CN104483330A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN104483330A CN104483330A CN201410630780.8A CN201410630780A CN104483330A CN 104483330 A CN104483330 A CN 104483330A CN 201410630780 A CN201410630780 A CN 201410630780A CN 104483330 A CN104483330 A CN 104483330A
- Authority
- CN
- China
- Prior art keywords
- concrete
- concrete surface
- distress
- crack
- security
- 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.)
- Granted
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及建筑材料与结构的监测技术领域,旨在提供一种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。该方法是利用CCD镜头或数码相机拍摄混凝土材料待测试件表面的图像,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,利用数字图像处理技术识别混凝土裂缝的位置、面积、长度与宽度的特征参数进行权重分级,定量化地形成混凝土开裂风险分级评价标准,对比采集到的混凝土裂缝特征参数,实现混凝土开裂风险的动态评估。本发明有效克服目前混凝土裂缝监测技术的成本高、精度低的缺点,避免数字图像法在提取混凝土裂缝时裂缝边界的误判问题,可以精确地识别混凝土表面裂缝的边界,能更加客观、灵活地评价混凝土结构的安全性。
Description
技术领域
本发明属于建筑材料与结构的监测技术领域,具体涉及一种基于数字图像技术的混凝土裂缝图形化实时监测系统以及混凝土材料与结构开裂风险的动态评估方法。
背景技术
混凝土的开裂破坏一直是工程界难以克服和控制的难题。由于混凝土的水化放热、收缩变形、荷载作用、环境侵蚀以及钢筋锈蚀的影响,钢筋混凝土结构普遍存在着开裂现象。混凝土裂缝对钢筋混凝土结构的安全性与耐久性都产生了严重的影响。因此,有必要对混凝土结构的裂缝开展状况进行实时监测,采集裂缝的长度、宽度、位置等信息,并根据混凝土裂缝的定量化表征参数对混凝土结构开裂风险进行评估。
在对混凝土结构的开裂风险进行评价时,如何定量化测量和描述混凝土开裂状态成为问题的焦点。当前采用的混凝土裂缝测量方法主要有三种。一种是直接法,就是采用钢尺、裂缝观测仪等仪器设备直接测量混凝土裂缝的长度和宽度,并定义权重值,评价混凝土裂缝的危害性。直接法的主观因素影响较大、工作量大,且精度和效率都比较低,不适于大型混凝土结构工程开裂风险的评价。第二种是应变片(应变计)法,即在混凝土内部和表面埋设应变片(应变计),实时测量混凝土内部与表面的应变变化情况,根据混凝土应变测试数据评价混凝土结构的开裂风险。但是由于混凝土结构体量较大,而应变片(应变计)的测量范围有限,为了获得混凝土结构的裂缝扩展情况,需要在混凝土结构内部与表面埋设大量的应变片(与应变计),测量的成本较高。虽然目前已经开发出了光纤应变计以及应变传感器,可以大幅减少应变片(应变计)的埋设数量,但是测量的结果及准确性与光纤的埋设位置有关,成本仍然很高。第三种方法是数字图像方法。就是通过对混凝土表面的裂缝的数字照片进行分析,提取裂缝的量化数据。但是对混凝土裂缝进行提取以及分析的方法仍存在一定的缺陷。虽然许多学者基于灰度阀值原理提出了最大熵门限化法、基于边缘强度分割法、Sobel算子以及最大类间方差法等阀值的选取以及裂缝的提取方法,但迄今为止还没有找到一种通用算法能把复杂环境中裂缝的信息完整分割出来,特别是裂缝较小或者裂缝边缘与背景的灰度阶跃性较小时,很容易出现裂缝和背景误判的情况,并且在分割后还要进行噪声处理等,误差较大。
由于直接法、应变片(应变计)测量法以及数字图像方法在监测混凝土结构裂缝的技术原理与测试手段仍存在各种缺陷,目前难以高效、客观、准确地识别混凝土裂缝的有关信息,从而也不能准确地对混凝土结构的开裂风险进行评估。
发明内容
本发明要解决的技术问题是,克服现有技术中的不足,基于数字图像相关技术提出了一种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。本发明利用混凝土表面应变场的数字化动态分析方法,根据混凝土表面应变的分布判别混凝土的开裂情况,基于数字图像分析技术定量化表征混凝土裂缝的各种参数,根据混凝土开裂情况进行提出了开裂风险的动态评估系统。采用此新方法在混凝土裂缝信息的提取方面可以有效避免由于阀值的选取造成的误判和图像除噪过程,具有准确、方便、快捷的优点。混凝土裂缝特征参数的算法具有良好的计算精度,可以极大的降低裂缝现场测量的劳动时间和劳动强度,能较为准确的反映其真实值,精度较高,克服裂缝宽度测量仪的最大量程限制,为定量研究混凝土裂缝提供了方便,为混凝土结构开裂状态与开裂风险的评价提供依据。
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裂缝实时监测系统,包括数字图像采集系统、数字图像存储系统、数字图像处理分析系统和裂缝参数识别系统;所述数字图像采集系统包括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采集系统相连;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,获得混凝土的广义主应变场分布;所述裂缝参数识别系统是安装于计算机上的软件功能模块,能够基于混凝土表面的广义主应变场分布,识别混凝土表面裂缝边界,通过参数识别算法,获得混凝土表面裂缝的实时信息。混凝土表面裂缝实时监测系统如图1所示。
本发明进一步提供了一种混凝土开裂风险的动态评估方法,是利用CCD镜头或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场分布图判别混凝土裂缝位置,进而通过对数字图像处理技术识别混凝土裂缝的位置、面积、长度与宽度等特征参数;基于预先设定的混凝土裂缝位置、裂缝宽度、裂缝长度、裂缝面积等安全性指标进行权重分级,定量化地形成混凝土开裂风险分级评价标准,然后对比采集到的混凝土裂缝特征参数,实现混凝土开裂风险的动态评估。
如图2所示,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;同时获取数字图像像素点的边长l;
(3)数字图像采集与存储
根据测试精度的要求设定CCD镜头与相机的拍照频率;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镜头与相机以及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;
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:
(5)混凝土裂缝信息的识别
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、在某一时刻,当混凝土表面广义主应变场的主应变值达到某一阈值时,得到广义主应变达到某阈值的像素点P1,其坐标为(x1,y1);根据混凝土表面广义主应变场分布的连续性,得到P1点相邻的像素点中广义主应变值达到阈值点的像素点P2,记录其坐标值(x2,y2);依次在已经获得的像素点周围提取混凝土表面广义主应变达到阈值的像素点,直到提取混凝土表面所有广义主应变达到阈值的像素点。假设混凝土表面上广义主应变达到阈值的像素点共有N个,根据混凝土表面广义主应变的分布特性,此N个像素点将连接为m条闭合曲线(m≥1);当此阈值为混凝土表面裂缝的开裂应变时,由混凝土表面广义主应变的分布特征,每条闭合曲线都代表了一条混凝土表面裂缝的边界点,m即为混凝土表面裂缝的数量;
