CN104330023B - 混凝土表面初始开裂信息的采集系统与识别方法 - Google Patents
混凝土表面初始开裂信息的采集系统与识别方法 Download PDFInfo
- Publication number
- CN104330023B CN104330023B CN201410546651.0A CN201410546651A CN104330023B CN 104330023 B CN104330023 B CN 104330023B CN 201410546651 A CN201410546651 A CN 201410546651A CN 104330023 B CN104330023 B CN 104330023B
- Authority
- CN
- China
- Prior art keywords
- concrete
- strain
- initial cracking
- broad sense
- peak point
- 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.)
- Active
Links
Abstract
本发明涉及建筑材料检测技术领域,旨在提供一种混凝土表面初始开裂信息的采集系统与识别方法。该方法是利用数码相机拍摄混凝土材料待测试件表面的图像,然后通过数字图像匹配方法对数字图像进行处理分析,最终通过混凝土表面的主应变分布图峰值点识别混凝土的初始开裂位置,进而由峰值点应变的时变变化规律判断混凝土的初始开裂时刻。本发明能有效避免应变计尺寸效应的影响,不用在混凝土表面张贴应变片,可以精确地测定混凝土表面的初始开裂位置。本方法的所有试验设备具有可重复性,能客观、精确、合理地识别混凝土材料的初始开裂信息,且该方法混凝土样品处理简单,操作简便,可以实现批量化处理,节省大量人力成本,试验成本低。
Description
技术领域
本发明属于建筑材料检测技术领域,具体涉及一种基于数字图像相关技术的混凝土表面初始开裂的开裂位置、开裂时间与开裂应变的识别方法。
背景技术
混凝土材料是现代建筑工程中最常用的建筑材料之一。改善水混凝土的服役性能与耐久性对提高建筑结构的使用寿命具有非常重要的意义。但由于受到水泥基材料的水化放热、环境侵蚀与荷载作用等多种因素的影响,混凝土结构普遍存在着开裂现象。由于混凝土开裂是导致混凝土材料服役性能退化以及耐久性下降的重要原因之一,因此也是土木工程领域研究的热点。而混凝土表面初始开裂,也就是混凝土表面第一条裂缝产生的位置、时间以及开裂应变的大小是混凝土开裂研究的基础。目前研究表明,混凝土表面初始开裂具有集中性与诱导性,并对混凝土的后续开裂过程具有显著的影响。混凝土表面的初始开裂,意味着混凝土表面的应变状态出现失稳现象,混凝土的变形由连续状态进入不连续状态。因此随着混凝土表面第一条裂缝的出现,很可能会出现大量的新的裂缝;同时,在混凝土表面第一条裂缝产生位置的附近区域,会出现典型的应力集中现象。因此,研究并识别混凝土表面初始开裂信息对于判断混凝土的受力状态以及研究混凝土的开裂过程具有重要意义。
混凝土从完好状态到产生初始开裂将经历一个应变快速增长的过程,所以研究人员以混凝土应变的变化作为判别混凝土初始开裂的重要指标。但由于混凝土初始开裂往往集中在一个局部区域,而且混凝土应变从初始应变达到破坏应变的过程也往往非常短暂,因此识别混凝土的初始开裂仍然是一个技术难题。截止目前,对于混凝土初始开裂的判别方法仍然以采用应变片(应变计)测量的方法为主。虽然采用应变片(应变计)的识别混凝土初始开裂具有简单、直接的优点,但是采用应变片(应变计)测量的方法也具有明显的局限性。这主要与应变片(应变计)测量应变时的尺寸效应有关系。因为应变片(应变计)所反映的是应变片(应变计)长度范围内的应变值,如果混凝土发生初始开裂的区域小于应变片(应变计)的长度,则应变片(应变计)的测量值无法准确反映混凝土初始开裂区域的应变变化。因此应变片(应变计)的长度越短,所测量的应变值越精确。但是长度较短的应变片(应变计)所覆盖的测量范围有限。如果要捕捉混凝土的初始开裂,则需要在混凝土表面粘帖大量的应变片(应变计)。而且由于混凝土初始开裂区域的应变分布具有显著的不均匀性,而应变片(应变计)仅能反映应变片(应变计)长度范围内的应变平均值,因此应变片(应变计)不能精确地识别混凝土的初裂位置。相应地,由于应变片(应变计)无法准确地表征混凝土的应变值,因此也不能准确地识别混凝土的初始开裂时间。由于应变片(应变计)本身的刚度限制,应变片(应变计)也不适于高强与高韧性混凝土材料初始开裂的测量。同时,由于在测试过程中应变片(应变计)往往无法回收进行重复利用,因此测试的成本较高。
由于采用应变片(应变计)测试混凝土初始开裂的技术原理与测试手段都存在各种缺陷,难以高效、客观、准确地识别混凝土的初始开裂的有关信息。
发明内容
本发明要解决的技术问题是,针对上述混凝土初始开裂识别方法中存在的初始缺陷,提供一种基于数字图像相关技术的混凝土初始开裂信息的采集系统。该系统可以有效提高识别混凝土表面初始开裂位置的精度,并精确地评估混凝土初始开裂产生的时间,从而为可靠地评价混凝土的耐久性提供科学的依据。
为了解决上述技术问题,本发明的解决方案是:
提供一种基于数字图像技术的混凝土表面初始开裂信息的采集系统,包括数字图像收集系统、数字图像存储系统与数字图像处理分析系统;所述数字图像收集系统包括CCD镜头和数码相机;所述数字图像存储系统包括计算机和存储硬盘,并通过数据连接线与数字图像收集系统相连;所述数字图像处理分析系统是安装于计算机上的软件功能模块,能够通过数字图像匹配方法对采集及存储的数字图像进行处理分析,通过对比分析混凝土变形前后图像的灰度,计算数字图像的相关系数;然后通过相关系数,判断混凝土的变形与位移,从而获得混凝土的应变值;并能够通过混凝土表面的主应变分布图峰值点识别混凝土的初始开裂位置,进而由峰值点应变的时变变化规律判断混凝土的初始开裂时刻。
本发明进一步提供了基于数字图像技术的混凝土初始开裂信息的识别方法,是利用CCD镜头和数码相机拍摄混凝土材料待测试件表面的图像,然后通过数字图像匹配方法对采集及存储的数字图像进行处理分析,通过对比分析混凝土变形前后图像的灰度,计算数字图像的相关系数;然后通过相关系数,判断混凝土的变形与位移,从而获得混凝土的应变值;并能够通过混凝土表面的主应变分布图峰值点识别混凝土的初始开裂位置,进而由峰值点应变的时变变化规律判断混凝土的初始开裂时刻。
本发明所述方法具体包括以下步骤:
(1)混凝土材料待测试件表面处理
在混凝土材料待测试件表面均匀涂上石膏或油漆涂层,然后在涂层上制作散斑;散斑的颜色应与涂层的颜色具有显著区别,且散斑的外形与尺寸大小具有随机性以保证每个散斑都能相互区分;每个散斑的直径大小与测量区域的变长的比例关系在1/1000~1/10之间;
(2)测定前的准备
通过CCD镜头和相机进行对待测混凝土试件进行拍摄;在拍摄之前使用圆点标靶对CCD镜头和数码相机的内外参数进行标定;标靶采用与背景颜色不同的圆点作为特征标记,通过重心提取来获得标记圆点的精确位置,实现标记点位置的自动提取;
(3)数字图像采集与存储
根据测试精度的要求设定CCD镜头和相机的拍照频率;拍摄的照片通过数据连接线传输至计算机并存储至存储硬盘;在数字图像采集过程中,CCD镜头和相机与混凝土试件均不能移动;
(4)数字图像处理分析
以混凝土试件变形前的图片为基准参考图片,在数值图像中首先以坐标为(x,y)的参考点为中心选取边长为(2M+1)个像素点的矩形区域为参考图子区,M为区域边长特征值;将混凝土材料待测试件变形后的图片为目标图片,通过亚像素搜索的方法,以坐标为(x’,y’)的参考点为中心选取边长为(2M+1)个像素点的矩形区域为目标图子区;采用与图像灰度有关的相关系数C分析此参考图子区域目标图子区的相关性;当相关系数C高于一个阈值时,认为混凝土试件变形前后的区域具有相关性,即认为变形后目标图中坐标点(x’,y’)对应于为变形时参考图中坐标点(x,y);所述相关系数C的阈值的取值范围为0.9~1.0;
本发明中的相关系数C为:
式中:
C为相关系数;
f(x,y)为参考图上坐标(x,y)点的灰度;
为参考图子区域的平均灰度;
g(x’,y’)为目标图上坐标为(x’,y’)点的灰度;
为目标图子区域的平均灰度;
确定变形前后坐标点后,计算参考图中参考点坐标的位移分量(u,v);
其中x方向的位移分量u=x’-x;y方向的位移分量v=y’-y;
对变形前后两幅图像计算区域内的所有点进行相关匹配后,就能获得这些点在变形前后空间几何位置的变化,即获得测量区域的位移场分布,并采用局部最小二乘法对亚像素区域位移场求导获得广义主应变场;
(5)混凝土初始开裂信息的识别
A、基于数组图像相关技术绘制不同时刻混凝土表面广义主应变场分布图;
B、当混凝土表面广义主应变场峰值点的峰值首次达到阈值时,统计混凝土表面广义主应变场的峰值点数量N,并分别绘制出每个峰值点的混凝土广义主应变εp随时间t的发展变化曲线以及混凝土广义主应变变化率dεp/dt与时间t的关系曲线;
C、由第n个峰值点(xn,yn)混凝土广义主应变变化率dεp/dt与时间t的关系曲线可知,在混凝土未产生初始开裂时,混凝土广义主应变变化率dεp/dt为一个常数;当混凝土发生初始开裂之后,混凝土广义主应变变化率dεp/dt迅速增大,当dεp/dt增大到一个阈值时,表明混凝土表面总应变随时间发展产生失稳,dεp/dt发生失稳发展的时间tcn就是此峰值点发生初始开裂的时刻,tcn时刻对应的混凝土表面广义主应变值εpn就是此峰值点混凝土发生初始开裂时的开裂应变;所述n≤N;
混凝土试件表面的广义主应变εp为:
式中:εx为x方向的横向广义应变;εy为y方向的纵向广义应变;γxy为广义剪应变;具体表达式为:
D、对混凝土表面不同峰值点的初始开裂时间进行排序,混凝土初始开裂时刻Tc为峰值点初始开裂时刻的最小值,即:
Tc=min(tc1,tc2,……tcn)
式中:tcn为第n个峰值点的初始开裂时刻;
混凝土初始开裂时刻Tc对应的峰值点的位置即混凝土初始开裂位置(xc,yc),此峰值点初始开裂对应的广义主应变εpc即混凝土初始开裂时的应变。
本发明中,根据混凝土初始开裂信息的识别精度要求将拍照频率设定为1/60~100赫兹。
本发明中,混凝土广义主应变场峰值点的峰值首次达到阈值取为250~400με。
与现有技术相比,本发明的有益效果是:
有效避免应变计尺寸效应的影响,不用在混凝土表面张贴应变片,可以精确地测定混凝土表面的初始开裂位置。而混凝土初始开裂位置的判别并不采用统一的阈值判别方法,而是采用应变变化率的方法来判别混凝土的初始开裂。因此,本方法即可以用来识别普通混凝土的初始开裂信息,也适用于识别高强混凝土与高韧性混凝土等各类混凝土的初始开裂信息。同时,本方法的所有试验设备具有可重复性。本发明可以克服现有测试技术存在的不足,客观、精确、合理地识别混凝土材料的初始开裂信息,且该方法混凝土样品处理简单,操作简便,可以实现批量化处理,节省大量人力成本,试验成本低。
附图说明
图1混凝土表面初始开裂信息采集系统示意图;
图2混凝土表面初始开裂信息识别的流程示意图;
图3钢筋混凝土试件侧面示意图;
图4钢筋混凝土试件断面示意图;
图5钢筋混凝土试件表面散斑图像;
图6试验工作系统示意图;
图7混凝土表面广义主应变场二维分布;
图8混凝土表面广义主应变场三维分布;
图9峰值点的初始开裂应变与初始开裂时间的识别。
图中附图标记为:1-数码相机;2—CCD镜头;3—数据连接线;4—计算机;5—待锈钢筋;6—不锈钢筋;7—待测混凝土试件;8—NaCl溶液;9—外接电源;10—广义主应变峰;11—初始开裂广义主应变;12—初始开裂时间;
具体实施方式
本发明提供一种基于数字图像相关技术的混凝土表面初始开裂信息的采集系统。该系统包括数字图像的收集系统、存储系统与数字图像处理分析系统。数字图像的采集系统主要包括CCD镜头2与数码相机1;存储系统主要包括数据连接线3、带存储硬盘的计算机4;数字图像处理分析系统主要为基于数字图像相关技术的数字图像处理分析软件。本系统的核心部分是数字图像处理分析系统,其工作流程主要包括通过数字图像匹配方法对采集及存储的数字图像进行处理分析,通过对比分析混凝土变形前后图像的灰度,计算数字图像的相关系数。通过相关系数,判断混凝土的变形与位移,从而获得混凝土的应变值。通过混凝土表面的主应变分布图峰值点识别混凝土的初始开裂位置,由峰值点应变的时变变化规律判断混凝土的初始开裂时刻与初始开裂应变。
本发明提供了一种混凝土初始开裂信息的识别方法,其具体包括以下步骤:
(1)混凝土材料待测试件表面处理
为了提高混凝土表面应变识别的精确度,对混凝土表面制造随机散斑以提高混凝土表面应变的辨识度。在本发明中,混凝土试件表面的随机散斑通过人工方法制作。首先,在混凝土表面均匀地涂上一层石膏或油漆涂层。然后在混凝土表面涂层上制作散斑。散斑的颜色应该与涂层的颜色具有显著区别,散斑的外形与尺寸大小具有随机性以应该保证每个散斑都可以进行区分。每个散斑的直径大小与测量区域边长的比例关系在1/1000~1/10之间。
(2)测定前的准备
通过CCD镜头2或和码相机1进行对待测混凝土试件7进行拍摄。在使用CCD镜头2和数码相机1进行拍摄之前,要使用圆点标靶对相机的内外参数(光心、焦距、两相机的相对位置)进行标定。标靶采用与背景颜色不同的圆点作为特征标记,通过重心提取来获得标记圆点的精确位置,可实现标记点位置的自动提取。
(3)数字图像采集与存储
根据测试精度的要求设定数码相机1的拍照频率,拍照频率可以设定为1/60~100赫兹。拍摄的照片传输至电脑,存储至外置或内置存储硬盘。在数字图像采集过程中,CCD镜头和数码相机与混凝土试件不能移动。
(4)数字图像处理分析
以混凝土试件变形前的图片为基准参考图片,在数值图像中首先以坐标为(x,y)的参考点为中心选取边长为(2M+1)个像素点的矩形区域为参考图子区。将混凝土试件变形后的图片为目标图片,通过亚像素搜索的方法,以坐标为(x’,y’)的参考点为中心选取边长为(2M+1)个像素点的矩形区域为目标图子区。采用与图像灰度有关的相关系数C分析此参考图子区域目标图子区的相关性。当相关系数C高于一个阈值时,认为混凝土试件变形前后的区域具有相关性,即认为变形后目标图中坐标点(x’,y’)对应于为变形时参考图中坐标点(x,y),根据测试的精度要求,相关系数C的阈值的取值范围为0.9~1.0。本发明中的相关系数C为:
式中:
C为相关系数;
f(x,y)为参考图上坐标(x,y)点的灰度;
为参考图子区域的平均灰度;
g(x’,y’)为目标图上坐标为(x’,y’)点的灰度;
为目标图子区域的平均灰度;
确定变形前后坐标点后,可以计算参考图中参考点坐标的位移分量(u,v)。其中x方向的位移分量u=x’-x;y方向的位移分量v=y’-y;
对变形前后两幅图像计算区域内的所有点进行相关匹配后,就可以获得这些点在变形前后空间几何位置的变化,即获得测量区域的位移场分布,并采用局部最小二乘法对亚像素区域位移场求导获得广义主应变场。
在本发明中,混凝土试件表面的主应变εp可以写为:
式中:εx为x方向的横向广义应变;εy为y方向的纵向广义应变;γxy为广义剪应变。具体表达式为:
(5)混凝土初始开裂信息的识别
基于数字图像相关技术,本发明分别提出了混凝土初始开裂位置与初始开裂时间的识别方法。具体的流程如下:
①基于数组图像相关技术绘制不同时刻混凝土表面广义主应变场分布图;
②当混凝土表面广义主应变场峰值点的峰值首次达到阈值时,统计混凝土表面广义主应变场的峰值点数量,并分别绘制出每个峰值点的混凝土广义主应变εp随时间t的发展变化曲线以及混凝土广义主应变变化率dεp/dt与时间t的关系曲线。本发明中,混凝土表面广义主应变场峰值点的峰值阈值可以取为250~400με。;
③由第n个峰值点(xn,yn)混凝土广义主应变变化率dεp/dt与时间t的关系曲线可知,在混凝土未产生初始开裂时,混凝土广义主应变变化率dεp/dt基本为一个常数;当混凝土发生初始开裂之后,混凝土广义主应变变化率dεp/dt迅速增大,当dεp/dt增大为一个阈值时,表明混凝土表面总应变随时间发展产生失稳,dεp/dt达到的时间tcn即混凝土失稳发展的时间,也即此峰值点发生初始开裂的时刻,tcn时刻对应的混凝土表面广义主应变值εpn就是此峰值点混凝土发生初始开裂时的开裂应变;
④对混凝土表面不同峰值点的初始开裂时间进行排序,混凝土初始开裂时刻Tc为峰值点初始开裂时刻的最小值,即:
Tc=min(tc1,tc2,……tcn)
式中:tcn为第n个峰值点的初始开裂时刻;
混凝土初始开裂时刻Tc对应的峰值点的位置即混凝土初始开裂位置(xc,yc),此峰值点初始开裂对应的广义主应变εpc即混凝土初始开裂时的应变。
实施案例:
在钢筋混凝土结构中,钢筋锈蚀是导致混凝土开裂的主要因素。模拟锈蚀钢筋混凝土的开裂过程,采用本发明识别钢筋混凝土的初始开裂信息。
混凝土试验配合比为1:0.53:2:3,依次为水泥、水、细骨料、粗骨料。水泥采用湖北华新水泥厂生产的P·O52.5级普通硅酸盐水泥(382.8kg/m3);细骨料为河砂,细度模数为2.64;粗骨料为碎石,5-20mm连续级配;水为自来水。混凝土28d抗压强度为46.3MPa.纵筋采用φ10HPB235钢筋,试件尺寸为100mm×100mm×400mm,保护层厚度为30mm,试件配筋如图3所示。
试样表面的散斑图像通过人工方法制作,由于钢筋混凝土在半浸泡加速锈蚀过程中混凝土表面的湿度会变化会影响试件表面的灰度。因此试验中,在混凝土表面涂上一层薄石膏(0.5mm),在石膏完全干燥后用黑色油漆笔随机点上黑点作为散斑,处理后的混凝土试件如图4所示。
本实施例中,用于混凝土表面初始开裂信息采集与识别的试验系统,包括数字图像收集系统和数字图像存储系统,数字图像收集系统包括CCD镜头2和数码相机1;所述数字图像存储系统包括计算机4和存储硬盘,并通过数据连接线3与数字图像收集系统相连;还包括半浸泡外加电流加速锈蚀系统,由直流电源9、作为阴极的不锈钢筋6和内嵌了待锈钢筋5的待测混凝土试件7组成;待测混凝土试件7半浸于5%的NaCl溶液8中,待锈钢筋5横向贯穿待测混凝土试件7且露出一个端部;待锈钢筋5焊接有数根相互间隔且竖向朝下的辅钢筋,辅钢筋均位于待测混凝土试件7内部。不锈钢筋6的下端浸入NaCl溶液8的液面之下,且与直流电源9的负极相接;待锈钢筋5露出的端部位于NaCl溶液8的液面之上,且与直流电源9的正极相接。
试验前首先在待测钢筋5的外露部分焊接导线,再采用环氧树脂对外露部分进行密封处理,完成后将待测混凝土试件7浸泡在5%的NaCl溶液8中72h.试验采用半浸泡外加电流加速锈蚀方法,将待测混凝土试件7部分置于浓度为5%的NaCl电解质溶液中,待测混凝土试件7底面到水面的高度为36mm,同时在溶液中放入不锈钢筋6作为辅助电极(阴极),接稳定直流电流仪的负极,混凝土试块内待锈钢筋5作为阳极,接稳定直流电流仪正极。试验锈蚀方法如图3所示。试验过程中,每12h定时进行检查,保证整个电解池中浓度均匀并保证其液面高度和溶液浓度不变,同时定时对阴极不锈钢筋6上附着的锈蚀物进行清除,保证加速锈蚀效率。
在使用CCD镜头2与数码相机1进行钢筋混凝土锈胀过程拍摄之前,要使用圆点标靶对相机的内外参数(光心、焦距、两相机的相对位置)进行标定。标定结束以后开始通电,电流密度为1.59mA/cm2.图像采集系统的采集速率为1帧/分钟,试验的装置见图5。
CCD镜头是一种高精度相机镜头,一般的数码相机可以搭载一个镜头。在适用本发明所述方法时,CCD镜头与数码相机分别只要一个组合使用就可以了。为了取得多个方向的应变,在本实施例中使用了两组相机与镜头(如图6所示)。在整个试验过程中采用两个德国BASLER牌A406K型号数码相机,搭配Nikon IF Aspherical MACRO(1:2)Φ72镜头,实时记录试件表面散斑场的变化。采集后处理分析软件为Correlated Solutions公司的VIC-3D软件。该软件先对整个图像进行像素搜索,后进行亚像素搜索,获得最佳匹配点,最终获得拍摄面的位移场和广义总应变场。软件计算时采用的计算步长为5个像素,0.2mm/pixel。
在测试之前,首先以参考点(x,y)为中心选取边长为201个像素点的矩形区域为参考图子区。在试件变形后,通过亚像素搜索的方法,采用与图像灰度有关的相关系数C分析此区域的变形与位移。为了保证分析精度,本实例中选取相关系数C的阈值为0.95。对数字图像进行处理分析后计算得到混凝土广义主应变场分布图如图6所示。
由图6可知,当混凝土峰值点应变达到400με时,混凝土试件表面只存在一个广义主应变峰,则混凝土表面初始开裂位置即峰值点位置,坐标为(42mm,1mm)。
混凝土表面广义主应变峰值点的广义主应变与时间关系曲线(εp-t曲线)以及广义主应变变化率与时间关系曲线(dεp/dt-t曲线)如图7所示。本实施案例广义主应变变化率dεp/dt阈值取为45με/h,当广义主应变变化率dεp/dt达到45με/h时认为混凝土发生开裂。混凝土初始开裂对应的时间为62小时12分,对应的初始开裂应变为487με。
Claims (3)
1.一种基于数字图像技术的混凝土初始开裂信息的识别方法,其特征在于,该方法是利用CCD镜头和数码相机拍摄混凝土材料待测试件表面的图像,然后通过数字图像匹配方法对采集及存储的数字图像进行处理分析,通过对比分析混凝土变形前后图像的灰度,计算数字图像的相关系数;然后通过相关系数,判断混凝土的变形与位移,从而获得混凝土的应变值;并能够通过混凝土表面的主应变分布图峰值点识别混凝土的初始开裂位置,进而由峰值点应变的时变变化规律判断混凝土的初始开裂时刻;
该方法具体包括以下步骤:
(1)混凝土材料待测试件表面处理
在混凝土材料待测试件表面均匀涂上石膏或油漆涂层,然后在涂层上制作散斑;散斑的颜色应与涂层的颜色具有显著区别,且散斑的外形与尺寸大小具有随机性以保证每个散斑都能相互区分;每个散斑的直径大小与测量区域的变长的比例关系在1/1000~1/10之间;
(2)测定前的准备
通过CCD镜头和数码相机进行对待测混凝土试件进行拍摄;在拍摄之前使用圆点标靶对数码相机的内外参数进行标定;标靶采用与背景颜色不同的圆点作为特征标记,通过重心提取来获得标记圆点的精确位置,实现标记点位置的自动提取;
(3)数字图像采集与存储
根据测试精度的要求设定数码相机的拍照频率,拍摄的照片通过数据连接线传输至计算机并存储至存储硬盘;在数字图像采集过程中,CCD镜头和数码相机与混凝土试件均不能移动;
(4)数字图像处理分析
以混凝土试件变形前的图片为基准参考图片,在数值图像中首先以坐标为(x,y)的参考点为中心选取边长为(2M+1)个像素点的矩形区域为参考图子区,M为区域边长特征值;将混凝土材料待测试件变形后的图片为目标图片,通过亚像素搜索的方法,以坐标为(x’,y’)的参考点为中心选取边长为(2M+1)个像素点的矩形区域为目标图子区;采用与图像灰度有关的相关系数C分析此参考图子区域目标图子区的相关性;当相关系数C高于一个阈值时,认为混凝土试件变形前后的区域具有相关性,即认为变形后目标图中坐标点(x’,y’)对应于为变形时参考图中坐标点(x,y);所述相关系数C的阈值的取值范围为0.9~1.0;
本发明中的相关系数C为:
式中:
C为相关系数;
f(x,y)为参考图上坐标(x,y)点的灰度;
为参考图子区域的平均灰度;
g(x’,y’)为目标图上坐标为(x’,y’)点的灰度;
为目标图子区域的平均灰度;
确定变形前后坐标点后,计算参考图中参考点坐标的位移分量(u,v);
其中x方向的位移分量u=x’-x;y方向的位移分量v=y’-y;
对变形前后两幅图像计算区域内的所有点进行相关匹配后,就能获得这些点在变形前后空间几何位置的变化,即获得测量区域的位移场分布,并采用局部最小二乘法对亚像素区域位移场求导获得广义主应变场;
(5)混凝土初始开裂信息的识别
A、基于数组图像相关技术绘制不同时刻混凝土表面广义主应变场分布图;
B、当混凝土表面广义主应变场峰值点的峰值首次达到阈值时,统计混凝土表面广义主应变场的峰值点数量N,并分别绘制出每个峰值点的混凝土广义主应变εp随时间t的发展变化曲线以及混凝土广义主应变变化率dεp/dt与时间t的关系曲线;
C、由第n个峰值点(xn,yn)混凝土广义主应变变化率dεp/dt与时间t的关系曲线可知,在混凝土未产生初始开裂时,混凝土广义主应变变化率dεp/dt为一个常数;当混凝土发生初始开裂之后,混凝土广义主应变变化率dεp/dt迅速增大,当dεp/dt增大到一个阈值时,表明混凝土表面总应变随时间发展产生失稳,dεp/dt发生失稳发展的时间tcn就是此峰值点发生初始开裂的时刻,tcn时刻对应的混凝土表面广义主应变值εpn就是此峰值点混凝土发生初始开裂时的开裂应变;所述n≤N;
混凝土试件表面的主应变εp为:
式中:εx为x方向的横向广义应变;εy为y方向的纵向广义应变;γxy为广义剪应变;具体表达式为:
D、对混凝土表面不同峰值点的初始开裂时间进行排序,混凝土初始开裂时刻Tc为峰值点初始开裂时刻的最小值,即:
Tc=min(tc1,tc2,……tcn)
式中:tcn为第n个峰值点的初始开裂时刻;
混凝土初始开裂时刻Tc对应的峰值点的位置即混凝土初始开裂位置(xc,yc),此峰值点初始开裂对应的广义主应变εpc即混凝土初始开裂时的应变。
2.根据权利要求1所述的方法,其特征在于,根据混凝土初始开裂信息的识别精度要求将拍照频率设定为1/60~100赫兹。
3.根据权利要求1所述的方法,其特征在于,混凝土广义主应变场峰值点的峰值首次达到阈值取为250~400με。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410546651.0A CN104330023B (zh) | 2014-10-15 | 2014-10-15 | 混凝土表面初始开裂信息的采集系统与识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410546651.0A CN104330023B (zh) | 2014-10-15 | 2014-10-15 | 混凝土表面初始开裂信息的采集系统与识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104330023A CN104330023A (zh) | 2015-02-04 |
CN104330023B true CN104330023B (zh) | 2017-02-08 |
Family
ID=52404794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410546651.0A Active CN104330023B (zh) | 2014-10-15 | 2014-10-15 | 混凝土表面初始开裂信息的采集系统与识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104330023B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6528197B2 (ja) * | 2015-03-31 | 2019-06-12 | 太平洋セメント株式会社 | コンクリートの脆弱部分の識別方法 |
CN105403161B (zh) * | 2015-12-29 | 2018-01-02 | 哈尔滨工业大学深圳研究生院 | 一种利用光纤传感器检测混凝土结构裂缝宽度的方法 |
CN106012778B (zh) * | 2016-05-18 | 2018-07-20 | 东南大学 | 用于高速公路路面应变测量的数字图像采集分析方法 |
CN107014303B (zh) * | 2017-03-31 | 2019-12-17 | 中南大学 | 一种基于数字图像处理的钢轨蠕变监测方法 |
CN107144230B (zh) * | 2017-05-22 | 2019-05-03 | 辽宁工程技术大学 | 一种基于长方形子区的应变局部化带应变的光学测量方法 |
CN107607397A (zh) * | 2017-09-15 | 2018-01-19 | 重庆交通大学 | 缺陷检测方法及装置 |
CN107561251A (zh) * | 2017-09-22 | 2018-01-09 | 北京建筑大学 | 一种水泥基材料开裂敏感性测试装置和测试方法 |
CN107991193B (zh) * | 2017-11-27 | 2020-08-25 | 辽宁工程技术大学 | 一种预测火灾后建筑材料变形破坏的方法 |
CN108399621B (zh) * | 2018-03-29 | 2023-10-13 | 招商局重庆交通科研设计院有限公司 | 一种工程试件快速标识方法和系统 |
CN109669028B (zh) | 2019-03-04 | 2021-06-15 | 青岛理工大学 | 一种钢筋锈胀引起混凝土开裂锈胀力的测量方法 |
CN110057846A (zh) * | 2019-04-11 | 2019-07-26 | 中国科学院地质与地球物理研究所 | 基于数字图像的岩心内部微裂纹识别方法、系统、装置 |
CN110108222A (zh) * | 2019-04-16 | 2019-08-09 | 中国人民解放军陆军装甲兵学院 | 一种预测脆性涂层开裂的方法及系统 |
CN110146511A (zh) * | 2019-05-16 | 2019-08-20 | 中铁十二局集团建筑安装工程有限公司 | 一种清水混凝土气泡检测方法 |
CN110926970A (zh) * | 2019-11-19 | 2020-03-27 | 中交第二公路勘察设计研究院有限公司 | 预制结构面混凝土单孔爆破试验装置和试验方法 |
CN112414842B (zh) * | 2020-10-21 | 2022-02-08 | 中国石油大学(北京) | 岩石刚度确定方法和装置 |
CN112634195A (zh) * | 2020-11-23 | 2021-04-09 | 清华大学 | 混凝土结构裂缝预测方法、装置及系统 |
CN112461662B (zh) * | 2020-11-26 | 2022-05-06 | 西南石油大学 | 一种基于应力-应变曲线定量表征岩石脆性的新方法 |
CN115874804A (zh) * | 2022-12-28 | 2023-03-31 | 深圳市胜德建筑科技有限公司 | 一种桁架楼板浇筑铝模机构及其表面异常检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005099012A (ja) * | 2003-09-05 | 2005-04-14 | Fukuoka Prefecture | 表面変位計測方法および表面変位計測装置 |
CN101691994A (zh) * | 2009-09-30 | 2010-04-07 | 浙江大学 | 一种隧道裂缝最大宽度自动定位和检测方法 |
CN101839699A (zh) * | 2010-05-14 | 2010-09-22 | 清华大学 | 一种测量微纳米金属互连线残余变形的方法 |
CN101957290A (zh) * | 2010-09-30 | 2011-01-26 | 浙江大学 | 一种适用于受拉试件的疲劳试验机及其方法 |
CN102305745A (zh) * | 2011-05-25 | 2012-01-04 | 山东大学 | 一种基于dic技术的板料成形性能测试装置 |
CN102305795A (zh) * | 2011-07-29 | 2012-01-04 | 河海大学 | 一种混凝土表面微小裂缝的定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9454809B2 (en) * | 2012-09-25 | 2016-09-27 | The Board Of Trustees Of The University Of Illinois | Phase derivative microscopy module having specified amplitude mask |
-
2014
- 2014-10-15 CN CN201410546651.0A patent/CN104330023B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005099012A (ja) * | 2003-09-05 | 2005-04-14 | Fukuoka Prefecture | 表面変位計測方法および表面変位計測装置 |
CN101691994A (zh) * | 2009-09-30 | 2010-04-07 | 浙江大学 | 一种隧道裂缝最大宽度自动定位和检测方法 |
CN101839699A (zh) * | 2010-05-14 | 2010-09-22 | 清华大学 | 一种测量微纳米金属互连线残余变形的方法 |
CN101957290A (zh) * | 2010-09-30 | 2011-01-26 | 浙江大学 | 一种适用于受拉试件的疲劳试验机及其方法 |
CN102305745A (zh) * | 2011-05-25 | 2012-01-04 | 山东大学 | 一种基于dic技术的板料成形性能测试装置 |
CN102305795A (zh) * | 2011-07-29 | 2012-01-04 | 河海大学 | 一种混凝土表面微小裂缝的定位方法 |
Non-Patent Citations (1)
Title |
---|
混凝土压缩破坏的数字图像相关研究;雷冬等;《力学季刊》;20110630;第32卷(第2期);第174页第3段-第175页第6段,图1-5 * |
Also Published As
Publication number | Publication date |
---|---|
CN104330023A (zh) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104330023B (zh) | 混凝土表面初始开裂信息的采集系统与识别方法 | |
CN104483330B (zh) | 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法 | |
US20210063376A1 (en) | Method for automatic quantitative statistical distribution characterization of dendrite structures in a full view field of metal materials | |
CN108153978B (zh) | 一种基于水动力水质模型的污染源普查结果达标评估方法 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN102519965B (zh) | 一种基于机器视觉的路基压实度在线检测方法 | |
CN108154498A (zh) | 一种裂缝缺陷检测系统及其实现方法 | |
CN104834806A (zh) | 结构面粗糙度系数尺寸效应取样代表性评价方法 | |
CN105115861B (zh) | 检测混凝土表面吸水过程的方法 | |
CN107680091B (zh) | 一种输电线路的防震锤脱落缺陷检测方法 | |
CN103217353A (zh) | 钢筋混凝土结构中钢筋加速锈蚀实时控制监测装置及方法 | |
CN204255818U (zh) | 用于混凝土表面初始开裂信息采集与识别的试验系统 | |
CN110006896A (zh) | 一种3d打印混凝土性能的虚拟检测仪及检测方法 | |
CN111899216A (zh) | 一种高铁接触网绝缘子紧固件的异常检测方法 | |
CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
CN106018198B (zh) | 一种气泡粒径的反演计算方法 | |
Lee et al. | Predicting Concrete Compressive Strength Using Deep Convolutional Neural Network Based on Image Characteristics. | |
KR20190130257A (ko) | 콘크리트 시설물의 표면 이미지 및 딥 컨볼루션 신경망 알고리즘을 이용한 콘크리트 압축강도 예측 방법 및 그 시스템 | |
Gupta et al. | Innovative test technique to evaluate “self-sealing” of concrete | |
CN203117069U (zh) | 钢筋混凝土结构中钢筋加速锈蚀实时控制监测装置 | |
CN116739999A (zh) | 一种在役桩基无损检测方法 | |
CN111881613A (zh) | 一种正应力和剪应力不同权重三维应力场反演方法及系统 | |
CN115901950A (zh) | 融合冲击回波和深度学习的混凝土内部分层缺陷检测方法 | |
CN109060858A (zh) | 一种土壤重金属浓度空间分布预测准确性的定量评价方法 | |
CN108333335A (zh) | 一种混凝土梁桥抗力折减系数确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |