结构进行分析测试、测试时间短,能够实现自动化和智能化,并且测试精度高。
本发明的目的是通过以下技术方案来解决的:
这种基于数字图像技术的路面混凝土气孔结构测试方法,具体包括以下步骤:
1)首先切割路面混凝土试件打磨成0.5cm~1cm的样本薄片并进行抛光处理;
2)获取试件观察面的数字图像;
3)对上步得到的数字图像进行图像预处理,所述图像预处理包括边界提取和区域着色;
4)分析和处理数字图像,采集并输出气孔结构参数。
以上步骤2)中,采用扫描电子显微镜,根据成像整体效果和气孔孔径的大小,数字图像放大倍率取100倍,孔径分辨率为0.1μm。
进一步,以上步骤3)中,所述边界提取采用Photoshop中的快速选择工具提取边界,将画笔调整到3Pix或更小,通过不断切换和培养画笔,得到气孔边界轮廓。
进一步,以上步骤4)中,采用美国专门从事图像技术分析软件开发的Media Cybernetics公司推出的Image-Pro Plus进行分析和处理图像。
进一步,以上步骤4)中,所述气孔结构参数为总气孔率、平均孔径和气孔间距系数。
与现有技术相比,本发明的测试方法具有如下优点:
1)电子显微镜技术观察的范围和层次比光学显微镜大大提高,而且可以事前对比不同的数字图像,选择符合后期处理要求的数字图像,这一点目前方法难以做到;
2)路面混凝土气孔结构可通过气孔参数来表征,气孔参数主要是总气孔率、平均孔径和气孔间距系数,其中总气孔率反映路面混凝土胶结材料中气孔的体积分数,平均孔径反映气孔的平均大小,平均半径越大,气孔结构中的气孔就越大,气孔间距系数则反映气孔分布均匀与否,此气孔参数研究的尺度更广,计算更准确,因此更适合表征路面混凝土的气孔结构;
3)可调节不同倍率,综合宏观整体和微观局部的双重角度来观察和分析试件图像,覆盖面大,弥补了目前方法中以偏概全的缺陷;
4)采用计算机专业软件自动分析图像中的数字信息,克服了目前方法中肉眼观测的高误差缺点,测试结果更接近于实际;
5)采用预处理数字图像技术,处理后的图像更清晰,更能全面准确地反映试件的微观结构性质,同时对图像中的气孔着色可提高采集精度;
6)路面混凝土试件制备简单,测试操作简单快捷,测试结果直接由计算机输出,减少试验人员的操作和计算负担。
附图说明
图1为基于T.C Powers理论假设的理想状态下路面混凝土试件的气孔分布图。
图2为基于T.C Powers理论假设的观测区域。
图3为根据本发明一个实施例的路面混凝土试件切片。
图4为本发明实施例试件切片气孔边沿处的灰度跃变。
图5为对本发明实施例数字图像的预处理。
图6为在Photoshop中提取气孔的轮廓后的本发明实施例数字图像。
图7为对本发明实施例数字图像预处理后对气孔区域进行着色。
图8为对本发明实施例数字图像预处理后对集料区域进行着色。
图9A、图9B分别为本发明实施例中专业软件Image-Pro plus 6.0中的校准系统标尺对标尺和校准系统标尺。
图10为本发明实施例选择观测区域后的标定系统标尺。
图11为本发明实施例数字图像调整后对测量参数的选择时的软件操作界面。
图12为对本发明实施例计算的区域上彩图。
图13为本发明实施例测算完成后系统对选择对象进行标注编号的软件界面。
图14为本发明实施例计算完成后结果的输出过程。
具体实施方式
由于路面混凝土砂浆和气孔的表面材质存在差异,可在扫描电子显微镜的图像上形成比较明显的灰度跃变,根据该灰度梯度可分割图像,从灰浆中提取出气孔的形貌特征,从而实现对路面混凝土气孔结构参数进行准确的几何测量,大大减少了在目前测试方法中因目测估计而造成的人为误差。因此,本发明基于数字图像技术的路面混凝土气孔结构测试方法需获取的数据有:孔个数、平均孔径、孔面积、观测区域的面积以及骨料面积,计算上基于T.C Powers理论,即假设气孔在路面混凝土浆体中是等体积平均分布,在平面上的投影应该是平均分布的圆形孔,按此来确定间距。
假设路面混凝土中所有的气孔在空间中均匀分布(如图1,其中圆圈代表气泡,圆圈外为浆体),那么在投影平面上任意孔与周边最近的邻近孔的距离都是Lmean,将灰浆视作是单一的,边长为b的矩形,在该矩形中气孔等间距分布,每行、列均为r个,如图2所示,并通过下述公式计算气孔间距指数Lp。
下面进一步详细说明本发明。本领域的普通技术人员应理解的是,在此公开的具体实施方式是本发明的优选实施方式,而不是要将本发明的范围限制为这些具体实施方式。本发明基于数字图像技术的路面混凝土气孔结构测试方法的具体实施方式:
1)路面混凝土试件制备与处理
首先切割路面混凝土并打磨成0.5cm~1cm的样本薄片,对打磨过的试件进行抛光处理,切割、打磨工具采用普通的切割机和角磨机即可。
2)电子显微镜成像
采用扫描电子显微镜或成像显微镜获取试件观察面的数字图像,根据成像整体效果和气孔孔径的大小,一般放大倍率取100倍。
3)数字图像预处理
由于部分孔边界的灰度梯度过小或当孔内存在裂缝时,直接进行分析测算易出现较大的误差,包括以下几方面工作:①边界提取:数字图像上每一种不同性质的材料组分都具备不同的灰度范围,因此可以根据不同的灰度来选取各材料组分的边界,可采用Photoshop中的快速选择工具提取边界。②区域着色:步骤是要鲜明的区分图像中的不同材料组分,为后期测试分析提供基础。
4)采集并输出相关气孔结构参数
采用专业图像分析软件Image-Pro plus 6.0测量数字图像参数,测试时按需要选择总气孔率、平均孔径和气孔间距系数三项,并对取值范围做好调整。对所选对象的测量是自动完成的,且给出了多种数据输出的格式,可以生成直方图和点状图等。
为使本发明的目的、技术方案和优点更清楚明白,下面结合实施例,对本发明进一步详细说明。
实施例:本发明基于数字图像技术的路面混凝土气孔结构测试方法在研究路面混凝土气孔结构与强度的关系中的应用实例。
本实施例中路面混凝土配合比通过固定水泥用量,仅改变用水量来制备不同水灰比的路面混凝土试件。水泥用量固定为360Kg/m3,用水量分别采用137Kg/m3、144Kg/m3、151Kg/m3、158Kg/m3和166Kg/m3即水灰比为0.38、0.40、0.42、0.44和0.46,而对应试件的28d抗弯拉强度为:6.82Mpa、6.34Mpa、6.14Mpa、5.77Mpa和5.99Mpa,可见路面混凝土的抗弯拉强度随着用水量的增大呈单调递减的趋势。而路面混凝土的微观结构通过本实施例测得。
本实施例具体的实施过程如下:
1)路面混凝土试件制备与处理
切割路面混凝土试件并打磨成0.5cm~1cm的薄片,对打磨过的试件进行抛光处理,抛光处理后如图3所示。
2)电子显微镜成像
采用扫描电子显微镜或成像显微镜获取试件观察面的数字图像,根据成像整体效果和气孔孔径的大小,一般放大倍率取100倍,则取图像宽2.236mm高1.682mm,如图4,从图中可以清晰地看到各种成分之间的灰度变化规律,由此可区分不同组分的材料。
3)数字图像预处理
由于部分孔边界的灰度梯度过小或当孔内存在裂缝时,直接进行分析测算易出现较大的误差,所以在测量前应该对图像进行预处理,如图5所示,包括以下几方面工作:
①边界提取
数字图像上每一种不同性质的材料组分都具备不同的灰度范围,因此可以根据不同的灰度来选取各材料组分的边界,对此可采用Photoshop中的快速选择工具提取边界,将画笔调整到3Pix或更小,通过不断切换和培养画笔,最终得到图6所示的气孔边界轮廓。
②区域着色
此步骤是要鲜明的区分图像中的不同材料组分,为后期测试分析提供基础。现有图像分析软件中的图像分割都基于一定的分割算法,目前仍难以完全实现自动化和智能化,这是要进行区分着色的根本原因,如图7。对集料的边界的选定与着色,参照气孔处理的步骤进行即可,不过因为骨料与浆体的灰度差异比较小,选定边界时容易出现多选或者漏选的可能,所以一定要细致描绘,得出图8所示的效果。至此,对图像的初步处理已经完成。
4)采集并输出相关气孔结构参数
采用专业图像分析软件Image-Pro plus 6.0测量图像参数,包括平均孔径、孔率、骨料面积以及孔面积。首先应根据数字图像上的比例尺校准系统标尺,如图9;随后选择图像中不包含SEM信息的区域作为测试区,如图10;最后可通过调整图像灰度的显示范围来平衡图像的灰度,获得最佳测试效果。
图像调整完成后即可开始测试各种参数,Image-Pro plus 6.0提供了丰富的图像参数测试方法,测试时选择总气孔率、平均孔径和气孔间距系数三项,并对取值范围做好调整,图11是操作界面。
通过预处理工序,图像已经有着良好的灰度对比关,系统会自动为所选择的区域上彩,如图12所示。对所选对象的测量是自动完成的,单击计算后,系统会在选择的对象上自动标注编号,如图13所示。
Image-Pro plus 6.0给出了多种数据输出的格式,可以生成直方图和点状图等,其过程如图14所示。所有数据均自动化采集,无需人工计算,避免误差,且精度高。
不同水灰比试件测出结果相对应为:①总气孔率0.068%、0.035%、0.050%、0.026%和0.061%;②平均孔径0.026mm、0.050mm、0.072mm、0.050mm和0.098mm;③气孔间距系数0.151mm、0.175mm、0.485mm、0.498mm和0.611mm。
分析上述数据可知:①总气孔率随用水量的增大呈现不规则起伏,无明显规律,而路面混凝土的抗弯拉强度随着总气孔率的增加呈线性递减;②平均孔径随着用水量增多表现为整体增大的趋势,路面混凝土的抗弯拉强度随着气孔的平均孔径增大而降低;③气孔间距系数随着用水量增加总体上呈增长趋势,路面混凝土的抗弯拉强度随着气孔间距系数的增大呈降低趋势。
从以上实施例可知本发明基于数字图像技术的路面混凝土气孔结构测试方法更为精确直观,研究层次更广且趋于定量化,能够对更为微观层次的孔结构进行分析测试,测试需时短且误差小,在测试的自动化和智能化上取得重大突破发展,应用前景十分广阔。
Claims (5)
1.一种基于数字图像技术的路面混凝土气孔结构测试方法,其特征在于,包括以下步骤:
1)首先切割路面混凝土试件打磨成0.5cm~1cm的样本薄片并进行抛光处理;
2)获取试件观察面的数字图像;
3)对上步得到的数字图像进行图像预处理,所述图像预处理包括气孔边界提取和区域着色;
4)分析和处理数字图像,采集并输出气孔结构参数。
2.根据权利要求1所述的基于数字图像技术的路面混凝土气孔结构测试方法,其特征在于,步骤2)中,采用扫描电子显微镜,根据成像整体效果和气孔孔径的大小,数字图像放大倍率取100倍,孔径分辨率为0.1μm。
3.根据权利要求1所述的基于数字图像技术的路面混凝土气孔结构测试方法,其特征在于,步骤3)中,所述边界提取采用Photoshop中的快速选择工具提取边界,将画笔调整到3Pix或更小,通过不断切换和培养画笔,得到气孔边界轮廓。
4.根据权利要求1所述的基于数字图像技术的路面混凝土气孔结构测试方法,其特征在于,步骤4)中,采用美国Media Cybernetics公司推出的Image-Pro Plus进行分析和处理图像。
5.根据权利要求1所述的基于数字图像技术的路面混凝土气孔结构测试方法,其特征在于,步骤4)中,所述气孔结构参数为总气孔率、平均孔径和气孔间距系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110194724 CN102297832A (zh) | 2011-07-12 | 2011-07-12 | 一种基于数字图像技术的路面混凝土气孔结构测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110194724 CN102297832A (zh) | 2011-07-12 | 2011-07-12 | 一种基于数字图像技术的路面混凝土气孔结构测试方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102297832A true CN102297832A (zh) | 2011-12-28 |
Family
ID=45358399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110194724 Pending CN102297832A (zh) | 2011-07-12 | 2011-07-12 | 一种基于数字图像技术的路面混凝土气孔结构测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102297832A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969168A (zh) * | 2014-05-23 | 2014-08-06 | 攀钢集团攀枝花钢铁研究院有限公司 | 一种疏松矿物横截面孔隙率的定量测定方法 |
CN104596911A (zh) * | 2015-02-05 | 2015-05-06 | 山东大学 | 一种基于图像处理的透水混凝土孔隙特征的检测方法 |
CN105447878A (zh) * | 2015-12-14 | 2016-03-30 | 深圳市高斯贝尔家居智能电子有限公司 | 一种图像质量测试分析方法及系统 |
CN107621436A (zh) * | 2017-10-11 | 2018-01-23 | 云南省交通规划设计研究院 | 一种水泥混凝土孔结构特征分析系统及其测试方法 |
CN107655807A (zh) * | 2017-09-13 | 2018-02-02 | 广西大学 | 基于沉浆指标的透水混凝土透水效率分析方法 |
CN108827855A (zh) * | 2018-06-19 | 2018-11-16 | 青岛理工大学 | 一种多孔混凝土孔结构参数获取和分析方法 |
CN110349123A (zh) * | 2019-06-11 | 2019-10-18 | 东南大学 | 一种清水混凝土表观质量的定量评价方法 |
CN114677353A (zh) * | 2022-03-28 | 2022-06-28 | 中国能源建设集团安徽省电力设计院有限公司 | 一种基于深度学习和bp神经网络的柱承载力预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996035941A1 (en) * | 1995-05-09 | 1996-11-14 | Norsk Hydro A.S | Method and equipment for recording and processing digital images of drill cores |
CN101413792A (zh) * | 2008-12-05 | 2009-04-22 | 西北有色金属研究院 | 一种多孔材料孔隙边界提取和数值化方法 |
CN101694472A (zh) * | 2009-10-23 | 2010-04-14 | 郭震 | 缺陷孔图像识别方法 |
-
2011
- 2011-07-12 CN CN 201110194724 patent/CN102297832A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996035941A1 (en) * | 1995-05-09 | 1996-11-14 | Norsk Hydro A.S | Method and equipment for recording and processing digital images of drill cores |
CN101413792A (zh) * | 2008-12-05 | 2009-04-22 | 西北有色金属研究院 | 一种多孔材料孔隙边界提取和数值化方法 |
CN101694472A (zh) * | 2009-10-23 | 2010-04-14 | 郭震 | 缺陷孔图像识别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969168A (zh) * | 2014-05-23 | 2014-08-06 | 攀钢集团攀枝花钢铁研究院有限公司 | 一种疏松矿物横截面孔隙率的定量测定方法 |
CN104596911A (zh) * | 2015-02-05 | 2015-05-06 | 山东大学 | 一种基于图像处理的透水混凝土孔隙特征的检测方法 |
CN105447878A (zh) * | 2015-12-14 | 2016-03-30 | 深圳市高斯贝尔家居智能电子有限公司 | 一种图像质量测试分析方法及系统 |
CN107655807A (zh) * | 2017-09-13 | 2018-02-02 | 广西大学 | 基于沉浆指标的透水混凝土透水效率分析方法 |
CN107655807B (zh) * | 2017-09-13 | 2019-12-10 | 广西大学 | 基于沉浆指标的透水混凝土透水效率分析方法 |
CN107621436A (zh) * | 2017-10-11 | 2018-01-23 | 云南省交通规划设计研究院 | 一种水泥混凝土孔结构特征分析系统及其测试方法 |
CN108827855A (zh) * | 2018-06-19 | 2018-11-16 | 青岛理工大学 | 一种多孔混凝土孔结构参数获取和分析方法 |
WO2019242395A1 (zh) * | 2018-06-19 | 2019-12-26 | 青岛理工大学 | 一种多孔混凝土孔结构参数获取和分析方法 |
CN108827855B (zh) * | 2018-06-19 | 2020-08-11 | 青岛理工大学 | 一种多孔混凝土孔结构参数获取和分析方法 |
CN110349123A (zh) * | 2019-06-11 | 2019-10-18 | 东南大学 | 一种清水混凝土表观质量的定量评价方法 |
CN114677353A (zh) * | 2022-03-28 | 2022-06-28 | 中国能源建设集团安徽省电力设计院有限公司 | 一种基于深度学习和bp神经网络的柱承载力预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102297832A (zh) | 一种基于数字图像技术的路面混凝土气孔结构测试方法 | |
CN102012356B (zh) | 一种沥青混凝土路面集料级配的快速检测方法 | |
CN103926156A (zh) | 一种三维岩石结构面剪切力学行为多重分形评估方法 | |
CN103969168A (zh) | 一种疏松矿物横截面孔隙率的定量测定方法 | |
CN109584286A (zh) | 一种基于广义回归神经网络的沥青路面构造深度计算方法 | |
CN102927933B (zh) | 一种用激光扫描共聚焦显微镜测量表面粗糙度的方法 | |
CN204405501U (zh) | 一种水泥基材料孔结构的测试分析系统 | |
CN102636488A (zh) | 高碳钢盘条索氏体含量定量测量方法 | |
CN110378885A (zh) | 一种基于机器学习的wsi病灶区域自动标注方法及系统 | |
Zalocha et al. | Estimation of the structure of air entrained concrete using a flatbed scanner | |
Reedy | Review of digital image analysis of petrographic thin sections in conservation research | |
CN117710380B (zh) | 一种混凝土透气性智能检测方法及系统 | |
CN104155323A (zh) | 一种测量大晶粒硅钢织构的分析方法 | |
Liu et al. | Characterization of fiber distribution in steel fiber reinforced cementitious composites with low water-binder ratio | |
CN109142189A (zh) | 一种水泥基材料宏细观孔结构识别与评价方法 | |
CN102062725A (zh) | 一种馆藏壁画表面颜料特征的无损分析方法 | |
CN105092452B (zh) | 一种机制砂球体类似度的检测方法 | |
Bartscher et al. | The resolution of dimensional CT-An edge-based analysis | |
Carò et al. | Reliability of textural analysis of ancient plasters and mortars through automated image analysis | |
CN117109481A (zh) | 一种过流面混凝土整体平整度及过流能力检测评价方法 | |
CN103438802A (zh) | 光纤涂覆层几何参数测量方法 | |
CN116539651A (zh) | 一种钢中夹杂物评价分析方法 | |
CN105527461A (zh) | 一种基于透射电镜haadf图像的材料结构定量化分析方法 | |
Florková et al. | Usage of microscope method for detection of aggregate microtexture | |
CN109856106A (zh) | 一种鉴定石榴子石种属的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111228 |