C、选取第n条闭合曲线所代表的混凝土裂缝。
假设此闭合曲线及内部共包含了kn个像素点,此kn个像素点构成的集合为{Cn},则此裂缝的位置能够由集合{Cn}中所有像素点(xi,yi)所代表,即:
(xi,yi)∈{Cn} i=1,2,……,kn
已知单个像素点边长为l,则第n条混凝土裂缝的面积An为:
An=kn·l2
如图3所示,假设此闭合曲线上共有Qn个像素点(Qn≤N),此闭合曲线代表了相应混凝土裂缝的边界,也即表明了混凝土裂缝的位置与走向;根据混凝土裂缝边界的走向,能够识别混凝土裂缝的2个端点Sn(xs,ys)与En(xe,ye);由于端点Sn与En位于此闭合曲线上,因此由端点Sn出发,沿着混凝土裂缝边界上的各个像素点,共有2条路径能达到端点En,分别命名此2条路径为Run与Rbn;根据数字图像的分析理论,从端点Sn出发沿着路径Run达到端点En,遍历所有Ru路径上所有像素点得到的混凝土裂缝长度Lun为:
式中:
(xi,yi)为路径Run上某个像素点的坐标;
(xi+1,yi+1)为路径Run上与(xi,yi)相邻的像素点的坐标;
Qun为路径Run上所有像素点的数量;
同理,从端点Sn出发沿着路径Rbn得达到端点En,遍历路径Rbn上所有像素点得到的混凝土裂缝长度Lbn为:
式中:
(xi,yi)为路径Rbn上某个像素点的坐标;
(xi+1,yi+1)为路径Rbn上与(xi,yi)相邻的像素点的坐标;
Qbn为路径Rbn上所有像素点的数量;
则第n条混凝土裂缝的长度Ln为Lun与Lbn的较大值,即:
Ln=max(Lun,Lbn)
根据最小距离法,第n条混凝土裂缝的路径Run上某一像素点(xi,yi)到路径Rbn上所有像素点距离中的最小值就是像素点(xi,yi)对应裂缝宽度Wi,即:
则第n条混凝土裂缝的宽度Wn为路径Run上所有像素点对应的裂缝宽度Wi的最大值,即:
Wn=max[Wi(xi,yi)] (xi,yi)∈Run,i=1,2,……,Qun
D、在取得混凝土表面所有m条裂缝的相关信息参数之后,汇总分析混凝土表面裂缝的参数。
已知第n条裂缝的所有像素点的集合{Cn},混凝土表面裂缝位置用所有m条裂缝像素点的集合{C中的像素点(xi,yi)进行表征,即:
(xi,yi)∈{C} {C}={C1}∪{C2}∪……∪{Cm}i=1,2,……,N
混凝土表面所有裂缝的总面积A用单条裂缝面积Ai的和进行表示,即:
混凝土表面所有裂缝的长度L用单条裂缝长度Li的和进行表示,即:
混凝土表面所有裂缝的总宽度W用单条裂缝宽度Wi的和进行表示,即:
E、在取得某一时刻混凝土表面裂缝的参数后,将不同时刻混凝土表面单条裂缝的位置、面积、长度、宽度,以及混凝土表面所有裂缝的位置信息、总面积、总长度、总宽度进行分析,获得混凝土表面裂缝的实时信息,从而实时监测混凝土表面裂缝的开展情况。
(6)混凝土开裂风险评估
A、设定混凝土开裂风险分级判定标准
根据混凝土结构的安全性与耐久性要求,分别设定混凝土裂缝的位置、混凝土裂缝的面积、混凝土裂缝的长度、混凝土裂缝的宽度设定相应的安全性判定标准以及相应的权重系数。
当所有m条混凝土裂缝中任一条裂缝中存在一个像素点(xi,yi)位于混凝土表面的限制区域时,判定其对混凝土结构的安全性存在威胁,因此采用混凝土裂缝位置判断准则。根据混凝土结构重要性,分别设定混凝土表面的限制区域为SI、SII、SIII,其相应的像素点集合用{SI}、{SII}、{SIII}表示,其相应的安全性权重系数分别为KSI、KSII、KSIII。则混凝土裂缝位置的安全性判定标准及相应的权重系数如表1所示。
表1 混凝土裂缝位置安全性判定标准及权重系数
在确定混凝土表面的限制区域SI、SII、SIII时,根据3个主要条件进行判别:①区域内的裂缝将主要影响混凝土结构外观;②区域内的混凝土裂缝将导致钢筋锈蚀;③区域内的混凝土裂缝将导致混凝土结构破坏或承载力降低。当只满足条件①时,认为其属于限制区域SI;当同时满足条件①与②时,认为其属于限制区域SII;当同时满足条件①、②与③时,认为其属于限制区域SIII。。
在确定混凝土表面限制区域SI、SII、SIII的安全权重系数KSI、KSII、KSIII时,其表1中取值范围分别为0<kSI≤5、5<kSII≤10、10<kSIII≤20。
需要说明的是,混凝土表面的限制区域不仅限于表1中所列的三级限制区域SI、SII、SIII。根据结构的重要性以及实际情况,工程技术人员可以增加或减少混凝土表面限制区域的数量。
当所有m条混凝土裂缝中某单条裂缝面积达到混凝土表面单条裂缝面积的限值Aimax时,判定此裂缝宽度对混凝土结构的安全性存在威胁;或者,当所有m条混凝土裂缝总面积A达到混凝土表面裂缝总面积限值Amax时,判定其对混凝土结构的安全性存在威胁。此时采用混凝土裂缝面积判断准则。根据混凝土结构重要性,分别设定混凝土表面单条裂缝面积的安全权重系数为KAi,混凝土表面裂缝总面积的安全权重系数为KA,则混凝土裂缝面积的安全性判定标准及相应的权重系数如表2所示。
表2 混凝土裂缝面积安全性判定标准及权重系数
在确定混凝土表面单条裂缝面积的限值Aimax和混凝土表面裂缝总面积限值Amax时,Aimax的取值为混凝土结构监测区域面积的10-5~10-3之间,Amax的取值为Aimax面积的1.5~3倍。
在确定混凝土表面单条裂缝面积的安全性权重系数KAi和混凝土表面裂缝总面积的安全性权重系数KA时,表2中具体取值范围为0<kAi≤5,kA的取值为kAi的2~3倍。
当所有m条混凝土裂缝中某单条裂缝长度达到混凝土表面单条裂缝长度的限值Limax时,判定其对混凝土结构的安全性存在威胁;或者,当所有m条混凝土裂缝总长度L达到混凝土表面裂缝总长度限值Lmax时,判定其对混凝土结构的安全性存在威胁。此时采用混凝土裂缝长度判断准则。根据混凝土结构重要性,分别设定混凝土表面单条裂缝长度的安全权重系数为KLi,混凝土表面裂缝总长度的安全权重系数为KL,则混凝土裂缝长度的安全性判定标准及相应的权重系数如表3所示。
表3 混凝土裂缝长度安全性判定标准及权重系数
在确定混凝土表面单条裂缝长度的限值Limax和混凝土表面裂缝总长度限值Lmax时,Limax的取值为混凝土结构监测区域长度的10-2~10-1之间,Lmax的取值为Limax的1.5~3倍。
在确定混凝土表面单条裂缝长度的安全性权重系数KLi和混凝土表面裂缝总长度的安全性权重系数KL时,表3中具体取值范围为0<kLi≤5,kL的取值为kLi的2~3倍。
当所有m条混凝土裂缝中单条裂缝的裂缝宽度达到混凝土表面单条裂缝宽度的限值Wimax时,判定其对混凝土结构的安全性存在威胁;或者,当所有m条混凝土裂缝总宽度W达到混凝土表面裂缝总宽度限值Wmax时,判定其对混凝土结构的安全性存在威胁。此时可以采用混凝土裂缝宽度判断准则。根据混凝土结构重要性,分别设定混凝土表面单条裂缝宽度的安全权重系数为KWi,混凝土表面总裂缝宽度的安全权重系数为KW,则混凝土裂缝宽度的安全性判定标准及相应的权重系数如表4所示。
表4 混凝土裂缝宽度安全性判定标准及权重系数
在确定混凝土表面单条裂缝宽度的限值Wimax和混凝土表面裂缝总宽度限值Wmax时,Wimax的取值为0.05mm~0.5mm之间,Wmax的取值为Wimax的1.5~3倍。
在确定混凝土表面单条裂缝宽度的安全性权重系数KWi和混凝土表面裂缝总宽度的安全性权重系数KW时,表4中具体取值范围为0<kWi≤5,kw的取值为kWi的2~3倍。
根据混凝土结构的重要性,混凝土裂缝开裂风险的判定标准将不仅限于表1-4中所列举的判定标准。可以根据具体实际情况进行设定。
B、开裂风险评估
本发明中分别考虑了混凝土裂缝位置、混凝土裂缝面积、混凝土裂缝长度以及混凝土裂缝宽度对混凝土安全性的影响,并设定了相应的判别标准与权重系数。同时也要考虑混凝土裂缝数量对混凝土开裂风险的作用。
在本发明中,混凝土结构开裂风险的实时评价系数通过下式计算:
Kc=nSI·KSI+nSII·KSII+nSIII·KSIII+nAi·KAi+KA+nLi·KLi+KL+nWi·KWi+KW
式中:
Kc为混凝土结构开裂风险实时评价系数;
nSI、nSII、nSIII分别为位于混凝土表面限制区域SI、SII、SIII的裂缝数量;
KSI、KSII、KSIII分别为混凝土表面限制区域SI、SII、SIII的安全权重系数;
nAi为裂缝面积达到单条裂缝面积限值的裂缝数量;
KAi为混凝土表面单条裂缝面积的安全性权重系数;
KA为混凝土表面裂缝总面积的安全性权重系数;
nLi为裂缝长度达到单条裂缝长度限值的裂缝数量;
KLi为混凝土表面单条裂缝长度的安全性权重系数;
KL为混凝土表面裂缝总长度的安全性权重系数;
nWi为裂缝宽度达到单条裂缝宽度限值的裂缝数量;
KWi为混凝土表面单条裂缝宽度的安全性权重系数;
KW为混凝土表面裂缝总宽度的安全性权重系数;
C、开裂风险评价
根据混凝土结构的重要性,设置多级开裂风险评价系统,设定混凝土结构安全性评价阈值KC1、KC2、KC3、KC4(KC1<KC2<KC3<KC4)。根据采集到的混凝土裂缝实时监测数据,对比混凝土结构开裂风险实时评价系数KC与安全性阈值,动态评价混凝土结构安全状态。开裂风险的多级动态评估标准与判定条件可以见表5。
表5 混凝土开裂风险的多级动态评估标准及判定条件
安全等 | 判定条件 | 说明 |
级 | ||
I级 | KC<KC1 | 安全 |
II级 | KC1≤KC<KC2 | 较安全 |
III级 | KC2≤KC<KC3 | 危险 |
IV级 | KC3≤KC<KC4 | 较危险 |
V级 | KC4≤KC | 非常危险 |
在确定混凝土结构安全性评价阈值KC1、KC2、KC3、KC4时,其取值范围为0<KC1≤30,30<KC2≤60,60<KC3≤90,90<KC4。
本发明中,混凝土的安全等级不限于表5中所列的V级安全等级。根据混凝土结构的重要性,可以根据具体情况设定混凝土结构的安全等级动态评价标准。
与现有技术相比,本发明的有益效果是:
本发明有效克服了目前混凝土裂缝监测技术的成本高、精度低的缺点,基于数字图像相关技术,提取混凝土表面裂缝的相关信息。有效避免了数字图像法在提取混凝土裂缝时裂缝边界的误判问题,可以精确地识别混凝土表面裂缝的边界,混凝土裂缝的图形化提取方法具有准确、方便、快捷的优点。基于数字图像技术分析混凝土裂缝信息,裂缝特征参数的算法具有良好的计算精度,同时也可以实现混凝土裂缝信息识别的批量化与程序化的处理,大大提高了信息采集效率,有效节省人力成本。混凝土开裂风险的评估方法采用多级评价体系,面向混凝土表面裂缝的实时监测数据,实现评价混凝土开裂风险的动态评估,可以更加客观、灵活地评价混凝土结构的安全性。
附图说明
图1混凝土表面裂缝实时监测系统示意图;
图2混凝土结构开裂风险评估的流程示意图;
图3混凝土裂缝信息提取示意图;
图4钢筋混凝土试件纵向断面示意图;
图5钢筋混凝土试件横向断面示意图;
图6钢筋混凝土试件表面散斑图像;
图7试验工作系统示意图;
图8混凝土表面广义主应变场二维分布;
图9混凝土表面广义主应变场三维分布;
图10混凝土表面广义主应变阈值点的提取;
图11混凝土裂缝边界点的识别;
图12混凝土表面裂缝面积实时监测曲线
图13混凝土表面裂缝长度实时监测曲线
图14混凝土表面裂缝宽度实时监测曲线
图15混凝土结构开裂风险动态评价
图中附图标记为:1-混凝土裂缝边界Run;2-混凝土裂缝内部像素点;3-混凝土裂缝端点Sn(xs,ys);4-混凝土裂缝边界Rbn;5-混凝土裂缝端点En(xe,ye);-6数码相机;7-CCD镜头;8-数据连接线;9-计算机与存储硬盘;10-待锈钢筋;11-不锈钢筋;12-钢筋混凝土试件;13-NaCl溶液;14-外接电源;15-混凝土表面广义主应变阈值点;16-混凝土表面裂缝的边界。
具体实施方式
如图1所示,本发明提供一种基于数字图像技术的混凝土表面裂缝实时监测与开裂风险的动态评估方法,该系统包括数字图像采集系统、数字图像存储系统、数字图像处理分析系统以及开裂风险动态评估系统。数字图像采集系统包括CCD镜头与数码相机;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采集系统相连。数字图像处理分析系统和开裂风险动态评估系统统是内置于计算机上的软件功能模块,各自实现的功能如发明内容部分所述,此处不再赘述。
如图2所示,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;同时获取像素点的边长l;
(3)数字图像采集与存储
根据测试精度的要求设定CCD镜头与相机的拍照频率;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镜头与相机以及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;
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:
(5)混凝土裂缝信息的识别
基于数字图像技术,本发明分别提出了混凝土表面裂缝的位置、面积、长度、宽度等特征参数的识别方法。具体流程如下:
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、在某一时刻,当混凝土表面广义主应变场的主应变值达到某一阈值时,得到广义主应变达到某阈值的像素点P1,其坐标为(x1,y1);根据混凝土表面广义主应变场分布的连续性,得可以到P1点相邻的像素点中广义主应变值达到阈值点的像素点P2,记录其坐标值(x2,y2);依次在已经获得的像素点周围提取混凝土表面广义主应变达到阈值的像素点,直到提取混凝土表面所有广义主应变达到阈值的像素点。假设混凝土表面上广义主应变达到阈值的像素点共有N个,根据混凝土表面广义主应变的分布特性,此N个像素点将连接为m条闭合曲线(m≥1);当此阈值为混凝土表面裂缝的开裂应变时,由混凝土表面广义主应变的分布特征,每条闭合曲线都代表了一条混凝土表面裂缝的边界点,m即为混凝土表面裂缝的数量;
C、选取第n条闭合曲线所代表的混凝土裂缝。
假设此闭合曲线及内部共包含了kn个像素点,此kn个像素点构成的集合为{Cn},则此裂缝的位置可以由集合{Cn}中所有像素点(xi,yi)所代表,即:
(xi,yi)∈{Cn} i=1,2,……,kn
已知单个像素点边长为l,则第n条混凝土裂缝的面积An为:
An=kn·l2
如图3所示,假设此闭合曲线上共有Qn个像素点(Qn≤N),此闭合曲线代表了相应混凝土裂缝的边界,也即表明了混凝土裂缝的位置与走向;根据混凝土裂缝边界的走向,可以识别混凝土裂缝的2个端点Sn(xs,ys)与En(xe,ye);由于端点Sn与En位于此闭合曲线上,因此由端点Sn出发,沿着混凝土裂缝边界上的各个像素点,共有2条路径可以达到端点En,分布命名此2条路径为Run与Rbn;根据数字图像的分析理论,从端点Sn出发沿着路径Run达到端点En,遍历所有Ru路径上所有像素点得到的混凝土裂缝长度Lun为:
式中:
(xi,yi)为路径Run上某个像素点的坐标;
(xi+1,yi+1)为路径Run上与(xi,yi)相邻的像素点的坐标;
Qun为路径Run上所有像素点的数量;
同理,从端点Sn出发沿着路径Rbn得达到端点En,遍历路径Rbn上所有像素点得到的混凝土裂缝长度Lbn为:
式中:
(xi,yi)为路径Rbn上某个像素点的坐标;
(xi+1,yi+1)为路径Rbn上与(xi,yi)相邻的像素点的坐标;
Qbn为路径Rbn上所有像素点的数量;
则第n条混凝土裂缝的长度Ln为Lun与Lbn的较大值,即:
Ln=max(Lun,Lbn)
根据最小距离法,第n条混凝土裂缝的路径Run上某一像素点(xi,yi)到路径Rbn上所有像素点距离中的最小值就是像素点(xi,yi)对应裂缝宽度Wi,即:
则第n条混凝土裂缝的宽度Wn为路径Run上所有像素点对应的裂缝宽度Wi的最大值,即:
Wn=max[Wi(xi,yi)] (xi,yi)∈Run,i=1,2,……,Qun
D、在取得混凝土表面所有m条裂缝的相关信息参数之后,可以汇总分析混凝土表面裂缝的参数。
已知第n条裂缝的所有像素点的集合{Cn},混凝土表面裂缝位置可以用所有m条裂缝像素点的集合{C中的像素点(xi,yi)进行表征,即:
(xi,yi)∈{C} {C}={C1}∪{C2}∪……∪{Cm}i=1,2,……,N
混凝土表面所有裂缝的总面积A可以用单条裂缝面积Ai的和进行表示,即:
混凝土表面所有裂缝的长度L可以用单条裂缝长度Li的和进行表示,即:
混凝土表面所有裂缝的总宽度W可以用单条裂缝宽度Wi的和进行表示,即:
E、在取得某一时刻混凝土表面裂缝的参数后,将不同时刻混凝土表面单条裂缝的位置、面积、长度、宽度,以及混凝土表面所有裂缝的位置信息、总面积、总长度、总宽度进行分析,可以获得混凝土表面裂缝的实时信息,从而可以实时监测混凝土表面开裂情况。
(6)混凝土开裂风险评估
A、设定混凝土开裂风险分级判定标准
根据混凝土结构的安全性与耐久性要求,分别设定混凝土裂缝的位置、混凝土裂缝的面积、混凝土裂缝的长度、混凝土裂缝的宽度设定相应的安全判定标准以及相应的权重系数。
当所有m条混凝土裂缝中任一条裂缝中存在一个像素点(xi,yi)位于混凝土表面的限制区域时,就可以判定其对混凝土结构的安全性存在威胁,因此采用混凝土裂缝位置判断准则。根据混凝土结构重要性,分别设定混凝土表面的限制区域为SI、SII、SIII,其相应的像素点集合用{SI}、{SII}、{SIII}表示,用其相应的安全性权重系数分别为KSI、KSII、KSIII。则混凝土裂缝位置的安全性判定标准及相应的权重系数如表6所示。
表6 混凝土裂缝位置安全性判定标准及权重系数
在确定混凝土表面的限制区域SI、SII、SIII时,根据3个主要条件进行判别:①区域内的裂缝将主要影响混凝土结构外观;②区域内的混凝土裂缝将导致钢筋锈蚀;③区域内的混凝土裂缝将导致混凝土结构破坏或承载力降低。当只满足条件①时,认为其属于限制区域SI;当同时满足条件①与②时,认为其属于限制区域SII;当同时满足条件①、②与③时,认为其属于限制区域SIII。
在确定混凝土表面限制区域SI、SII、SIII的安全权重系数KSI、KSII、KSIII时,其表1中取值范围分别为0<kSI≤5、5<kSII≤10、10<kSIII≤20。
需要说明的是,混凝土表面的限制区域不仅限于表1中所列的三级限制区域SI、SII、SIII。根据结构的重要性以及实际情况,工程技术人员可以增加或减少混凝土表面限制区域的数量。
当所有m条混凝土裂缝中某单条裂缝面积达到混凝土表面单条裂缝面积的限值Aimax时,就可以判定此裂缝宽度对混凝土结构的安全性存在威胁;同时,当所有m条混凝土裂缝总面积A达到混凝土表面裂缝总面积限值Amax时,也可以判定其对混凝土结构的安全性存在威胁。此时可以采用混凝土裂缝面积判断准则。根据混凝土结构重要性,分别设定混凝土表面单条裂缝面积的安全权重系数为KAi,混凝土表面总裂缝面积的安全权重系数为KA,则混凝土裂缝面积的安全性判定标准及相应的权重系数如表7所示。
表7 混凝土裂缝面积安全性判定标准及权重系数
在确定混凝土表面单条裂缝面积的限值Aimax和混凝土表面裂缝总面积限值Amax时,Aimax的取值为混凝土结构监测区域面积的10-5~10-3之间,Amax的取值为Aimax面积的1.5~3倍。
在确定混凝土表面单条裂缝面积的安全性权重系数KAi和混凝土表面裂缝总面积的安全性权重系数KA时,表2中具体取值范围为0<kAi≤5,kA的取值为kAi的2~~3倍。
当所有m条混凝土裂缝中某单条裂缝长度达到混凝土表面单条裂缝长度的限值Limax时,就可以判定其对混凝土结构的安全性存在威胁;同时,当所有m条混凝土裂缝总长度L达到混凝土表面裂缝总长度限值Lmax时,也可以判定其对混凝土结构的安全性存在威胁。此时可以采用混凝土裂缝长度判断准则。根据混凝土结构重要性,分别设定混凝土表面单条裂缝长度的安全权重系数为KLi,混凝土表面裂缝总长度的安全权重系数为KL,则混凝土裂缝长度的安全性判定标准及相应的权重系数如表8所示。
表8 混凝土裂缝长度安全性判定标准及权重系数
在确定混凝土表面单条裂缝长度的限值Limx和混凝土表面裂缝总长度限值Lmax时,Limax的取值为混凝土结构监测区域长度的10-210-1之间,Lmax的取值为Limax的1.5~3倍。
在确定混凝土表面单条裂缝长度的安全性权重系数KLi和混凝土表面裂缝总长度的安全性权重系数KL时,表3中具体取值范围为0<kLi≤5,kL的取值为kLi的2~3倍。
当所有m条混凝土裂缝中单条裂缝的裂缝宽度达到混凝土表面单条裂缝宽度的限值Wimax时,就可以判定其对混凝土结构的安全性存在威胁;同时,当所有m条混凝土裂缝总宽度W达到混凝土表面裂缝总宽度限值Wmax时,也可以判定其对混凝土结构的安全性存在威胁。此时可以采用混凝土裂缝宽度判断准则。根据混凝土结构重要性,分别设定混凝土表面单条裂缝宽度的安全权重系数为KWi,混凝土表面总裂缝宽度的安全权重系数为KW,则混凝土裂缝宽度的安全性判定标准及相应的权重系数如表9所示。
表9 混凝土裂缝宽度安全性判定标准及权重系数
在确定混凝土表面单条裂缝宽度的限值Wimax和混凝土表面裂缝总宽度限值Wmax时,Wimax的取值为0.05mm~0.5mm之间,Wmax的取值为Wimax的1.5~3倍。
在确定混凝土表面单条裂缝宽度的安全性权重系数KWi和混凝土表面裂缝总宽度的安全性权重系数KW时,表4中具体取值范围为0<kWi≤5,kw的取值为kWi的2~3倍。
根据混凝土结构的重要性,混凝土裂缝开裂风险的判定标准将不仅限于表1-4中所列举的判定标准。可以根据具体实际情况进行设定。
B、开裂风险评估
本发明中分别考虑了混凝土裂缝位置、混凝土裂缝面积、混凝土裂缝长度以及混凝土裂缝宽度对混凝土安全性的影响,并设定了相应的判别标准与权重系数。同时也要考虑混凝土裂缝数量对混凝土开裂风险的作用。
在本发明中,混凝土结构开裂风险的实时评价系数可以通过下式计算:
Kc=nSI·KSI+nSII·KSII+nSIII·KSIII+nAi·KAi+KA+nLi·KLi+KL+nWi·KWi+KW
式中:
Kc为混凝土结构开裂风险实时评价系数;
nSI、nSII、nSIII分别为位于混凝土表面限制区域SI、SII、SIII的裂缝数量;
KSI、KSII、KSIII分别为混凝土表面限制区域SI、SII、SIII的安全性权重系数;
nAi为裂缝面积达到单条裂缝面积限值的裂缝数量;
KAi为混凝土表面单条裂缝面积的安全性权重系数;
KA为混凝土表面裂缝总面积的安全性权重系数,当A<Amax时,KA=0;;
nLi为裂缝长度达到单条裂缝长度限值的裂缝数量;
KLi为混凝土表面单条裂缝长度的安全性权重系数;
KL为混凝土表面裂缝总长度的安全性权重系数;
nWi为裂缝宽度达到单条裂缝宽度限值的裂缝数量;
KWi为混凝土表面单条裂缝宽度的安全性权重系数;
KW为混凝土表面裂缝总宽度的安全性权重系数;
C、开裂风险评价
根据混凝土结构的重要性,设置多级开裂风险评价系统,设定混凝土结构安全性阈值KC1、KC2、KC3、KC4(KC1<KC2<KC3<KC4)。根据采集到的混凝土裂缝实时监测数据,对比混凝土结构开裂风险实时评价系数KC与安全性阈值,动态评价混凝土结构安全状态。开裂风险的动态评估标准与方法可以见表10.
表10 混凝土开裂风险的多级动态评估标准及判定条件
在确定混凝土结构安全性评价阈值KC1、KC2、KC3、KC4时,其取值范围为0<KC1≤30,30<KC2≤60,60<KC3≤90,90<KC4。
本发明中,混凝土的安全等级不限于表5中所列的V级安全等级。根据混凝土结构的重要性,可以根据具体情况设定混凝土结构的安全等级动态评价标准。
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,采用本发明实时监测混凝土裂缝的特征参数,并对混凝土的开裂风险进行动态评估。
混凝土中水泥、水、细骨料与粗骨料的配合比为1∶0.53∶2∶3.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;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.混凝土梁中纵筋采用一根Φ10HPB235钢筋,箍筋为Φ6100,试件尺寸为100mm×100mm×400mm,试件配筋如图4与图5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6所示。
试验前首先在外露钢筋处焊接导线,再采用环氧树脂对钢筋外露部分进行密封处理,完成后将混凝土试件浸泡在5%的NaCl溶液中72h.试验采用半浸泡外加电流加速锈蚀方法,将钢筋混凝土试件部分置于浓度为5%的NaCl电解质溶液中,混凝土试件底面到水面的高度为36mm,同时在溶液中放入不锈钢筋作为辅助电极(阴极),接稳定电流仪的负极,混凝土试块内待锈钢筋作为阳极,接稳定电流仪正极。试验锈蚀方法如图7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上附着的锈蚀物进行清除,保证加速锈蚀效率。
在使用CCD相机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7。
在整个试验过程中采用两个德国BASLER牌A406K型号CCD相机,搭配Nikon IFAspherical 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。当t为178小时,对数字图像进行处理分析后计算得到混凝土二维广义主应变场与三维广义主应变场分布图如图8与图9所示。
在图9中,取混凝土广义主应变阈值为400με,即当混凝土表面的广义应变大于400με时,认为混凝土开裂。混凝土表面广义主应变值大于400με的区域都处于混凝土裂缝区域。如图10所示,由混凝土表面广义主应变的分布特性,提取混凝土表面广义主应变为400με的应变点,可以得到一条闭合曲线。此闭合曲线在混凝土表面的对应的像素点,就代表了混凝土表面裂缝的边界。由图11表明了,在t为178h时,所识别得到的混凝土表面裂缝边界。
在锈蚀时间为178h时,混凝土表面只出现一条裂缝。裂缝的位置信息可以用采集到的裂缝边界来表征。采用混凝土表面裂缝的裂缝面积、裂缝长度与裂缝宽度的计算公式,可以求得178h时,混凝土表面裂缝的特征参数如下表所示。
表11 锈蚀时间为178h时混凝土表面裂缝的特征参数
采用本发明提出的混凝土裂缝特征参数算法,混凝土表面裂缝的面积、长度与宽度随时间的发展变化如图12-14所示。
根据混凝土结构的重要性,设定混凝土裂缝位置、裂缝面积、裂缝长度以及裂缝宽度的安全性判定标准和权重系数如表12所示。
基于表12,根据本案例中混凝土结构的动态监测结果,可以得到混凝土结构安全性评价系数随时间的发展变化曲线如图15所示
本案例中,设定混凝土结构安全性阈值如表13所示。根据表13中的混凝土结构安全性阈值,对混凝土结构的开裂风险进行实时评价的结果可见图15.
由图15可知,在139h之前,混凝土结构在未出现裂缝以及裂缝出现的早期,由于裂缝较短,裂缝面积较小,裂缝宽度较小,裂缝位置未达到影响混凝土结构安全性的核心区等原因,混凝土结构处于安全状态。随着裂缝的扩展,裂缝长度增加,裂缝面积增大,裂缝宽度加宽,并且裂缝扩展到了影响混凝土结构安全性的核心区域,混凝土结构的开裂风险评价系数逐渐增大。在238h时,混凝土结构的开裂风险评价系数超过100,表明混凝土结构处于非常危险的状态。此时混凝土结构应该进行相应的维护以及维修。
从本案例可知,本发明提供的混凝土表面裂缝的实时监测系统可以准确地识别混凝土结构表面裂缝的参数。结合混凝土结构安全性动态评估体系,可以对混凝土结构的安全性状态进行动态评价。评价的方法更加客观、简便,这对于提高混凝土结构的安全性,为混凝土结构的维护及维修提供科学的指导具有重要意义。
表12 混凝土结构的安全性判定标准和权重系数
表13 混凝土结构安全性阈值
安全阈值 | KC1 | KC2 | KC3 | KC4 |
设定值 | 25 | 50 | 75 | 100 |
Claims (4)
1.一种混凝土表面裂缝实时监测系统,包括数字图像采集系统,其特征在于,还包括数字图像存储系统、数字图像处理分析系统和裂缝参数识别系统;所述数字图像采集系统包括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采集系统相连;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,获得混凝土的广义主应变场分布;所述裂缝参数识别系统是安装于计算机上的软件功能模块,能够基于混凝土表面的广义主应变场分布,识别混凝土表面裂缝边界,通过参数识别算法,获得混凝土表面裂缝的实时信息。
2.一种混凝土开裂风险的动态评估方法,其特征在于,是利用CCD镜头或数码相机拍摄混凝土材料待测试件表面的图像,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;据此判断混凝土的变形与位移,获得混凝土的应变值;通过混凝土表面的主应变场分布图判别混凝土裂缝位置,利用数字图像处理技术识别混凝土裂缝的位置、面积、长度与宽度的特征参数;基于预先设定的混凝土裂缝位置、裂缝宽度、裂缝长度、裂缝面积的安全性指标进行权重分级,定量化地形成混凝土开裂风险分级评价标准,然后对比采集到的混凝土裂缝特征参数,实现混凝土开裂风险的动态评估。
3.根据权利要求2所述的方法,其特征在于,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的涂层,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;同时获取数字图像像素点的边长l;
(3)数字图像采集与存储
根据测试精度的要求设定CCD镜头与相机的拍照频率;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、相机及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与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;
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:
(5)混凝土裂缝信息的识别
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、在某一时刻,当混凝土表面广义主应变场的主应变值达到某一阈值时,得到广义主应变达到某阈值的像素点P1,其坐标为(x1,y1);根据混凝土表面广义主应变场分布的连续性,得到P1点相邻的像素点中广义主应变值达到阈值点的像素点P2,记录其坐标值(x2,y2);依次在已经获得的像素点周围提取混凝土表面广义主应变达到阈值的像素点,直到提取混凝土表面所有广义主应变达到阈值的像素点;假设混凝土表面上广义主应变达到阈值的像素点共有N个,根据混凝土表面广义主应变的分布特性,此N个像素点将连接为m条闭合曲线,m≥1;当此阈值为混凝土表面裂缝的开裂应变时,由混凝土表面广义主应变的分布特征,每条闭合曲线都代表了一条混凝土表面裂缝的边界点,m即为混凝土表面裂缝的数量;
C、选取第n条闭合曲线所代表的混凝土裂缝;
假设此闭合曲线及内部共包含了kn个像素点,此kn个像素点构成的集合为{Cn},则此裂缝的位置能够由集合{Cn}中所有像素点(xi,yi)所代表,即:
(xi,yi)∈{Cn}i=1,2,……,kn
已知单个像素点边长为l,则第n条混凝土裂缝的面积An为:
An=kn·l2
假设此闭合曲线上共有Qn个像素点,Qn≤N,此闭合曲线代表了相应混凝土裂缝的边界,也即表明了混凝土裂缝的位置与走向;根据混凝土裂缝边界的走向,能够识别混凝土裂缝的两个端点Sn(xs,ys)与En(xe,ye);由于端点Sn与En位于此闭合曲线上,因此由端点Sn出发,沿着混凝土裂缝边界上的各个像素点,共有2条路径能达到端点En,分别命名此2条路径为Run与Rbn;根据数字图像的分析理论,从端点Sn出发沿着路径Run达到端点En,遍历所有Ru路径上所有像素点得到的混凝土裂缝长度Lun为:
式中:
(xi,yi)为路径Run上某个像素点的坐标;
(xi+1,yi+1)为路径Run上与(xi,yi)相邻的像素点的坐标;
Qnn为路径Run上所有像素点的数量;
同理,从端点Sn出发沿着路径Rbn得达到端点En,遍历路径Rbn上所有像素点得到的混凝土裂缝长度Lbn为:
式中:
(xi,yi)为路径Rbn上某个像素点的坐标;
(xi+1,yi+1)为路径Rbn上与(xi,yi)相邻的像素点的坐标;
Qbn为路径Rbn上所有像素点的数量;
则第n条混凝土裂缝的长度Ln为Lun与Lbn的较大值,即:
Ln=max(Lun,Lbn)
根据最小距离法,第n条混凝土裂缝的路径Run上某一像素点(xi,yi)到路径Rbn上所有像素点距离中的最小值就是像素点(xi,yi)对应裂缝宽度Wi,即:
则第n条混凝土裂缝的宽度Wn为路径Run上所有像素点对应的裂缝宽度Wi的最大值,即:
Wn=max[Wi(xi,yi)] (xi,yi)∈Run,i=1,2,……,Qun
D、在取得混凝土表面所有m条裂缝的相关信息参数之后,汇总分析混凝土表面裂缝的参数;
已知第n条裂缝的所有像素点的集合{Cn},混凝土表面裂缝位置用所有m条裂缝像素点的集合{C中的像素点(xi,yi)进行表征,即:
(xi,yi)∈{C} {C}={C1}∪{C2)∪……∪{Cm}i=1,2,……,N
混凝土表面所有裂缝的总面积A用单条裂缝面积Ai的和进行表示,即:
混凝土表面所有裂缝的长度L用单条裂缝长度Li的和进行表示,即:
混凝土表面所有裂缝的总宽度W用单条裂缝宽度Wi的和进行表示,即:
E、在取得某一时刻混凝土表面裂缝的参数后,将不同时刻混凝土表面单条裂缝的位置、面积、长度、宽度,以及混凝土表面所有裂缝的位置信息、总面积、总长度、总宽度进行分析,获得混凝土表面裂缝的实时信息,从而实时监测混凝土表面裂缝的开展情况;
(6)混凝土开裂风险评估
A、设定混凝土开裂风险分级判定标准
根据混凝土结构的安全性与耐久性要求,分别设定混凝土裂缝的位置、混凝土裂缝的面积、混凝土裂缝的长度、混凝土裂缝的宽度设定相应的安全判定标准以及相应的权重系数;
采用混凝土裂缝位置判断准则:当所有m条混凝土裂缝中任一条裂缝中存在一个像素点(xi,yi)位于混凝土表面的限制区域时,判定其对混凝土结构的安全性存在威胁;根据混凝土结构重要性,分别设定混凝土表面的限制区域为SI、SII、SIII,其相应的像素点集合用{SI}、{SII}、{SIII}表示,其相应的安全性权重系数分别为KSI、KSII、KSIII;则混凝土裂缝位置的安全性判定标准及相应的权重系数如表1所示;
表1 混凝土裂缝位置安全性判定标准及权重系数
在确定混凝土表面的限制区域SI、SII、SIII时,根据3个条件进行判别:①区域内的裂缝将影响混凝土结构外观;②区域内的混凝土裂缝将导致钢筋锈蚀;③区域内的混凝土裂缝将导致混凝土结构破坏或承载力降低;当只满足条件①时,认为其属于限制区域SI;当同时满足条件①与②时,认为其属于限制区域SII;当同时满足条件①、②与③时,认为其属于限制区域SIII;
在确定混凝土表面限制区域SI、SII、SIII的安全权重系数KSI、KSII、KSIII时,其取值范围分别为0<kSI≤5、5<kSII≤10、10<kSIII≤20;
采用混凝土裂缝面积判断准则:当所有m条混凝土裂缝中某单条裂缝面积达到混凝土表面单条裂缝面积的限值Aimax时,就判定此裂缝宽度对混凝土结构的安全性存在威胁;或者,当所有m条混凝土裂缝总面积A达到混凝土表面裂缝总面积限值Amax时,判定其对混凝土结构的安全性存在威胁;根据混凝土结构重要性,分别设定混凝土表面单条裂缝面积的安全权重系数为KAi,混凝土表面裂缝总面积的安全权重系数为KA,则混凝土裂缝面积的安全性判定标准及相应的权重系数如表2所示;
表2 混凝土裂缝面积安全性判定标准及权重系数
在确定混凝土表面单条裂缝面积的限值Aimax和混凝土表面裂缝总面积限值Amax时,Aimax的取值为混凝土结构监测区域面积的10-5~10-3之间,Amax的取值为Aimax面积的1.5~3倍;
在确定混凝土表面单条裂缝面积的安全性权重系数KAi和混凝土表面裂缝总面积的安全性权重系数KA时,具体取值范围为0<kAi≤5,kA的取值为kAi的2~3倍;
采用混凝土裂缝长度判断准则:当所有m条混凝土裂缝中某单条裂缝长度达到混凝土表面单条裂缝长度的限值Liwx时,判定其对混凝土结构的安全性存在威胁;或者,当所有m条混凝土裂缝总长度L达到混凝土表面裂缝总长度限值Lmax时,判定其对混凝土结构的安全性存在威胁;根据混凝土结构重要性,分别设定混凝土表面单条裂缝长度的安全权重系数为KLi,混凝土表面裂缝总长度的安全权重系数为KL,则混凝土裂缝长度的安全性判定标准及相应的权重系数如表3所示;
表3 混凝土裂缝长度安全性判定标准及权重系数
在确定混凝土表面单条裂缝长度的限值Limax和混凝土表面裂缝总长度限值Lmax时,Limax的取值为混凝土结构监测区域长度的10-2~10-1之间,Lmax的取值为Limax的1.5~3倍;
在确定混凝土表面单条裂缝长度的安全性权重系数KLi和混凝土表面裂缝总长度的安全性权重系数KL时,具体取值范围为0<kLi≤5,kL的取值为kLi的2~3倍;
采用混凝土裂缝宽度判断准则:当所有m条混凝土裂缝中单条裂缝的裂缝宽度达到混凝土表面单条裂缝宽度的限值Wimax时,判定其对混凝土结构的安全性存在威胁;或者,当所有m条混凝土裂缝总宽度W达到混凝土表面裂缝总宽度限值Wmax时,判定其对混凝土结构的安全性存在威胁;根据混凝土结构重要性,分别设定混凝土表面单条裂缝宽度的安全权重系数为KWi,混凝土表面总裂缝宽度的安全权重系数为KW,则混凝土裂缝宽度的安全性判定标准及相应的权重系数如表4所示;
表4 混凝土裂缝宽度安全性判定标准及权重系数
在确定混凝土表面单条裂缝宽度的限值Wimax和混凝土表面裂缝总宽度限值Wmax时,Wimax的取值为0.05mm~0.5mm之间,Wmax的取值为Wimax的1.5~3倍;
在确定混凝土表面单条裂缝宽度的安全性权重系数KWi和混凝土表面裂缝总宽度的安全性权重系数KW时,具体取值范围为0<kWi≤5,kw的取值为kWi的2~3倍;
B、开裂风险评估
混凝土结构开裂风险的实时评价系数通过下式计算:
Kc=nSI·KSI+nSII·KSII+nSIII·KSIII+nAi·KAi+KA+nLi·KLi+KL+nWi·KWi+KW
式中:
Kc为混凝土结构开裂风险实时评价系数;
nSI、nSII、nSIII分别为位于混凝土表面限制区域SI、SII、SIII的裂缝数量;
KSI、KSII、KSIII分别为混凝土表面限制区域SI、SII、SIII的安全权重系数;
nAi为裂缝面积达到单条裂缝面积限值的裂缝数量;
KAi为混凝土表面单条裂缝面积的安全性权重系数;
KA为混凝土表面裂缝总面积的安全性权重系数;
nLi为裂缝长度达到单条裂缝长度限值的裂缝数量;
KLi为混凝土表面单条裂缝长度的安全性权重系数;
KL为混凝土表面裂缝总长度的安全性权重系数;
nWi为裂缝宽度达到单条裂缝宽度限值的裂缝数量;
KWi为混凝土表面单条裂缝宽度的安全性权重系数;
KW为混凝土表面裂缝总宽度的安全性权重系数;
C、开裂风险评价
根据混凝土结构的重要性,设置多级开裂风险评价系统,设定混凝土结构安全性评价阈值KC1、KC2、KC3、KC4,KC1<KC2<KC3<KC4;根据采集到的混凝土裂缝实时监测数据,对比混凝土结构开裂风险实时评价系数KC与安全性阈值,动态评价混凝土结构安全状态;开裂风险的多级动态评估标准与判定条件见表5;
表5 混凝土开裂风险的多级动态评估标准及判定条件
在确定混凝土结构安全性评价阈值KC1、KC2、KC3、KC4时,其取值范围为0<KC1≤30,30<KC2≤60,60<KC3≤90,90<KC4。
4.根据权利要求3所述的方法,其特征在于,在确定混凝土表面裂缝边界时,混凝土广义主应变场主应变阈值取为150~450με。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410630780.8A CN104483330B (zh) | 2014-11-11 | 2014-11-11 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410630780.8A CN104483330B (zh) | 2014-11-11 | 2014-11-11 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104483330A true CN104483330A (zh) | 2015-04-01 |
CN104483330B CN104483330B (zh) | 2017-03-29 |
Family
ID=52757899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410630780.8A Active CN104483330B (zh) | 2014-11-11 | 2014-11-11 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104483330B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568981A (zh) * | 2015-01-06 | 2015-04-29 | 中科华核电技术研究院有限公司北京分公司 | 基于图像的建筑物墙壁缺陷测量方法及其系统 |
CN104965004A (zh) * | 2015-06-11 | 2015-10-07 | 四川大学 | 钢筋同轴电缆结构一维混凝土健康监测方法及阶跃测试仪 |
CN105043991A (zh) * | 2015-06-08 | 2015-11-11 | 山东雅百特科技有限公司 | 金属结构智能监测系统 |
CN106770360A (zh) * | 2016-12-22 | 2017-05-31 | 重庆交通大学 | 一种混凝土工作应力测量方法 |
CN106872472A (zh) * | 2017-01-17 | 2017-06-20 | 中交武汉港湾工程设计研究院有限公司 | 混凝土外观质量检测评价方法 |
CN107101897A (zh) * | 2017-05-26 | 2017-08-29 | 东北石油大学 | 一种平面展布水力压裂裂缝扩展的模拟方法及装置 |
JP2017219314A (ja) * | 2016-06-02 | 2017-12-14 | 日本電信電話株式会社 | 劣化部位検知装置、劣化部位検知方法およびプログラム |
CN107607397A (zh) * | 2017-09-15 | 2018-01-19 | 重庆交通大学 | 缺陷检测方法及装置 |
CN107622509A (zh) * | 2017-09-15 | 2018-01-23 | 重庆交通大学 | 变形长期监测方法及装置 |
CN107918932A (zh) * | 2017-11-15 | 2018-04-17 | 广西大学 | 基于钢筋全角度锈蚀形态图像计算锈蚀特征参数的方法 |
CN108229461A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种基于深度学习的隧道裂缝快速识别方法 |
CN108225170A (zh) * | 2018-01-16 | 2018-06-29 | 魏世玉 | 一种磁式裂缝监测预警装置及其使用方法 |
CN108320284A (zh) * | 2018-02-06 | 2018-07-24 | 重庆交通大学 | 对钢管混凝土结构界面状态的检测方法及装置 |
CN108444921A (zh) * | 2018-03-19 | 2018-08-24 | 长沙理工大学 | 一种基于信号相关分析的增材制造构件在线检测方法 |
CN108489413A (zh) * | 2018-04-28 | 2018-09-04 | 华南理工大学 | 一种混凝土表面非均匀应变测量系统与方法 |
CN108592811A (zh) * | 2018-03-26 | 2018-09-28 | 中震(北京)工程检测股份有限公司 | 一种房屋结构裂缝变形实时动态监测系统及识别方法 |
CN109685759A (zh) * | 2018-11-05 | 2019-04-26 | 北京中企卓创科技发展有限公司 | 一种加速混凝土开裂设备及其测试方法 |
CN109883344A (zh) * | 2019-01-16 | 2019-06-14 | 上海海事大学 | 一种海洋防腐涂层表面应变与位移的检测方法 |
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 |
CN110360979A (zh) * | 2019-07-04 | 2019-10-22 | 哈尔滨工业大学(深圳) | 一种混凝土裂缝监测方法及系统 |
CN110987936A (zh) * | 2019-11-20 | 2020-04-10 | 天津大学 | 一种面向无人机的大坝表面裂缝智能识别测量装置 |
CN111006957A (zh) * | 2019-11-13 | 2020-04-14 | 东北大学 | 一种研究高应力下岩石楔形体失稳破坏的试验方法 |
CN111102932A (zh) * | 2019-12-13 | 2020-05-05 | 中国二十冶集团有限公司 | 一种基坑安全自动巡查方法及系统 |
CN112082840A (zh) * | 2020-10-29 | 2020-12-15 | 怀化明达建材有限公司 | 一种混凝土抗裂性能曲线的建立方法 |
CN112576245A (zh) * | 2020-12-09 | 2021-03-30 | 中国石油大学(华东) | 一种基于裂缝扩展模拟的分布式光纤应变监测方法 |
CN112666167A (zh) * | 2020-12-22 | 2021-04-16 | 成都圭目机器人有限公司 | 一种评估水泥混凝土道面裂缝产生fod风险的方法和装置 |
CN112762851A (zh) * | 2020-12-24 | 2021-05-07 | 哈尔滨工业大学 | 基于断裂力学和光纤传感的裂缝模拟标定装置 |
CN112801982A (zh) * | 2021-01-28 | 2021-05-14 | 中国科学院武汉岩土力学研究所 | 确定岩石混合压剪裂纹尖端断裂过程区长度的方法及设备 |
CN114708254A (zh) * | 2022-04-27 | 2022-07-05 | 江苏能云大数据有限公司 | 物联网信息联合大数据采集与治理系统 |
CN114839054A (zh) * | 2022-03-16 | 2022-08-02 | 徐州大成环境科技有限公司 | 一种基于人工智能的建筑材料强度检测方法及系统 |
CN115808425A (zh) * | 2023-01-30 | 2023-03-17 | 安徽新建控股集团有限公司 | 在混凝土构件回弹检测过程中的缺陷识别和应对方法 |
CN117079062A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
CN117115135A (zh) * | 2023-09-15 | 2023-11-24 | 延安大学 | 一种基于机器视觉的混凝土裂纹检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102359966A (zh) * | 2011-07-29 | 2012-02-22 | 河海大学 | 一种混凝土表面微小裂缝的定位系统 |
JP2013127415A (ja) * | 2011-12-19 | 2013-06-27 | Kajima Corp | コンクリート構造物の品質評価方法及び品質評価装置 |
-
2014
- 2014-11-11 CN CN201410630780.8A patent/CN104483330B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102359966A (zh) * | 2011-07-29 | 2012-02-22 | 河海大学 | 一种混凝土表面微小裂缝的定位系统 |
JP2013127415A (ja) * | 2011-12-19 | 2013-06-27 | Kajima Corp | コンクリート構造物の品質評価方法及び品質評価装置 |
Non-Patent Citations (3)
Title |
---|
中原一郎等: "《弹性力学手册》", 30 April 2014 * |
戴福隆等: "《实验力学》", 31 July 2010 * |
李元海等: ""基于数字散斑相关法的变形量测软件研制及应用"", 《中国矿业大学学报》 * |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568981A (zh) * | 2015-01-06 | 2015-04-29 | 中科华核电技术研究院有限公司北京分公司 | 基于图像的建筑物墙壁缺陷测量方法及其系统 |
CN105043991A (zh) * | 2015-06-08 | 2015-11-11 | 山东雅百特科技有限公司 | 金属结构智能监测系统 |
CN104965004A (zh) * | 2015-06-11 | 2015-10-07 | 四川大学 | 钢筋同轴电缆结构一维混凝土健康监测方法及阶跃测试仪 |
CN104965004B (zh) * | 2015-06-11 | 2017-11-03 | 四川大学 | 钢筋同轴电缆结构一维混凝土健康监测方法及阶跃测试仪 |
JP2017219314A (ja) * | 2016-06-02 | 2017-12-14 | 日本電信電話株式会社 | 劣化部位検知装置、劣化部位検知方法およびプログラム |
CN106770360A (zh) * | 2016-12-22 | 2017-05-31 | 重庆交通大学 | 一种混凝土工作应力测量方法 |
CN106872472A (zh) * | 2017-01-17 | 2017-06-20 | 中交武汉港湾工程设计研究院有限公司 | 混凝土外观质量检测评价方法 |
CN107101897A (zh) * | 2017-05-26 | 2017-08-29 | 东北石油大学 | 一种平面展布水力压裂裂缝扩展的模拟方法及装置 |
CN107607397A (zh) * | 2017-09-15 | 2018-01-19 | 重庆交通大学 | 缺陷检测方法及装置 |
CN107622509A (zh) * | 2017-09-15 | 2018-01-23 | 重庆交通大学 | 变形长期监测方法及装置 |
CN107918932B (zh) * | 2017-11-15 | 2021-04-06 | 广西大学 | 基于钢筋全角度锈蚀形态图像计算锈蚀特征参数的方法 |
CN107918932A (zh) * | 2017-11-15 | 2018-04-17 | 广西大学 | 基于钢筋全角度锈蚀形态图像计算锈蚀特征参数的方法 |
CN108229461B (zh) * | 2018-01-16 | 2021-12-28 | 上海同岩土木工程科技股份有限公司 | 一种基于深度学习的隧道裂缝快速识别方法 |
CN108225170A (zh) * | 2018-01-16 | 2018-06-29 | 魏世玉 | 一种磁式裂缝监测预警装置及其使用方法 |
CN108229461A (zh) * | 2018-01-16 | 2018-06-29 | 上海同岩土木工程科技股份有限公司 | 一种基于深度学习的隧道裂缝快速识别方法 |
CN108320284A (zh) * | 2018-02-06 | 2018-07-24 | 重庆交通大学 | 对钢管混凝土结构界面状态的检测方法及装置 |
CN108444921A (zh) * | 2018-03-19 | 2018-08-24 | 长沙理工大学 | 一种基于信号相关分析的增材制造构件在线检测方法 |
CN108592811A (zh) * | 2018-03-26 | 2018-09-28 | 中震(北京)工程检测股份有限公司 | 一种房屋结构裂缝变形实时动态监测系统及识别方法 |
CN108489413A (zh) * | 2018-04-28 | 2018-09-04 | 华南理工大学 | 一种混凝土表面非均匀应变测量系统与方法 |
CN109685759A (zh) * | 2018-11-05 | 2019-04-26 | 北京中企卓创科技发展有限公司 | 一种加速混凝土开裂设备及其测试方法 |
CN109685759B (zh) * | 2018-11-05 | 2022-05-10 | 北京中企卓创科技发展有限公司 | 一种加速混凝土开裂设备及其测试方法 |
CN109883344A (zh) * | 2019-01-16 | 2019-06-14 | 上海海事大学 | 一种海洋防腐涂层表面应变与位移的检测方法 |
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 |
CN110360979A (zh) * | 2019-07-04 | 2019-10-22 | 哈尔滨工业大学(深圳) | 一种混凝土裂缝监测方法及系统 |
CN111006957A (zh) * | 2019-11-13 | 2020-04-14 | 东北大学 | 一种研究高应力下岩石楔形体失稳破坏的试验方法 |
CN110987936A (zh) * | 2019-11-20 | 2020-04-10 | 天津大学 | 一种面向无人机的大坝表面裂缝智能识别测量装置 |
CN111102932A (zh) * | 2019-12-13 | 2020-05-05 | 中国二十冶集团有限公司 | 一种基坑安全自动巡查方法及系统 |
CN112082840A (zh) * | 2020-10-29 | 2020-12-15 | 怀化明达建材有限公司 | 一种混凝土抗裂性能曲线的建立方法 |
CN112576245A (zh) * | 2020-12-09 | 2021-03-30 | 中国石油大学(华东) | 一种基于裂缝扩展模拟的分布式光纤应变监测方法 |
CN112576245B (zh) * | 2020-12-09 | 2022-11-04 | 中国石油大学(华东) | 一种基于裂缝扩展模拟的分布式光纤应变监测方法 |
CN112666167A (zh) * | 2020-12-22 | 2021-04-16 | 成都圭目机器人有限公司 | 一种评估水泥混凝土道面裂缝产生fod风险的方法和装置 |
CN112762851A (zh) * | 2020-12-24 | 2021-05-07 | 哈尔滨工业大学 | 基于断裂力学和光纤传感的裂缝模拟标定装置 |
CN112801982A (zh) * | 2021-01-28 | 2021-05-14 | 中国科学院武汉岩土力学研究所 | 确定岩石混合压剪裂纹尖端断裂过程区长度的方法及设备 |
CN112801982B (zh) * | 2021-01-28 | 2022-06-17 | 中国科学院武汉岩土力学研究所 | 确定岩石混合压剪裂纹尖端断裂过程区长度的方法及设备 |
CN114839054A (zh) * | 2022-03-16 | 2022-08-02 | 徐州大成环境科技有限公司 | 一种基于人工智能的建筑材料强度检测方法及系统 |
CN114708254A (zh) * | 2022-04-27 | 2022-07-05 | 江苏能云大数据有限公司 | 物联网信息联合大数据采集与治理系统 |
CN115808425A (zh) * | 2023-01-30 | 2023-03-17 | 安徽新建控股集团有限公司 | 在混凝土构件回弹检测过程中的缺陷识别和应对方法 |
CN117115135A (zh) * | 2023-09-15 | 2023-11-24 | 延安大学 | 一种基于机器视觉的混凝土裂纹检测系统及方法 |
CN117115135B (zh) * | 2023-09-15 | 2024-04-30 | 延安大学 | 一种基于机器视觉的混凝土裂纹检测系统及方法 |
CN117079062A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
CN117079062B (zh) * | 2023-10-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面裂缝分析方法的动静态影响参数分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104483330B (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104483330A (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 | |
CN104330023B (zh) | 混凝土表面初始开裂信息的采集系统与识别方法 | |
Bayar et al. | A novel study for the estimation of crack propagation in concrete using machine learning algorithms | |
Dabous et al. | Condition monitoring of bridges with non-contact testing technologies | |
Hoang et al. | Automatic detection of concrete spalling using piecewise linear stochastic gradient descent logistic regression and image texture analysis | |
Kim et al. | Unmanned aerial vehicle (UAV)-powered concrete crack detection based on digital image processing | |
WO2017047315A1 (ja) | 健全度判定装置、健全度判定方法および健全度判定プログラム | |
Chun et al. | Development of a concrete floating and delamination detection system using infrared thermography | |
CN108154498A (zh) | 一种裂缝缺陷检测系统及其实现方法 | |
Guldur et al. | Condition assessment of bridges using terrestrial laser scanners | |
Rivera et al. | Automated detection and measurement of cracks in reinforced concrete components | |
CN115993096A (zh) | 一种高层建筑变形测量方法 | |
Al-Salih et al. | Evaluation of a digital image correlation bridge inspection methodology on complex distortion-induced fatigue cracking | |
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 | |
Lee et al. | Predicting Concrete Compressive Strength Using Deep Convolutional Neural Network Based on Image Characteristics. | |
Tran et al. | Determining surface roughness in erosion testing using digital photogrammetry | |
KR20190130257A (ko) | 콘크리트 시설물의 표면 이미지 및 딥 컨볼루션 신경망 알고리즘을 이용한 콘크리트 압축강도 예측 방법 및 그 시스템 | |
Tworzewski et al. | An application of an optical measuring system to reinforced concrete beams analysis | |
O'Byrne et al. | Texture analysis based detection and classification of surface features on ageing infrastructure elements | |
RU2467318C1 (ru) | Способ многопараметрового контроля строительных конструкций (транспортных туннелей, зданий, сооружений) | |
Arndt et al. | MONITORING OF REINFORCED CONCRETE CORROSION AND DETERIORATION BY PERIODIC MULTI‐SENSOR NON‐DESTRUCTIVE EVALUATION | |
Shehata et al. | Crack width estimation using feed and cascade forward back propagation artificial neural networks | |
Avendãno et al. | Image based inspection of concrete cracks using UAV photography | |
Tada et al. | Detection method of corrosion area of rebar and corrosion induced internal crack by using electromagnetic wave radar | |
Łątka et al. | Optical measurements in the field of masonry construction laboratory tests |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |