CN108759727B - 一种预制管片表面麻面、粘皮检测装置和方法 - Google Patents
一种预制管片表面麻面、粘皮检测装置和方法 Download PDFInfo
- Publication number
- CN108759727B CN108759727B CN201810435006.XA CN201810435006A CN108759727B CN 108759727 B CN108759727 B CN 108759727B CN 201810435006 A CN201810435006 A CN 201810435006A CN 108759727 B CN108759727 B CN 108759727B
- Authority
- CN
- China
- Prior art keywords
- image
- computer
- pipe piece
- prefabricated pipe
- prefabricated
- 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
- 206010051788 Sticky skin Diseases 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 230000003139 buffering effect Effects 0.000 claims abstract description 11
- 239000013589 supplement Substances 0.000 claims abstract description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 30
- 239000010959 steel Substances 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 230000008439 repair process Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 20
- 239000002994 raw material Substances 0.000 claims description 20
- 238000003756 stirring Methods 0.000 claims description 17
- 230000008901 benefit Effects 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 230000010365 information processing Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 229910008048 Si-S Inorganic materials 0.000 claims description 4
- 229910006336 Si—S Inorganic materials 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005314 correlation function Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 239000010881 fly ash Substances 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 101100491335 Caenorhabditis elegans mat-2 gene Proteins 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种预制管片表面麻面、粘皮检测装置和方法。本系统包括：服务单元、信息采集单元和后台处理单元，其中服务单元包括：轨道、缓冲胶垫、转轴、液压机、压力传感器，信息采集单元包括：RFID读写器、测距传感器、LED补充光源、摄像机、轿厢，后台处理单元包括：计算机、图像处理及数据库管理软件、控制装置、数据线。本发明可以对预制管片表面麻面、粘皮面积进行自动检测，操作简单，检测速度快，数据准确客观，可自动分析预制管片表面麻面、粘皮各影响因素的权重关系，且检测结果可自动打印及存储，可以降低质检员的劳动强度，提高检测效率，避免传统人工检测对后期施工中的影响。
Description
技术领域
本发明涉及一种混凝土表面麻面、粘皮的检测装置和方法，特别是涉及一种预制管片表面麻面、粘皮检测装置和方法。
背景技术
随着城市人口的增多与城市进步的需要，城市地铁得到了大力的发展，而地铁工程隧道预制管片对城市地铁交通的发展有着举足轻重的作用。管片质量是保证地铁隧道工程发展的重要因素之一。预制管片质量问题轻则会给地铁在生产和施工过程中带来麻烦，重则会在地铁建设完成后对地铁的行车问题产生威胁，甚至酿成严重的安全事故。因此，控制地铁工程隧道预制管片质量是提高城市地铁交通发展的一个重要因素。而在管片生产的过程中，预制管片表面麻面、粘皮是管片质量的重要影响因素，因此有必要对管片的表面麻面、粘皮面积进行严格的把关。
在管片生产厂中，管片蒸养后要进行拆模起片，在该过程中需要“编号-检查”，即管片在蒸养后，经过真空吸盘将管片从模具中脱离，然后放置在翻转机上进行翻转，对管片的生产表面质量，特别是麻面、粘皮面积进行检查并进行编号。现有的做法大部分都是通过人工检查，这样的方式对质检员的能力要求比较高，对其经验的依赖程度较大，其这样的过程人为因素过重。随着信息网络及人工智能的发展，有必要在传统的生产管理过程中用机器来进一步提高检测效率和检测速度。
利用计算机技术对图像进行数字化处理，已在现代化企业生产流程中得到了广泛的应用。通过摄像机采集图片信息，然后通过计算机对这些图片信息做进一步的数字化处理，可以检查所需要的信息并得到结果。现实生产活动中，由于构件大多是立体的，且对于预制构件厂来说，构件一般体形较大，无法通过单独的摄像机完成照片的拍摄，因此需要多台摄像机同时工作，然后对所得的照片进行图片整合，最后再在完整的整幅照片中通过计算机技术进行图片信息的处理。
针对上述的技术背景，所以亟需要寻找一种可以用于预制管片表面麻面、粘皮检测装置和方法，能够通过计算机技术实现预制管片在生产过程中就能实现表面麻面、粘皮的自动化检测，降低人工成本，提高生产效率。
发明内容
本发明的目的在于针对目前预制管片表面麻面、粘皮的检查主要依靠人工的问题，提供一种预制管片表面麻面、粘皮检测装置和方法，通过计算机技术、传感器技术和射频技术的信息融合，实现高效的、快速的麻面、粘皮面积自动检查。
为实现上述目的，本发明的构思是：
一种预制管片表面麻面、粘皮检测装置和方法，包括：服务单元、信息采集单元和后台处理单元，其中服务单元包括：轨道、缓冲胶垫、转轴、液压机、压力传感器；信息采集单元包括：RFID读写器、测距传感器、LED补充光源、摄像机、轿厢；后台处理单元包括：计算机、图像处理及数据库管理软件、控制装置、数据线。
根据上述发明构思，本发明采用下述技术方案：
一种预制管片表面麻面、粘皮检测装置，包括：轨道、缓冲胶垫、转轴、液压机、压力传感器、RFID读写器、测距传感器、LED补充光源、摄像机、轿厢、计算机、图像处理及数据库管理软件、控制装置、数据线，其特征在于：计算机上装有报警装置，被测预制管片放置在缓冲胶垫上，缓冲胶垫下配有压力传感器，缓冲胶垫放置在轨道上，轨道穿过轿厢；RFID读写器安置在轿厢进口处底面的内侧正中间位置，测距传感器安置于轿厢进口处顶面的外侧正中间位置，六个摄像机和五个LED补充光源分布在轿厢的上下左右四个面，计算机与控制装置放置在轿厢的外侧并通过数据线与摄像机及RFID读写器进行信息传递；压力传感器接收缓冲胶垫的压力信号，带动轨道工作，载有预制管片的轨道逐渐进入轿厢，在轿厢进口处顶面外侧正中间通过测距传感器检测预制管片距离轿厢的距离，计算机接收测距传感器的距离信号，启动RFID读写器，同时启动六台摄像机对预制管片进行图像采集，五个LED补充光源用于为摄像机采集图像时做光照补充。
表面麻面、粘皮面积检测一：①自动检测管片表面麻面、粘皮，锁定大于一定面积的麻面、粘皮Si；②自动计算管片表面孔洞面积大于一定值的面积之和∑Si，减掉预留孔洞面积S’，则构件的麻面、粘皮实际面积为∑Si-S’；③自动计算管片表面积A；④自动计算麻面、粘皮面积所占的比例P＝(∑Si-S’)/A；⑤若P＞5％，则需返修，若P≤5％，则检验合格并出具合格报告；
一种预制管片表面麻面、粘皮检测方法，采用根据权利要求1所述的预制管片表面麻面、粘皮检测装置进行操作，其特征在于操作步骤如下：
1)通过真空吸盘将预制管片从模具中脱离，然后放置在轨道的缓冲胶垫上；
2)通过压力传感器调动轨道工作；
3)在轨道移动的同时，用测距传感器测量预制管片与轿厢之间的距离；
4)当测距传感器测量的距离达到设定值时，传输信号给计算机，然后调用RFID读写器和六台摄像机，该设定值跟相机的拍摄距离有关；
5)在摄像机拍摄照片的同时，若光线不够则用LED补充光源进行光线补给；
6)计算机接收来自RFID读写器和摄像机传来的信息后，按照设定的程序进行信息处理；
7)检测结果为合格时，则直接将信息存入计算机中，若检测结果为不合格时，则计算机发出警报，通知相关技术人员进行管片的修补；
一种预制管片表面麻面、粘皮检测方法，主要是按照摄像机的拍摄范围，调整轨道的移动速度，从而减少照片的重复面积，具体操作步骤如下：
1)图像采集
位于轿厢内侧的6台摄像机依次采集预制管片表面信息照片，在摄像机拍摄照片的同时，由计算机发出信号分别打开对应的LED补充光源对构件进行照射，其中LED补充光源比摄像机延迟1秒关闭，然后对照RFID读写器采集的预制管片基础信息，在计算机中将两者信息进行匹配并标记为一份完整的单元构件信息；
2)图像拼接
Ⅰ.图像预处理
将步骤1)中所得的预制管片图像进行调用，通过平滑、锐化、坐标转换前期的这些图像，将其进行傅立叶变换，提取图像的主要特征；
Ⅱ.图像匹配
以灰度为基础进行图像匹配，在图像f(x，y)和比他更小的尺寸模板T上，归一化二维交叉相关函数
式中(x,y)为是实时图的坐标位置，(u,v)为偏移量，T为模板图，f为基准图，f(x-u,y-v)为任意一个与实时图偏移了(u,v)的基准子图的灰度值，c(u,v)是度量函数当位置偏移(u,v)时的匹配度量值。根据特征之间的相似程度来判定特征点的位置，然后根据某一个特征点在不同的图像坐标系中的坐标来完成图像融合；
Ⅲ.图像合成
在完成上述两个步骤之后，再基于两个甚至更多个图像信息来获取对同一个场景更加准确、全面、可靠的图像描述，最后选择最为合适的拼接，完成每一表面的图像合成；
Ⅳ.融合重构
将6个表面图像单独合成后，接着将该6面图像分别投影到统一的坐标系中，利用非线性最小二乘法进行优化得到图像拼接变换矩阵，将图像重叠区域进行拼接，形成一幅完整的预制管片全景图像；
3)图像处理
具体操作步骤如下：
Ⅰ.按照预设定的图像的平均灰度对每幅图像的灰度进行扫描，低于平均灰度的点为亮点，高于平均灰度的点为暗点；
Ⅱ.通过计算机的处理，使构件的表面图像变成了计算机易于处理的黑白图像；
Ⅲ.由于麻面、粘皮在图像上表现为一个个亮点，计算机进一步采用数学形态学高帽变换法对麻面、粘皮面积图像进行识别处理，从中锁定面积大于3mm的亮点，然后将像素点按照特征点的比例，转换为实际面积Si；
Ⅳ.同时将这些特征亮点的面积进行累加，得到整个图像的亮点面积之和∑Si，由于预制管片本身有预留孔洞，可以通过RFID读写器读取构件信息获得预留孔洞面积S’，因此构件的麻面、粘皮面积为∑Si-S’；
Ⅴ.利用计算机自动计算整个构件的表面积A；
Ⅵ.自动计算出该表面麻面、粘皮所占的比例P＝(∑Si-S’)/A；
Ⅶ.若P＞5％，则需返修，报警系统自动报警，若P≤5％，则检验合格，并自动出具检测结果报告；
4)建立数据库
将报告信息通过计算机集成到中央生产管理数据库中。
1、2、6号摄像机位于轿厢的顶面，3、5号摄像机分别位于轿厢的左右两侧、4号摄像机位于轿厢底面，其中，1、2、3、4、5号摄像机均位于轿厢进口处，6号摄像机位于轿厢出口处，并在每个摄像机的内侧配有各自的LED补充光源，其中1、2号摄像机共用同一LED补充光源，计算机与控制装置安装在轿厢的外侧，方便试验人员进行手动控制。
1号摄像机拍摄预制管片的进口面，2号摄像机拍摄预制管片的外弧面，3号摄像机拍摄预制管片的左面，4号摄像机拍摄预制管片的内弧面，5号摄像机拍摄预制管片的右面，6号摄像机拍摄预制管片的出口面。
压力传感器安置于缓冲胶垫下，缓冲胶垫连接固定钢块，通过调节钢块在轨道上的间隔来改变缓冲胶垫间的距离，压力传感器控制轨道的工作，测距传感器带动计算机传输信号给RFID读写器和摄像机，并同时调动摄像机和LED补充光源进行工作。
轨道两侧分别设有转轴，在转轴的两端设有液压机，保证两侧轨道能同步地进行工作，另外，整个系统的工作除了由压力传感器、测距传感器和计算机自动控制外，也可以由控制装置进行手动控制，以免发生不必要的意外。
信息获取先后顺序为：先通过测距传感器获取移动轨道上管片的距离，当距离达到设定值时，将信号反映给计算机，计算机调用RFID读写器和摄像机开始工作。RFID读写器读取贴在预制管片一侧的RFID标签信息，六台摄像机分别按照预先设置的速度进行照片的拍摄，LED补充光源为摄像机提供光线补给并比摄像机延长1秒关闭，然后通过数据线将信息统一对应地传输给计算机，计算机通过设定好的程序软件进行信息的处理，检测管片表面麻面、粘皮面积是否符合质量标准，若检测合格则将信息存入数据库中，若检测不合格，则触发报警系统提示相关技术人员进行管片的修补。
计算机对预制管片表面麻面、粘皮检测情况进行总结分析，其中主要影响因素有：原材料、环境温度、工艺、搅拌时间和钢模质量。用“组合赋权法-乘法集成法”确定各影响因素的权重，其中主观权重由“偏好比率法”确定，客观权重由“熵值法”确定。
1)用“偏好比率法”确定主观权重
Ⅰ.建立层次结构模型
在这里用粉煤灰掺量代表原材料，用管片温度与外界温度差表示环境温度，用分层振捣高度和振捣时间表示工艺，用钢模表面及脱模剂涂抹的质量合格率表示钢模质量。
目标层：确定预制管片表面麻面、粘皮影响因素权重；
准则层：原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量；
方案层：合格、小修、大修、报废；
Ⅱ.建立偏好比率标度表
设决策有n个影响因素x1，x2，x3，…，xn，用1、2、3、4、5表示两个因素的相对偏好，其中比率标度5为两因素影响差最大，比率标度1为两因素影响相等，用aij表示对xi和xj进行比较的比率标度值。
Ⅲ.建立数学模型
在本模型中主要有以下6个影响因素：原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量，因此建立如下数学模型，其中aij值来源于行业专家。
Ⅳ.计算主观权重
由公式(1)和公式(2)计算可得Wi
(3)
2)用“熵值法”确定客观权重
Ⅰ.建立数学模型
方案集：S＝{S1，S2，S3，S4}分别表示预制管片检查结果为合格、小修、大修、报废；
属性集：P＝{P1，P2，P3，P4，P5，P6}分别是原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量，其中P1，P2，P3为成本型属性，P4，P5，P6为效益型属性。则问题的原始数据矩阵为O4×6，矩阵O中的每一行表示一种方案，每一列表示一种属性，实际数据来源于管片生产厂。
Ⅱ.数据的非负数化处理
对成本型和效益型属性数据进行归一化处理，为了避免求熵值时对数的无意义，则对归一化处理后的数据进行平移，其中
成本型数据处理：
效益型数据处理：
m为矩阵的行数，n为矩阵的列数，由公式(4)和公式(5)可得非负数化处理的数据矩阵为B4×6；
Ⅲ.计算各项指标权重
其中S为方案数。由公式(6)可得K；
对非负化的决策矩阵B＝(x’ij)m×n，令
由公式(7)和公式(8)可得各项指标权重的矩阵C1×6；
Ⅳ.计算各项指标的熵值
Ej＝-K·C1×6,j＝1,2,..n (9)
Ⅴ.计算各项指标的差异系数
Dj＝1-Ej,j＝1,2,..n (10)
Ⅵ.计算客观权重
由公式(11)可得Wj (12)
3)用“组合赋权法-乘法集成法”确定组合权重
同时基于指标数据之间的内在规律和专家经验对权重进行赋权，选用“组合赋权法”对影响因素的权重进行确定。
由公式(3)和公式(12)可得：
因此，由公式(13)可得预制管片表面麻面、粘皮的发生情况Y与各影响因素：原材料x1、环境温度x2、分层振捣高度x3、振捣时间x4、搅拌时间x5、钢模质量x6之间的关系为：
Y＝w1·x1+w2·x2+w3·x3+w4·x4+w5·x5+w6·x6 (14)
对于不同生产厂家，预制管片表面麻面、粘皮的各影响因素可能权重比例不一样，但各影响因素的排名是一致的，即：要想控制预制管片麻面、粘皮的发生，需着重控制原材料，然后对钢模质量进行检查，并在生产过程中控制好环境温度、振捣高度、振捣时间和搅拌时间。
本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：
1、实现预制管片表面麻面、粘皮面积的自动化检测，提高了检测精度和效率，避免了传统人工检查带来的弊端。
2、本发明采用传感器技术来控制整个系统的运行，并在指定位置进行图像的采集，具有更加节约能源和减少不必要的图像采集的优点。
3、本发明利用计算机技术和RFID射频技术相结合的方式，提高了图像识别和信息处理的准确性和可靠性。
4、本发明自动检测预制管片表面麻面、粘皮情况，并通过计算机技术处理得出影响预制管片表面麻面、粘皮各影响因素的权重关系，可供生产厂家量化参考各影响参数。
附图说明
图1为本发明的检测装置结构示意图。
图2为本发明的服务单元结构示意图。
图3为本发明的进出口示意图。
图4为本发明的信息采集单元(A-A剖面)结构示意图。
图5为本发明的信息采集单元(B-B/C-C剖面)结构示意图。
图6为本发明的信息采集单元(D-D剖面)结构示意图。
图7为本发明的管片检查装置组成示意图。
图8为本发明的管片检测流程图。
图9为本发明的管片信息处理流程图。
图10为本发明的管片信息处理装置的热量趋势图。
具体实施方式
本发明具体优选实施例详述如下：
实施例一：
参见图1～图2，本预制管片表面麻面、粘皮检测装置，包括：轨道1、缓冲胶垫2、转轴3、液压机4、压力传感器5、RFID读写器6、测距传感器7、LED补充光源8、摄像机9、轿厢10、计算机11、图像处理及数据库管理12软件、控制装置13、数据线14，计算机上11装有报警装置，被测预制管片放置在缓冲胶垫2上，缓冲胶垫2下配有压力传感器5，缓冲胶垫2放置在轨道1上，轨道1穿过轿厢10；RFID读写器6安置在轿厢10进口处底面的内侧正中间位置，测距传感器7安置于轿厢10进口处顶面的外侧正中间位置，六个摄像机9和五个LED补充光源8分布在轿厢10的上下左右四个面，计算机11与控制装置放置13在轿厢10的外侧并通过数据线14与摄像机9及RFID读写器6进行信息传递；压力传感器接5收缓冲胶垫2的压力信号，调动轨道1工作，载有预制管片的轨道1逐渐进入轿厢10，在轿厢10进口处顶面外侧正中间通过测距传感器7检测预制管片距离轿厢10的距离，计算机接收测距传感器7的距离信号，启动RFID读写器6，同时启动六台摄像机9对预制管片进行图像采集，五个LED补充光源8用于为摄像机9采集图像时做光照补充。
实施例二：
本实施例与实施例一基本相同，特征之处如下：
在本实施例中，参见图3～图6，本预制管片生产表面麻面、粘皮检测装置，所述六个摄像机9和五个LED补充光源8的分布是：1、2、6号摄像机9位于轿厢10的顶面，3、5号摄像机9分别位于轿厢10的左右两侧、4号摄像机9位于轿厢10底面，其中，1、2、3、4、5号摄像机9均位于轿厢10进口处，6号摄像机9位于轿厢10出口处，并在每个摄像机9的内侧配有各自的LED补充光源8，其中1、2号摄像机9共用同一LED补充光源8，计算机11与控制装置13安装在轿厢10的外侧，方便试验人员进行手动控制。
所述1号摄像机9拍摄预制管片的进口面，2号摄像机9拍摄预制管片的外弧面，3号摄像机9拍摄预制管片的左面，4号摄像机9拍摄预制管片的内弧面，5号摄像机9拍摄预制管片的右面，6号摄像机9拍摄预制管片的出口面。
所述压力传感器5安置于缓冲胶垫2下，缓冲胶垫2连接固定钢块，通过该调节钢块在轨道1上的间隔来改变缓冲胶2垫间的距离，压力传感器5控制轨道1的工作，测距传感器7带动计算机11传输信号给RFID读写器6和摄像机9，并同时调动摄像机9和LED补充光源8进行工作。
所述轨道1两侧分别设有转轴3，在转轴3的两端设有液压机4，保证两侧轨道1能同步地进行工作，另外，整个系统的工作除了由压力传感器5、测距传感器7和计算机11自动控制外，也可以由控制装置13进行手动控制，以免发生不必要的意外。
实施例三：
本实施例与实施例一基本相同，特征之处如下：
在本实施例中，参见图7～图8，本预制管片生产表面麻面、粘皮检测方法，采用上述装置进行操作：
具体操作步骤如下：
1)通过真空吸盘将预制管片从模具中脱离，然后放置在轨道1的缓冲胶垫2上；
2)通过压力传感器5调动轨道1工作；
3)在轨道1移动的同时，用测距传感器7测量预制管片与轿厢10之间的距离；
4)当测距传感器7测量的距离达到设定值时，传输信号给计算机11，然后调用RFID读写器6和六台摄像机9，该设定值跟摄像机9的拍摄距离有关；
5)在摄像机9拍摄照片的同时，若光线不够则用LED补充光源8进行光线补给；
6)计算机11接收来自RFID读写器6和摄像机9传来的信息后，按照设定的程序进行信息处理；
7)检测结果为合格时，则直接将信息存入计算机11中，若检测结果为不合格时，则计算机11发出警报，通知相关技术人员进行管片的修补；
实施例四：
参见图9，本预制管片生产表面麻面、粘皮检测方法，上述步骤3)中，按照摄像机的拍摄范围，调整轨道1的移动速度，从而减少照片的重复面积；
上述步骤4)中，图像采集是：位于轿厢1内侧的6台摄像机9依次采集预制管片表面信息照片，在摄像机9拍摄照片的同时，由计算机11发出信号分别打开对应的LED补充光源8对构件进行照射，其中LED补充光源8比摄像机9延迟1秒关闭，然后对照RFID读写器6采集的预制管片基础信息，在计算机11中将两者信息进行匹配并标记为一份完整的单元构件信息；
上述步骤6)中的信息处理是：
①图像拼接
Ⅰ.图像预处理
将步骤1)中所得的预制管片图像进行调用，通过平滑、锐化、坐标转换前期的这些图像，将其进行傅立叶变换，提取图像的主要特征；
Ⅱ.图像匹配
以灰度为基础进行图像匹配，在图像f(x，y)和比他更小的尺寸模板T上，归一化二维交叉相关函数
式中(x,y)为是实时图的坐标位置，(u,v)为偏移量，T为模板图，f为基准图，f(x-u,y-v)为任意一个与实时图偏移了(u,v)的基准子图的灰度值，c(u,v)是度量函数当位置偏移(u,v)时的匹配度量值。根据特征之间的相似程度来判定特征点的位置，然后根据某一个特征点在不同的图像坐标系中的坐标来完成图像融合；
Ⅲ.图像合成
在完成上述两个步骤之后，再基于两个甚至更多个图像信息来获取对同一个场景更加准确、全面、可靠的图像描述，最后选择最为合适的拼接，完成每一表面的图像合成；
Ⅳ.融合重构
将6个表面图像单独合成后，接着将该6面图像分别投影到统一的坐标系中，利用非线性最小二乘法进行优化得到图像拼接变换矩阵，将图像重叠区域进行拼接，形成一幅完整的预制管片全景图像；
②图像处理
具体操作步骤如下：
Ⅰ.按照预设定的图像的平均灰度对每幅图像的灰度进行扫描，低于平均灰度的点为亮点，高于平均灰度的点为暗点；
Ⅱ.通过计算机11的处理，使构件的表面图像变成了计算机11易于处理的黑白图像；
Ⅲ.由于麻面、粘皮在图像上表现为一个个亮点，计算机11进一步采用数学形态学高帽变换法对麻面、粘皮图像进行识别处理，从中锁定面积大于3mm的亮点，然后将像素点按照特征点的比例，转换为实际面积Si；
Ⅳ.同时将这些特征亮点的面积进行累加，得到整个图像的亮点面积之和∑Si，由于预制管片本身有预留孔洞，可以通过RFID读写器6读取构件信息获得预留孔洞面积S’，因此构件的麻面、粘皮面积为∑Si-S’；
Ⅴ.利用计算机11自动计算整个构件的表面积A；
Ⅵ.自动计算出该表面麻面、粘皮所占的比例P＝(∑Si-S’)/A；
Ⅶ.若P＞5％，则需返修，报警系统自动报警，若P≤5％，则检验合格，并自动出具检测结果报告；
③建立数据库
将报告信息通过计算机11集成到中央生产管理数据库12中，计算机11将选取特征报告信息，将检测结果进行总结分析，确定预制管片表面麻面、粘皮各影响因素的权重关系。
实施例五：
本实施例与实施例一基本相同，特征之处如下：
管片表面麻面、粘皮检查主要是在管片蒸养后脱模起吊的过程中进行的。通过真空吸盘讲管片从模具中脱离，然后放置在轨道1的缓冲胶垫2上，缓冲胶垫2下装有固定的钢块可以随时调解距离以适应不同的管片尺寸，然后穿越轿厢1，通过RFID读写器6读取管片的基础信息，六台摄像机9进行管片全方位照片的拍摄，运用计算机技术处理信息，检测管片表面麻面、粘皮面积，合格的就录入后台数据库12并可运送至水养池，若不合格的则通知相关技术人员进行管片的新修补，并再一次进行检测，二次检测合格的则可运送至水养池，二次检测不合格的看是否能修，能修再修，不能修补的直接进入报废区。
实施例六：
本实施例与实施例一基本相同，特征之处如下：
本装置的摄像机9与轨道1速度是预先设定好的，通过匹配两者的速度，并通过压力传感器5和测距传感器7进行整个系统的自动控制，设置的补充光源8也是在摄像机9工作的同时进行工作比摄像机9延迟1秒关闭，整个系统尽量做到经济节能。当然也设置了外部的手动控制装置13来应对突发情况，整个系统尽量的符合常规。
实施例七：
计算机11对预制管片表面麻面、粘皮检测情况进行总结分析，其中主要影响因素有：原材料、环境温度、工艺、搅拌时间和钢模质量。用“组合赋权法-乘法集成法”确定各影响因素的比重，其中主观权重由“偏好比率法”确定，客观权重由“熵值法”确定。
1)用“偏好比率法”确定主观权重
Ⅰ.建立层次结构模型
在这里主要用粉煤灰掺量代表原材料，用管片温度与外界温度差表示环境温度，用分层振捣高度和振捣时间表示工艺，用钢模表面及脱模剂涂抹的质量合格率表示钢模质量。
目标层：确定预制管片表面麻面、粘皮影响因素比重；
准则层：原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量；
方案层：合格、小修、大修、报废；
Ⅱ.建立偏好比率标度表
设决策有n个影响因素x1，x2，x3，…，xn，用1、2、3、4、5表示两个因素的相对偏好，其中比率标度5为两因素影响差最大，比率标度1为两因素影响相等，用aij表示对xi和xj进行比较的比率标度值。
Ⅲ.建立数学模型
在本模型中主要有以下6个影响因素：原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量，因此建立如下数学模型，其中aij值来源于行业专家。
a12＝2，a13＝3，a14＝2.5，a15＝3.5，a16＝1.5，
a23＝1.5，a24＝1.5，a25＝2，a26＝1/1.5，
a34＝1/1.5，a35＝1.5，a36＝1，
a45＝1.5，a46＝1/2，a56＝1/2.5。
Ⅳ.计算主观权重
由公式(1)和公式(2)可得：Wi＝{0.32 0.16 0.13 0.11 0.08 0.20} (3)
2)用“熵值法”确定客观权重
Ⅰ.建立数学模型
方案集：S＝{S1，S2，S3，S4}分别表示预制管片检查结果为合格、小修、大修、报废；
属性集：P＝{P1，P2，P3，P4，P5，P6}分别是原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量，其中P1，P2，P3为成本型属性，P4，P5，P6为效益型属性。设问题的原始数据矩阵为O4×6，矩阵O中的每一行表示一种方案，每一列表示一种属性，实际数据来源于管片生产厂。
Ⅱ.数据的非负数化处理
对成本型和效益型属性数据进行归一化处理，此外，为了避免求熵值时对数的无意义，则对归一化处理后的数据进行平移，其中
成本型数据处理：
效益型数据处理：
m为矩阵的行数，n为矩阵的列数，由公式(4)和公式(5)可得非负数化处理的数据矩阵为B4×6：
Ⅲ.计算各项指标比重
其中S为方案数。由公式(6)可得K＝0.721348；
对非负化的决策矩阵B＝(xij)m×n，令
由公式(7)和公式(8)可得各项指标比重的矩阵C1×6：
C＝{-1.35687 -1.35687 -1.35146 -1.35489 -1.35489 -1.35687}
IV.计算各项指标的熵值
Ej＝-K·C1×6，j＝1，2，..n (9)
由公式(9)可得：
Ej＝{0.978777 0.978772 0.974875 0.977343 0.977343 0.978772)
V.计算各项指标的差异系数
Dj＝1-Ej，j＝1，2，..n (10)
由公式(10)可得：
Dj＝{0.021223 0.021228 0.025125 0.022657 0.022657 0.021228}
VI.计算客观权重
由公式(11)可得：Wj＝{0.16 0.16 0.19 0.17 0.17 0.16} (12)
3)用“组合赋权法-乘法集成法”确定组合权重
同时基于指标数据之间的内在规律和专家经验对权重进行赋权，选用“组合赋权法”对影响因素的权重进行确定。
由公式(3)和公式(12)可得：
因此，由公式(13)可得预制管片表面麻面、粘皮的发生情况Y与各影响因素：原材料x1、环境温度x2、分层振捣高度x3、振捣时间x4、搅拌时间x5、钢模质量x6之间的关系为：
Y＝0.31x1+0.15x2+0.15x3+0.11x4+0.08x5+0.19x6 (14)
对于不同生产厂家，预制管片表面麻面、粘皮的各影响因素可能权重比例不一样，但各影响因素的排名是一致的，即：要想控制预制管片麻面、粘皮的发生，需着重控制原材料，然后对钢模质量进行检查，并在生产过程中控制好环境温度、振捣高度、振捣时间和搅拌时间。
Claims (10)
1.一种预制管片表面麻面、粘皮检测装置，包括：轨道(1)、缓冲胶垫(2)、转轴(3)、液压机(4)、压力传感器(5)、RFID读写器(6)、测距传感器(7)、LED补充光源(8)、摄像机(9)、轿厢(10)、计算机(11)、中央生产管理数据库(12)、控制装置(13)、数据线(14)，其特征在于：计算机(11)上装有报警装置，被测预制管片放置在缓冲胶垫(2)上，缓冲胶垫(2)下配有压力传感器(5)，缓冲胶垫(2)放置在轨道(1)上，轨道(1)穿过轿厢(10)；RFID读写器(6)安置在轿厢(10)进口处底面的内侧正中间位置，测距传感器(7)安置于轿厢(10)进口处顶面的外侧正中间位置，六个摄像机(9)和五个LED补充光源(8)分布在轿厢(10)的上下左右四个面，计算机(11)与控制装置(13)放置在轿厢(10)的外侧并通过数据线(14)与摄像机(9)及RFID读写器(6)进行信息传递；压力传感器(5)接收缓冲胶垫(2)的压力信号，调动轨道(1)工作，载有预制管片的轨道(1)逐渐进入轿厢(10)，在轿厢(10)进口处顶面外侧正中间通过测距传感器(7)检测预制管片距离轿厢(10)的距离，计算机(11)接收测距传感器(7)的距离信号，启动RFID读写器(6)，同时启动六台摄像机(9)对预制管片进行图像采集，五个LED补充光源(8)用于为摄像机(9)采集图像时做光照补充；
采用所述预制管片表面麻面、粘皮检测装置进行预制管片表面麻面、粘皮检测方法的操作，操作步骤如下：
1)通过真空吸盘将预制管片从模具中脱离，然后放置在轨道(1)的缓冲胶垫(2)上；
2)通过压力传感器(5)调动轨道(1)工作；
3)在轨道(1)移动的同时，用测距传感器(7)测量预制管片与轿厢(10)之间的距离；
4)当测距传感器(7)测量的距离达到设定值时，传输信号给计算机(11)，然后调用RFID读写器(6)和六台摄像机(9)，该设定值跟相机的拍摄距离有关；
5)在摄像机(9)拍摄照片的同时，若光线不够则用LED补充光源(8)进行光线补给；
6)计算机(11)接收来自RFID读写器(6)和摄像机(9)传来的信息后，按照设定的程序进行信息处理；
7)检测结果为合格时，则直接将信息存入计算机(11)中，若检测结果为不合格时，则计算机(11)发出警报，通知相关技术人员进行管片的修补；
在所述步骤6)中的信息处理是：
①图像拼接：
具体操作步骤如下：
Ⅰ.图像预处理
将步骤1)中所得的预制管片图像进行调用，通过平滑、锐化、坐标转换前期的这些图像，将其进行傅立叶变换，提取图像的主要特征；
Ⅱ.图像匹配
以灰度为基础进行图像匹配，在图像f(x，y)和比他更小的尺寸模板T上，归一化二维交叉相关函数
式中(x,y)为是实时图的坐标位置，(u,v)为偏移量，T为模板图，f为基准图，f(x-u,y-v)为任意一个与实时图偏移了(u,v)的基准子图的灰度值，c(u,v)是度量函数当位置偏移(u,v)时的匹配度量值；根据特征之间的相似程度来判定特征点的位置，然后根据某一个特征点在不同的图像坐标系中的坐标来完成图像融合；
Ⅲ.图像合成
在完成上述两个步骤之后，再基于两个甚至更多个图像信息来获取对同一个场景更加准确、全面、可靠的图像描述，最后选择最为合适的拼接，完成每一表面的图像合成；
Ⅳ.融合重构
将6个表面图像单独合成后，接着将6面图像分别投影到统一的坐标系中，利用非线性最小二乘法进行优化得到图像拼接变换矩阵，将图像重叠区域进行拼接，形成一幅完整的预制管片全景图像；
②图像处理：
具体操作步骤如下：
Ⅰ.按照预设定的图像的平均灰度对每幅图像的灰度进行扫描，低于平均灰度的点为亮点，高于平均灰度的点为暗点；
Ⅱ.通过计算机(11)的处理，使构件的表面图像变成了计算机(11)易于处理的黑白图像；
Ⅲ.由于麻面、粘皮在图像上表现为一个个亮点，计算机(11)进一步采用数学形态学高帽变换法对麻面、粘皮面积图像进行识别处理，从中锁定面积大于3mm的亮点，然后将像素点按照特征点的比例，转换为实际面积Si；
Ⅳ.同时将这些特征亮点的实际面积进行累加，得到整个图像的亮点面积之和∑Si，由于预制管片本身有预留孔洞，可以通过RFID读写器(6)读取构件信息获得预留孔洞面积S’，因此构件的麻面、粘皮面积为∑Si-S’；
Ⅴ.利用计算机(11)自动计算整个构件的表面积A；
Ⅵ.自动计算出该表面麻面、粘皮所占的比例P＝(∑Si-S’)/A；
Ⅶ.若P＞5％，则需返修，报警系统自动报警，若P≤5％，则检验合格，并自动出具检测结果报告；
③建立数据库：
将报告信息通过计算机(11)集成到中央生产管理数据库(12)中，计算机(11)将选取特征报告信息，将检测结果进行总结分析，确定预制管片表面麻面、粘皮各影响因素的权重关系。
2.根据权利要求1所述的一种预制管片表面麻面、粘皮检测装置，其特征在于：所述六个摄像机(9)和五个LED补充光源(8)的分布是：1、2、6号摄像机(9)位于轿厢(10)的顶面，3、5号摄像机(9)分别位于轿厢(10)的左右两侧、4号摄像机(9)位于轿厢(10)底面，其中，1、2、3、4、5号摄像机(9)均位于轿厢(10)进口处，6号摄像机(9)位于轿厢(10)出口处，并在每个摄像机(9)的内侧配有各自的LED补充光源(8)，其中1、2号摄像机(9)共用同一LED补充光源(8)，计算机(11)与控制装置(13)安装在轿厢(10)的外侧，方便试验人员进行手动控制。
3.根据权利要求2所述的一种预制管片表面麻面、粘皮检测装置，其特征在于：1号摄像机(9)拍摄预制管片的进口面，2号摄像机(9)拍摄预制管片的外弧面，3号摄像机(9)拍摄预制管片的左面，4号摄像机(9)拍摄预制管片的内弧面，5号摄像机(9)拍摄预制管片的右面，6号摄像机(9)拍摄预制管片的出口面。
4.根据权利要求1所述的一种预制管片表面麻面、粘皮检测装置，其特征在于：压力传感器(5)安置于缓冲胶垫(2)下，缓冲胶垫(2)连接固定钢块，通过调节该钢块在轨道(1)上的间隔来改变缓冲胶垫(2)间的距离，压力传感器(5)控制轨道(1)的工作，测距传感器(7)调动计算机(11)传输信号给RFID读写器(6)和摄像机(9)，并同时调动摄像机(9)和LED补充光源(8)进行工作。
5.根据权利要求1所述的一种预制管片表面麻面、粘皮检测装置，其特征在于：轨道(1)两侧分别设有转轴(3)，在转轴(3)的两端设有液压机(4)，保证两侧轨道(1)能同步地进行工作，另外，整个系统的工作除了由压力传感器(5)、测距传感器(7)和计算机(11)自动控制外，也可由控制装置(13)进行手动控制，以免发生不必要的意外。
6.一种预制管片表面麻面、粘皮检测方法，采用根据权利要求1所述的预制管片表面麻面、粘皮检测装置进行操作，其特征在于操作步骤如下：
1)通过真空吸盘将预制管片从模具中脱离，然后放置在轨道(1)的缓冲胶垫(2)上；
2)通过压力传感器(5)调动轨道(1)工作；
3)在轨道(1)移动的同时，用测距传感器(7)测量预制管片与轿厢(10)之间的距离；
4)当测距传感器(7)测量的距离达到设定值时，传输信号给计算机(11)，然后调用RFID读写器(6)和六台摄像机(9)，该设定值跟相机的拍摄距离有关；
5)在摄像机(9)拍摄照片的同时，若光线不够则用LED补充光源(8)进行光线补给；
6)计算机(11)接收来自RFID读写器(6)和摄像机(9)传来的信息后，按照设定的程序进行信息处理；
7)检测结果为合格时，则直接将信息存入计算机(11)中，若检测结果为不合格时，则计算机(11)发出警报，通知相关技术人员进行管片的修补。
7.根据权利要求6所述的一种预制管片表面麻面、粘皮检测方法，其特征在于：所述步骤3)中轨道(1)移动时，按照摄像机(9)的拍摄范围，调整轨道(1)的移动速度，从而减少照片的重复面积。
8.根据权利要求6所述的一种预制管片表面麻面、粘皮检测方法，其特征在于所述步骤4)中，图像采集是：位于轿厢(10)内侧的6台摄像机(9)依次采集预制管片表面信息照片，在摄像机(9)拍摄照片的同时，由计算机(11)发出信号分别打开对应的LED补充光源(8)对构件进行照射，其中LED补充光源(8)比摄像机(9)延迟1秒关闭，然后对照RFID读写器(6)采集的预制管片基础信息，在计算机(11)中将两者信息进行匹配并标记为一份完整的单元构件信息。
9.根据权利要求6所述的一种预制管片表面麻面、粘皮检测方法，其特征在于所述步骤6)中的信息处理是：
①图像拼接：
具体操作步骤如下：
Ⅰ.图像预处理
将步骤1)中所得的预制管片图像进行调用，通过平滑、锐化、坐标转换前期的这些图像，将其进行傅立叶变换，提取图像的主要特征；
Ⅱ.图像匹配
以灰度为基础进行图像匹配，在图像f(x，y)和比他更小的尺寸模板T上，归一化二维交叉相关函数
式中(x,y)为是实时图的坐标位置，(u,v)为偏移量，T为模板图，f为基准图，f(x-u,y-v)为任意一个与实时图偏移了(u,v)的基准子图的灰度值，c(u,v)是度量函数当位置偏移(u,v)时的匹配度量值；根据特征之间的相似程度来判定特征点的位置，然后根据某一个特征点在不同的图像坐标系中的坐标来完成图像融合；
Ⅲ.图像合成
在完成上述两个步骤之后，再基于两个甚至更多个图像信息来获取对同一个场景更加准确、全面、可靠的图像描述，最后选择最为合适的拼接，完成每一表面的图像合成；
Ⅳ.融合重构
将6个表面图像单独合成后，接着将6面图像分别投影到统一的坐标系中，利用非线性最小二乘法进行优化得到图像拼接变换矩阵，将图像重叠区域进行拼接，形成一幅完整的预制管片全景图像；
②图像处理：
具体操作步骤如下：
Ⅰ.按照预设定的图像的平均灰度对每幅图像的灰度进行扫描，低于平均灰度的点为亮点，高于平均灰度的点为暗点；
Ⅱ.通过计算机(11)的处理，使构件的表面图像变成了计算机(11)易于处理的黑白图像；
Ⅲ.由于麻面、粘皮在图像上表现为一个个亮点，计算机(11)进一步采用数学形态学高帽变换法对麻面、粘皮面积图像进行识别处理，从中锁定面积大于3mm的亮点，然后将像素点按照特征点的比例，转换为实际面积Si；
Ⅳ.同时将这些特征亮点的实际面积进行累加，得到整个图像的亮点面积之和∑Si，由于预制管片本身有预留孔洞，可以通过RFID读写器(6)读取构件信息获得预留孔洞面积S’，因此构件的麻面、粘皮面积为∑Si-S’；
Ⅴ.利用计算机(11)自动计算整个构件的表面积A；
Ⅵ.自动计算出该表面麻面、粘皮所占的比例P＝(∑Si-S’)/A；
Ⅶ.若P＞5％，则需返修，报警系统自动报警，若P≤5％，则检验合格，并自动出具检测结果报告；
③建立数据库：
将报告信息通过计算机(11)集成到中央生产管理数据库(12)中，计算机(11)将选取特征报告信息，将检测结果进行总结分析，确定预制管片表面麻面、粘皮各影响因素的权重关系。
10.根据权利要求9所述的一种预制管片表面麻面、粘皮检测方法，其特征在于：所述步骤③中，预制管片表面麻面、粘皮各影响因素的权重关系通过以下方法确定：
预制管片混凝土表面麻面、粘皮的影响因素主要有：原材料、环境温度、工艺、搅拌时间和钢模质量；用“组合赋权法-乘法集成法”确定各影响因素的权重，其中主观权重由“偏好比率法”确定，客观权重由“熵值法”确定；
1)用“偏好比率法”确定主观权重
Ⅰ.建立层次结构模型
在这里用粉煤灰掺量代表原材料，用管片温度与外界温度差表示环境温度，用分层振捣高度和振捣时间表示工艺，用钢模表面及脱模剂涂抹的质量合格率表示钢模质量；
目标层：确定预制管片表面麻面、粘皮影响因素权重；
准则层：原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量；
方案层：合格、小修、大修、报废；
Ⅱ.建立偏好比率标度表
设决策有n个影响因素x1，x2，x3，…，xn，用1、2、3、4、5表示两个因素的相对偏好，其中比率标度5为两因素影响差最大，比率标度1为两因素影响相等，用aij表示对xi和xj进行比较的比率标度值；
Ⅲ.建立数学模型
在本模型中主要有以下6个影响因素：原材料、环境温度、分层振捣高度、振捣时间、搅拌时间、钢模质量，因此建立如下数学模型，其中aij值来源于行业专家；
Ⅳ.计算主观权重
由公式(1)和公式(2)计算可得Wi(3)
2)用“熵值法”确定客观权重
Ⅰ.建立数学模型
方案集：S＝{S1，S2，S3，S4}分别表示预制管片检查结果为合格、小修、大修、报废；
属性集：P＝{P1，P2，P3，P4，P5，P6}分别是原材料、环境温度、分层振捣高、振捣时间、搅拌时间、钢模质量，其中P1，P2，P3为成本型属性，P4，P5，P6为效益型属性；则问题的原始数据矩阵为O4×6，矩阵O中的每一行表示一种方案，每一列表示一种属性，实际数据来源于管片生产厂；
Ⅱ.数据的非负数化处理
对成本型和效益型属性数据进行归一化处理，为了避免求熵值时对数的无意义，则对归一化处理后的数据进行平移，其中
成本型数据处理：
效益型数据处理：
m为矩阵的行数，n为矩阵的列数，由公式(4)和公式(5)可得非负数化处理的数据矩阵为B4×6；
Ⅲ.计算各项指标权重
其中S为方案数；由公式(6)得K；
对非负化的决策矩阵B＝(x′ij)m×n，令
由公式(7)和公式(8)可得各项指标权重的矩阵C1×6；
Ⅳ.计算各项指标的熵值
Ej＝-K·C1×6,j＝1,2,..n (9)
Ⅴ.计算各项指标的差异系数
Dj＝1-Ej,j＝1,2,..n (10)
Ⅵ.计算客观权重
由公式(11)可得Wj(12)
3)用“组合赋权法-乘法集成法”确定组合权重
同时基于指标数据之间的内在规律和专家经验对权重进行赋权，选用“组合赋权法”对影响因素的权重进行确定；
由公式(3)和公式(12)可得：
因此，由公式(13)可得预制管片表面麻面、粘皮的发生情况Y与各影响因素：原材料x1、环境温度x2、分层振捣高度x3、振捣时间x4、搅拌时间x5、钢模质量x6之间的关系为：
Y＝w1·x1+w2·x2+w3·x3+w4·x4+w5·x5+w6·x6 (14)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810435006.XA CN108759727B (zh) | 2018-05-09 | 2018-05-09 | 一种预制管片表面麻面、粘皮检测装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810435006.XA CN108759727B (zh) | 2018-05-09 | 2018-05-09 | 一种预制管片表面麻面、粘皮检测装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108759727A CN108759727A (zh) | 2018-11-06 |
| CN108759727B true CN108759727B (zh) | 2020-06-26 |
Family
ID=64009289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810435006.XA Active CN108759727B (zh) | 2018-05-09 | 2018-05-09 | 一种预制管片表面麻面、粘皮检测装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108759727B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109555543B (zh) * | 2019-02-01 | 2024-03-29 | 中国铁建重工集团股份有限公司 | 一种管片自动输送及识别系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0712534A (ja) * | 1993-04-26 | 1995-01-17 | Koyo Seiko Co Ltd | ３次元形状測定装置 |
| CN100433040C (zh) * | 2004-12-02 | 2008-11-12 | 昆明利普机器视觉工程有限公司 | 车辆图像识别方法 |
| CN104729426B (zh) * | 2015-04-03 | 2018-01-12 | 济南恒升视觉信息科技有限公司 | 基于机器视觉的角钢自动在线检测系统及方法 |
| CN105717132B (zh) * | 2016-03-14 | 2019-04-02 | 上海大学 | 一种pc构件生产线的预埋件检测系统和方法 |
| CN105809219B (zh) * | 2016-03-14 | 2018-12-07 | 上海大学 | 一种隧道预制管片生产线的预制管片质量检测统计系统和方法 |
| CN106056539A (zh) * | 2016-06-24 | 2016-10-26 | 中国南方电网有限责任公司 | 一种全景视频拼接方法 |
-
2018
- 2018-05-09 CN CN201810435006.XA patent/CN108759727B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108759727A (zh) | 2018-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109115785B (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
| CN104914111B (zh) | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 | |
| CN106991668B (zh) | 一种天网摄像头拍摄画面的评价方法 | |
| CN109724984A (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
| CN105588439B (zh) | 烧结机台车篦条检测方法 | |
| CN106290394B (zh) | 一种cpu散热器铝挤成型缺陷检测系统及检测方法 | |
| CN105651782A (zh) | 一种发动机缸盖表面缺陷机器视觉自动检测设备 | |
| CN113340240A (zh) | 一种混凝土预制板平整度的检测系统及其检测方法 | |
| CN108759727B (zh) | 一种预制管片表面麻面、粘皮检测装置和方法 | |
| CN112419289B (zh) | 一种城市地铁轨道扣件缺陷智能检测方法 | |
| CN111724358A (zh) | 基于图像和卷积神经网络的混凝土质量检测方法及系统 | |
| CN115541601A (zh) | 一种基于机器视觉的钢材低倍数字化检测方法 | |
| CN108549317A (zh) | 连铸机铸坯定位控制系统和方法 | |
| CN112184791A (zh) | 一种基于cnn-lstm神经网络的牦牛体重预测方法 | |
| CN116164704A (zh) | 一种隧道病害实时检测预警系统 | |
| Litvintseva et al. | Real-time steel surface defect recognition based on CNN | |
| CN111368833B (zh) | 一种基于机器视觉的板坯号检测全自动装钢方法 | |
| CN104634780A (zh) | 一种叶片加料均匀性测量和评价方法 | |
| CN208207889U (zh) | 一种农业育种中柞蚕卵计数装置 | |
| TWI788175B (zh) | 皮革瑕疵檢測系統 | |
| CN115168958A (zh) | 基于建筑结构节点强度分析的快速推演系统及其方法 | |
| CN111957592A (zh) | 铁路货车转向架枕簧分拣系统及其分拣方法 | |
| CN110470444A (zh) | 一种基于dic技术的桥梁实际应力自动化测试系统 | |
| CN116879299A (zh) | 一种基于人工智能图像识别的3d打印水泥基材料的缺陷实时监测方法 | |
| CN115032206B (zh) | 一种桥梁机器人智能检测方法 |
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 |