CN106469454A - 一种复合材料细观结构的计算机图形识别技术和三维建模方法 - Google Patents
一种复合材料细观结构的计算机图形识别技术和三维建模方法 Download PDFInfo
- Publication number
- CN106469454A CN106469454A CN201610838554.8A CN201610838554A CN106469454A CN 106469454 A CN106469454 A CN 106469454A CN 201610838554 A CN201610838554 A CN 201610838554A CN 106469454 A CN106469454 A CN 106469454A
- Authority
- CN
- China
- Prior art keywords
- matrix
- region
- boundary
- picture
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种复合材料细观结构的计算机图形识别技术和三维建模方法,用于解决现有技术材料组分识别困难和不稳定问题。利用XCT技术得到2.5D复合材料内部结构的数字化图片;采用阈值分割方法识别出独立的基体部分,并进行去噪;对所述独立的基体区域左右各自编号;利用基体的左右对称性,将左右基体进行配对;对每组配对基体,选取所述基体的合适的上下边界点进行经纱上下边界拟合;上下相邻基体之间的区域为经纱区域,左右配对基体之间除去基体外的区域为纬纱区域。该方法可避免人工干预,节省大量人力和时间。同时本发明还可建立复合材料细观结构的三维模型,用于进一步的研究和分析。
Description
技术领域
本发明属于复合材料技术领域,具体涉及一种复合材料细观结构的计算机图形识别技术和三维建模方法。
背景技术
2.5D纤维增强型复合材料由于其比模量高、比强度大、抗分层能力强以及加工成本低等优点,在航空航天、军事、能源以及交通运输等方面得到广泛地应用。因此建立2.5D复合材料细观结构的三维模型,对其进行力学性能以及失效行为等研究非常必要。材料细观组分识别是三维建模中的重要环节。细观组分识别是采用无损检测的方法获得材料细观结构的数字化图形,并用计算机技术识别出各组分材料的过程。
一些学者通过工业CT获得异质材料的细观结构图像,用图像增强方法和多阈值分割技术来区分材料的不同组分。如中国专利申请号为201210196405.8,发明名称为“基于CT图像精确重构异质材料微观有限元网格模型的方法”。该方法主要采用阈值分割技术来区分不同的组分材料,而当组分材料的灰度特征十分相近或者甚至相同时则无法区分。
有些学者将复合材料试件进行XCT扫描,得到试件断层扫描图片,采用人工方式区分基体与纤维,然后根据原始图像的灰度值,线性插值得到组分材料的材料参数。如中国专利申请号:201410091284.X,发明名称为“纤维增强复合材料等效弹性模量参数的计算方法”,该方法主要是通过人工方式对经纱和纬纱进行区分和标记,工作量巨大。
由于加工等原因,实际复合材料的细观结构存在随机性和复杂性,而其数字图像呈现杂乱无章的现象,不同组分之间的灰度值或者数字特征相近甚至相同。因此通过计算机自动实现材料组分的识别存在很大的困难。而国内对2.5D复合材料细观结构计算机识别技术的研究很少,所以具有较大的研究空间。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种复合材料细观结构的计算机图形识别技术和三维建模方法,针对一种2.5D复合材料提出改进的计算机自动识别材料组分的方法,用于解决现有技术材料组分识别困难和不稳定的问题。该方法可避免人工干预,节省大量人力和时间。同时,本发明还可建立包含更多图片和周期的复合材料细观结构的三维模型,用于进一步的研究和分析。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种复合材料细观结构计算机识别技术,具体步骤如下:
1)利用XCT技术得到2.5D复合材料内部结构的数字化图片;
2)识别出材料的独立的基体部分,并进行去噪;
3)根据基体区域之间的距离以及基体的大致形状,对左右独立的基体区域分别进行编号,即将属于同一基体的区域赋予同一编号;
4)利用基体的左右对称性,将左右基体进行配对;
5)对每组配对基体,提取上下边界点进行经纱边界拟合。
6)组分识别:上下相邻基体之间的区域为经纱区域,左右配对基体之间除去基体外为纬纱区域。
进一步的,所述步骤1)中,所述图片长度方向为材料的长度方向,图片的面外方向为纬纱的轴线方向。
进一步的,所述步骤2)中,识别出材料的独立的基体部分的具体方法为:利用ostu阈值分割法计算理论阈值m0,并对m0附近的阈值进行分割效果比较;即计算不同阈值分割后二值图中独立小区域的个数,选取最少独立小区域个数对应的阈值作为最终的分割阈值;用最终分割阈值识别出独立的基体部分,并进行初步去噪。
进一步的,所述步骤3)中,利用基体的几何形状和位置分布特征,识别出由于距离较远而被程序赋予不同编号的同一基体区域,并用直线将两个区域的上下边界进行连接,赋予同一编号。
进一步的,所述步骤5)中,边界点提取的方法一共分为三步:
5-1).提取点:找到基体近似拓补结构的四个顶点,然后分别连接上边界的两个顶点和下边界的两个顶点,得到两条直线;对上下边界分别进行研究;提取上下边界点中与对应直线距离小于5的点,并标记一号颜色;
5-2).判断基体总体变化趋势:即为总体向上变化或总体向下变化;对未标记的边界点,找到其左边最近的一号颜色边界点,并判断两点之间的纵坐标是否满足基体的总体变化趋势,若满足就标记为一号颜色,否则不做处理;
5-3).计算左右基体的平均变化斜率;对剩余的未标记的边界点,找到其左边最近的一号颜色边界点,以该色边界点和基体的平均变化斜率为基础,人为添加一个边界点,并标记为二号颜色;两种颜色标记点即为用于基体边界拟合的上下边界提取点;
提取边界点后并进行样条拟合,得到经纱边界。
进一步的,所述步骤5)中,经纱区域上下边界拟合的方法共分为三步:
第一,对左右完整基体之间的经纱边界,提取配对基体上下边界点进行拟合;
第二,利用经纱水平方向排列的周期性,对左边基体的左边和图片左边界之间的经纱边界,和右边基体的右边界和图片右边界之间的经纱边界进行拟合,即将右边配对的基体向左平移至图片的左边,并与左边的基体进行配对,提取新配对基体区域的上下边界点进行拟合;右边进行类似操作;
第三,利用经纱上下排列的周期性,对靠近图片上下边缘的不完整的基体区域,进行边界拟合,即对靠近图片下边界不完整的基体区域,在上边界不完整基体区域中寻找与之配对的不完整的区域,并将该区域向下平移至图片下边界的下面,与下边界不完整基体区域配对成近似完整的基体区域,然后采用第一步和第二步进行边界拟合;靠近图片上边缘的不完整的基体区域进行类似的操作。
进一步的,将识别好的图片堆叠起来,建立2.5D复合材料细观结构的三维模型,该模型可包含一个周期的图片。能充分体现材料的内部结构特征,并用于其他研究和分析。
有益效果:本发明提供的复合材料细观结构的计算机图形识别技术和三维建模方法,与现有技术相比,具有以下优势:
1.本发明充分利用组分材料微观机构的灰度特征和几何形状特征,可将经纱、纬纱和基体精确地识别出来。2.本发明利用经纱水平方向排列的周期性,可将图片左右边缘处经纱和纬纱的边界进行很好的拟合,避免了左右边界处人工添加经纱边界点进行边界拟合的误差和不稳定性。利用经纱竖直方向排列的周期性,对图片上下边界处不完整的基体区域进行配对和识别,减少了由于边界基体残缺导致的边界拟合误差。
3.本发明在基体边界点提取时,共分三步进行讨论和提取,充分利用基体的总体变化规律和平均变化斜率,可减少由于基体区域边界残缺而导致边界点提取错误,从而导致经纱边界拟合出错的问题。
4本发明充分实现计算机自动识别组分材料,避免人工干预的不稳定和误差,节省了大量的时间。
附图说明
图1为原始2.5D复合材料内部结构XCT图片示意图;
图2为不同阈值分割后的二值图比较示意图;
图3为进行阈值分割、去噪以及基体编号后的示意图;
图4为将同一基体断开的区域进行连接后的示意图;
图5为左右基体进行配对的示意图;
图6为将基体看作斜四边形,用A、B、C、D对四个顶点进行标记的示意图;
图7为完整的经纱边界拟合示意图;
图8为进行经纱、纬纱和基体识别后单个图片的示意图;
图9为将一个完整周期识别好的图片进行堆叠得到的三维模型示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明为一种复合材料细观结构的计算机图形识别技术和三维建模方法,具体步骤如下:
1)利用XCT技术得到2.5D复合材料内部结构的数字化图片。图片长度方向为材料的长度方向,图片的面外方向为纬纱的轴线方向。
2)利用ostu阈值分割法计算出理论阈值m0,并对m0邻近的阈值进行分割效果比较。即计算不同阈值分割后二值图中独立小区域的个数,选取最少独立小区域个数对应的阈值作为最终的分割阈值。用最终分割阈值识别出独立的基体部分,并进行初步去噪。
3)根据基体区域之间的距离以及基体的大致形状,对左右独立的基体区域分别进行编号,即将属于同一基体的区域赋予同一编号。具体过程如下:找到图片的左右对称轴,对于左边的基体像素,自下而上,从左往右进行编号;对于图右边的基体像素,自下而上,自右向左进行编号。即以当前像素点为圆心,在10为半径的范围内进行寻找。(共分为三种情况:1.未找到已经编号的区域,则编号加一并赋予当前像素;2.找到已经编号的区域并且唯一,则将该编号赋予当前像素点;若找到的像素编号不唯一,则选择最小的编号赋予找到的像素和当前像素。)
利用基体几何形状以及分布位置的特征,识别出由于距离较远而被程序赋予不同编号的同一基体区域,将其上下边界进行简单的连接,并赋予同一编号。(具体过程如下:分别计算左右基体的平均斜率。对每个基体区域进行寻找和判断。以基体区域最右边的点为起始点,用对应的平均斜率向右进行寻找,直至找到某一区域,或者到达临界边界。如果找某一区域,判断两个区域是否满足左右位置关系、上下位置关系以及和合并后基体区域的最大厚度是否没有超过当前基体区域的最大厚度。若判断为同一基体区域,就将左边基体的右下点和右边基体的左下点进行连接,以及将左边基体的右上点和右边基体的左上点进行连接;否则继续寻找,直至到达临界边界)
4)利用基体的左右对称性,将左右基体进行配对。
5)对每组配对基体,提取上下边界点进行经纱边界拟合。边界点提取主要分为三步:1.找到基体近似拓补结构的四个顶点。然后分别连接上边界的两个顶点和下边界的两个顶点,得到两条直线。对上下边界分别进行研究。提取上下边界点中与对应直线距离小于5的点,并标记为红色。2.判断基体总体变化趋势,即为总体向上趋势或总体向下趋势。对未标记的边界点,找到其左边最近的红色边界点,并判断两点之间的纵坐标是否满足基体的总体变化趋势,若满足就标记为红色,否则不做处理;3.计算基体的平均变化斜率。对剩余的未标记的边界点,找到其左边最近的红色边界点,以该红色边界点和基体的平均变化斜率为基础,人为添加一个边界点,并标记为绿色。红色和绿色标记的点即为用于基体边界拟合的边界提取点提取完边界点后,对基体区域分情况讨论进行经纱边界拟合。共分为三种情况:
第一,对左右完整基体之间的经纱边界,提取配对基体上下边界点进行拟合;
第二,利用经纱水平方向排列的周期性,对左边基体的左边和图片左边界之间的经纱边界,和右边基体的右边界和图片右边界之间的经纱边界进行拟合。即将右边配对的基体向左平移至图片的左边,并与左边的基体进行配对,提取新配对基体区域的上下边界点进行拟合。右边进行类似操作;
第三,利用经纱上下排列的周期性,对靠近图片上下边缘的基体区域,进行边界拟合。即对靠近图片下边界不完整的基体区域,在上边界不完整基体区域中寻找与之配对的区域,并将该区域向下平移至图片下边界的下面,与下边界不完整基体区域配对成近似完整区域,然后采用第一步和第二步进行边界拟合。图片上边界不完整基体区域也进行类似操作。
6)组分识别。)组分识别:上下相邻基体之间的区域为经纱区域,左右配对基体之间除去基体后为纬纱区域。
7)将识别好的图片堆叠起来,建立2.5D复合材料细观结构的三维模型。
实施例
一种2.5D复合材料细观结构的计算机图形识别技术和三维建模方法,包括如下步骤:
步骤一、利用XCT技术得到2.5D复合材料内部结构的切片。图片的长度方向为材料的长度方向,图片的面外方向为纬纱的轴线方向,如图1所示。
步骤二、利用outu阈值分割法计算出理论阈值m0,并对m邻近的阈值分割效果进行比较。如图2(a)、(b)、(c),依次为采用阈值m0,m0+1和m0+2分割后的二值图像,对应的独立小区域的总数依次为328,196和228。从图中可以看出,采用阈值m0分割后,图片中的噪点较多,所以独立小区域的个数较多。而阈值m0+2中基体的边界出现了较多的断开,原本完整的基体被侵蚀,也使得独立小区的个数增加。而阈值m0+1既可使得噪点降低,也可尽可能的保证基体边界的完整,所以对应的独立小区个数最少,因此选择m0+1作为最终的分割阈值。
采用最终分割阈值识别出独立的基体部分,并进行去噪。
步骤三、找到图片的左右对称轴,对左右独立的基体进行编号,如图3所示。同时利用基体的几何形状和位置分布特征,识别出由于距离较远而被程序赋予不同编号的同一基体,并用直线将其上下边界进行连接,赋予同一编号,如图4所示。
步骤四、根据基体的左右对称性,将左右的基体进行配对,如图5中基体X1和基体X2即为一对左右配对的基体。
步骤五、将基体看成近似的斜四边形,找到对应的四个顶点。如图6所示。将左右配对基体的上下边界看成经纱的一部分,进行经纱边界拟合,具体步骤如下:
第一,提取边界点。边界的提取主要分为三个步骤:以图7中的左104号基体的上边界点的提取为例。1.提取部分边界点。对每个基体区域,将上边界对应的两个顶点进行连接,得到一条直线l0。将上边界点中与直线l0距离小于5的边界点提取出来并标记为红色;2.继续提取原始边界点。判断基体的总体变化趋势,即图示基体总体向上变化。从左往右,对未标记的边界点进行讨论。对当前未标记的边界点,找到其左边最近的红色边界点。判断当前点与红色边界点纵坐标的关系,若当前点的纵坐标高于红色边界点的纵坐标,则满足基体从左往右总体向上变化的趋势,就将当前点标记为红色,否则不做处理。3.人工干预剩余的未提取的边界点。分别计算左右基体的平均变化斜率。对当前未标记的边界点,找到其左边最近的红色边界点,以该红色边界点和平均斜率为基础,人为添加一个边界点,并标记为绿色。至此,红色和绿色标记点即为用于基体上边界拟合的边界提取点。该方法对于边界完好的基体区域,能够提取近似全部原始的基体边界点,同时对于存在残缺的基体区域,能够用人工添加点代替残缺部分的边界点,从而使得经纱边界的拟合更加精确和稳定。
对于完整的基体的区域,获得左右基体A、B、C、D及A′、B′、C′、D′之间的上下边界点,并进行样条拟合,得到基体中间(包括基体)的部分经纱边界。
第二,利用经纱水平方向排列的周期性,对左边基体的左边和图片左边界之间的经纱边界,和右边基体的右边界和图片右边界之间的经纱边界进行拟合。即将右边配对的基体向左平移至图片的左边,并与左边的基体进行配对,提取新配对基体区域的上下边界点进行边界拟合,然后提取需要的部分边界。右边基体进行类似操作。
第三,利用经纱上下排列的周期性,对靠近图片上下边缘的不完整的基体区域,进行边界拟合。即对靠近图片下边界不完整的基体区域,在上边界不完整基体区域中寻找与之配对的不完整的基体区域,并将该基体区域向下平移至图片下边界的下面,与下边界不完整基体区域配对成近似完整区域,然后采用第一步和第二步的方法进行边界拟合。如图5中101号基体与108基体进行配对,102号基体与109号基体进行配对,上下边界分别进行连接配对。图片上边界不完整基体区域也进行类似操作。完整的经纱边界拟合结果如图7所示。
步骤六、组分识别。上下相邻基体之间的区域为经纱区域。左右配对的基体之间,除去基体区域之外为纬纱区域。采用不同的颜色填充经纱、纬纱和基体部分,如图8所示。
步骤七、将经过识别的包含一个完整周期的2.5D复合材料细观结构图片堆叠起来,建立2.5D复合材料细观结构的三维模型,如图9所示。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种复合材料细观结构计算机识别技术,其特征在于:具体步骤如下:
1)利用XCT技术得到2.5D复合材料内部结构的数字化图片;
2)识别出材料的独立的基体部分,并进行去噪;
3)根据基体区域之间的距离以及基体的大致形状,对左右独立的基体区域分别进行编号,即将属于同一基体的区域赋予同一编号;
4)利用基体的左右对称性,将左右基体进行配对;
5)对每组配对基体,提取上下边界点进行经纱边界拟合。
6)组分识别:上下相邻基体之间的区域为经纱区域,左右配对基体之间除去基体外为纬纱区域。
2.根据权利要求1所述的复合材料细观结构计算机识别技术,其特征在于:所述步骤1)中,所述图片长度方向为材料的长度方向,图片的面外方向为纬纱的轴线方向。
3.根据权利要求1所述的复合材料细观结构计算机识别技术,其特征在于:所述步骤2)中,识别出材料的独立的基体部分的具体方法为:利用ostu阈值分割法计算理论阈值m0,并对m0附近的阈值进行分割效果比较;即计算不同阈值分割后二值图中独立小区域的个数,选取最少独立小区域个数对应的阈值作为最终的分割阈值;用最终分割阈值识别出独立的基体部分,并进行初步去噪。
4.根据权利要求1所述的复合材料细观结构计算机识别技术,其特征在于:所述步骤3)中,利用基体的几何形状和位置分布特征,识别出由于距离较远而被程序赋予不同编号的同一基体区域,并用直线将两个区域的上下边界进行连接,赋予同一编号。
5.根据权利要求1所述的复合材料细观结构计算机识别技术,其特征在于:所述步骤5)中,边界点提取的方法一共分为三步:
5-1).提取点:找到基体近似拓补结构的四个顶点,然后分别连接上边界的两个顶点和下边界的两个顶点,得到两条直线;对上下边界分别进行研究;提取上下边界点中与对应直线距离小于5的点,并标记一号颜色;
5-2).判断基体总体变化趋势:即为总体向上变化或总体向下变化;对未标记的边界点,找到其左边最近的一号颜色边界点,并判断两点之间的纵坐标是否满足基体的总体变化趋势,若满足就标记为一号颜色,否则不做处理;
5-3).计算左右基体的平均变化斜率;对剩余的未标记的边界点,找到其左边最近的一号颜色边界点,以该色边界点和基体的平均变化斜率为基础,人为添加一个边界点,并标记为二号颜色;两种颜色标记点即为用于基体边界拟合的上下边界提取点;
提取边界点后并进行样条拟合,得到经纱边界。
6.根据权利要求1所述的复合材料细观结构计算机识别技术,其特征在于:所述步骤5)中,经纱区域上下边界拟合的方法共分为三步:
第一,对左右完整基体之间的经纱边界,提取配对基体上下边界点进行拟合;
第二,利用经纱水平方向排列的周期性,对左边基体的左边和图片左边界之间的经纱边界,和右边基体的右边界和图片右边界之间的经纱边界进行拟合,即将右边配对的基体向左平移至图片的左边,并与左边的基体进行配对,提取新配对基体区域的上下边界点进行拟合;右边进行类似操作;
第三,利用经纱上下排列的周期性,对靠近图片上下边缘的不完整的基体区域,进行边界拟合,即对靠近图片下边界不完整的基体区域,在上边界不完整基体区域中寻找与之配对的不完整的区域,并将该区域向下平移至图片下边界的下面,与下边界不完整基体区域配对成近似完整的基体区域,然后采用第一步和第二步进行边界拟合;靠近图片上边缘的不完整的基体区域进行类似的操作。
7.根据权利要求1至6任一所述的复合材料细观结构计算机识别技术的三维建模方法,其特征在于:将识别好的图片堆叠起来,建立2.5D复合材料细观结构的三维模型,该模型可包含一个周期的图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610838554.8A CN106469454B (zh) | 2016-09-21 | 2016-09-21 | 一种复合材料细观结构的计算机图形识别技术和三维建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610838554.8A CN106469454B (zh) | 2016-09-21 | 2016-09-21 | 一种复合材料细观结构的计算机图形识别技术和三维建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106469454A true CN106469454A (zh) | 2017-03-01 |
CN106469454B CN106469454B (zh) | 2019-02-01 |
Family
ID=58230252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610838554.8A Active CN106469454B (zh) | 2016-09-21 | 2016-09-21 | 一种复合材料细观结构的计算机图形识别技术和三维建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106469454B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428009A (zh) * | 2019-08-02 | 2019-11-08 | 南京航空航天大学 | 一种全卷积神经网络及相应的细观结构识别方法 |
CN110714259A (zh) * | 2019-11-04 | 2020-01-21 | 南京航空航天大学 | 一种编织陶瓷基复合材料预制体铺层纱线路径模拟方法 |
CN111353247A (zh) * | 2020-02-28 | 2020-06-30 | 南京航空航天大学 | 陶瓷基复合材料平纹编织结构细观组分识别与重建方法 |
CN112250462A (zh) * | 2020-10-30 | 2021-01-22 | 南京航空航天大学 | 一种编织陶瓷基复合材料单束纤维分割及模型重建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183990A (zh) * | 2015-09-07 | 2015-12-23 | 哈尔滨工业大学 | 一种复合材料及其结构的多尺度响应分析方法 |
CN105787167A (zh) * | 2016-02-24 | 2016-07-20 | 重庆大学 | 聚合物基复合材料有效应力松弛系数的预测方法 |
CN105803623A (zh) * | 2016-04-18 | 2016-07-27 | 南京航空航天大学 | 一种复合材料细观结构的计算机图形识别方法 |
CN105808893A (zh) * | 2016-05-30 | 2016-07-27 | 江苏理工学院 | 2.5维机织复合材料刚度预测方法 |
-
2016
- 2016-09-21 CN CN201610838554.8A patent/CN106469454B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105183990A (zh) * | 2015-09-07 | 2015-12-23 | 哈尔滨工业大学 | 一种复合材料及其结构的多尺度响应分析方法 |
CN105787167A (zh) * | 2016-02-24 | 2016-07-20 | 重庆大学 | 聚合物基复合材料有效应力松弛系数的预测方法 |
CN105803623A (zh) * | 2016-04-18 | 2016-07-27 | 南京航空航天大学 | 一种复合材料细观结构的计算机图形识别方法 |
CN105808893A (zh) * | 2016-05-30 | 2016-07-27 | 江苏理工学院 | 2.5维机织复合材料刚度预测方法 |
Non-Patent Citations (1)
Title |
---|
孔春元等: "2_5维C_SiC复合材料经向拉伸性能", 《复合材料学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428009A (zh) * | 2019-08-02 | 2019-11-08 | 南京航空航天大学 | 一种全卷积神经网络及相应的细观结构识别方法 |
CN110428009B (zh) * | 2019-08-02 | 2020-06-16 | 南京航空航天大学 | 一种全卷积神经网络及相应的细观结构识别方法 |
CN110714259A (zh) * | 2019-11-04 | 2020-01-21 | 南京航空航天大学 | 一种编织陶瓷基复合材料预制体铺层纱线路径模拟方法 |
CN110714259B (zh) * | 2019-11-04 | 2020-06-30 | 南京航空航天大学 | 一种编织陶瓷基复合材料预制体铺层纱线路径模拟方法 |
CN111353247A (zh) * | 2020-02-28 | 2020-06-30 | 南京航空航天大学 | 陶瓷基复合材料平纹编织结构细观组分识别与重建方法 |
CN111353247B (zh) * | 2020-02-28 | 2021-10-26 | 南京航空航天大学 | 陶瓷基复合材料平纹编织结构细观组分识别与重建方法 |
CN112250462A (zh) * | 2020-10-30 | 2021-01-22 | 南京航空航天大学 | 一种编织陶瓷基复合材料单束纤维分割及模型重建方法 |
CN112250462B (zh) * | 2020-10-30 | 2021-06-29 | 南京航空航天大学 | 一种编织陶瓷基复合材料单束纤维分割及模型重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106469454B (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106469454A (zh) | 一种复合材料细观结构的计算机图形识别技术和三维建模方法 | |
CN107256406A (zh) | 重叠纤维图像分割方法、装置、存储介质和计算机设备 | |
CN104182750B (zh) | 一种在自然场景图像中基于极值连通域的中文检测方法 | |
CN101515325B (zh) | 基于字符切分和颜色聚类的数字视频中的字符提取方法 | |
CN104990926B (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN101403703B (zh) | 一种皮棉中异性纤维实时检测方法 | |
CN102930561B (zh) | 一种基于Delaunay三角网的栅格地图矢量化方法 | |
CN109859186A (zh) | 一种基于halcon的锂电池模组正负极检测方法 | |
CN101777124A (zh) | 一种提取视频文本信息的方法及装置 | |
CN105160668A (zh) | 图像分割方法、系统与细胞图像分割方法、系统 | |
CN109839385A (zh) | 一种自适应的pcb板缺陷视觉定位检测及分类系统 | |
CN108305287A (zh) | 一种基于相位信息的纺织材料纤维直径测量方法 | |
CN104463138A (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN104966348B (zh) | 一种票据图像要素完整性检测方法及系统 | |
CN111753706A (zh) | 一种基于图像统计学的复杂表格交点聚类提取方法 | |
CN109344820A (zh) | 基于计算机视觉和深度学习的数字式电表读数识别方法 | |
CN108665464A (zh) | 一种基于形态学的高压电塔及高压电线的异物检测方法 | |
CN103942809A (zh) | 检测岩石图像中节理裂隙的方法 | |
CN103530644A (zh) | 条纹织物组织结构自动识别方法 | |
CN106203397A (zh) | 基于图像中表格分析技术的表格鉴别和定位方法 | |
CN104317793A (zh) | 基于多源信息的不同时期空间实体层次式匹配方法及系统 | |
CN103871089B (zh) | 一种基于融合的图像超像素网格化方法 | |
CN105803623B (zh) | 一种复合材料细观结构的计算机图形识别方法 | |
CN107945190A (zh) | 二值图像快速连通区域计算方法 | |
CN107563990A (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |