CN108827254A - 一种多功能一体化建筑工程质量检测仪 - Google Patents
一种多功能一体化建筑工程质量检测仪 Download PDFInfo
- Publication number
- CN108827254A CN108827254A CN201810326050.7A CN201810326050A CN108827254A CN 108827254 A CN108827254 A CN 108827254A CN 201810326050 A CN201810326050 A CN 201810326050A CN 108827254 A CN108827254 A CN 108827254A
- Authority
- CN
- China
- Prior art keywords
- feature
- image
- telescopic rod
- display screen
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
Abstract
本发明属于工程检测技术领域,公开了一种多功能一体化建筑工程质量检测仪,设置有:显示屏;显示屏嵌接在伸缩杆一侧;显示屏下端销接有排式开关;排式开关下端安装有电源;电源右端安装有充电口,充电口上端销接有平衡测量器;伸缩杆共两根,通过转轴活动连接;转轴下端固定有卡扣;伸缩杆一侧螺钉固定有橡胶垫;伸缩杆的内壁嵌装有固定按钮;伸缩杆末端螺钉固定有底座;伸缩杆的侧面卡接有打印设备,电连接至显示屏;伸缩杆的顶端嵌装有摄像头。本发明操作简单,携带方便,功能齐全,通过数字化检测代替了传统的检测方式,使质量检测结果更加精确,提高了工作效率。
Description
技术领域
本发明属于工程检测技术领域,尤其涉及一种多功能一体化建筑工程质量检测仪。
背景技术
目前,在工程完工后需要对工程进行质量检测,以往的人工检测效率低、检测误差较大,从而延迟工程交付进程,带来不必要的费用;同时,在检测过程中,工作人员需要携带体积较大的测量工具,耗费体力,不利于工作的进行。
综上所述,现有技术存在的问题是:人工检测效率低、检测误差较大,从而延迟工程交付进程,带来不必要的费用;同时,在检测过程中,工作人员需要携带体积较大的测量工具,耗费体力,不利于工作的进行。
发明内容
针对现有技术存在的问题,本发明提供了一种多功能一体化建筑工程质量检测仪。
本发明是这样实现的,一种多功能一体化建筑工程质量检测仪设置有:
显示屏;所述显示屏嵌接在伸缩杆一侧;所述显示屏下端销接有排式开关;所述排式开关下端安装有电源;所述电源右端安装有充电口,充电口上端销接有平衡测量器;所述伸缩杆共两根,通过转轴活动连接;所述转轴下端固定有卡扣;所述伸缩杆一侧螺钉固定有橡胶垫;所述伸缩杆的内壁嵌装有固定按钮;所述伸缩杆末端螺钉固定有底座;所述伸缩杆的侧面卡接有打印设备,电连接至显示屏;所述伸缩杆的顶端嵌装有摄像头;
所述摄像头的图像变化检测方法包括:
(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理,得到去噪后图像I1和去噪后图像I2;
(2)分别利用对数比算子和均值比算子,对得到的去噪后图像I1和去噪后图像I2进行运算,得到对数比值差异图Xl和均值比值差异图Xm,计算公式如下:
其中,μ1,μ2分别表示I1和I2的局部均值;
(3)对得到的对数比值差异图Xl和均值比值差异图Xm进行特征描述,得到对应的特征描述矩阵XL和特征描述矩阵XM;
(4)对得到的特征描述矩阵XL和特征描述矩阵XM,利用各列向量的欧氏距离度量其相似度,分别构造对应的相似度矩阵,亲和矩阵W1和W2;
(5)对得到的亲和矩阵W1和W2,利用基于亲和矩阵融合谱聚类方法对其进行聚类;
(6)使用k-means聚类方法将输出的特征向量f进行聚类,将得到的像素聚类结果,按照对数比值差异图Xl或均值比值差异图Xm中对应像素的排列顺序,恢复为原始图像的尺寸,得到最终的变化检测结果图,输出结果;
所述显示屏密钥(M,S)用来加密Tree输出CTree包括:数据拥有者提取所有图像的特征向量fi={fi1,fi2,...,fiL},i=1,2,...,n,矩阵M和随机串S是用来加密特征向量的密钥;把树形索引Tree加密生成CTree,对于CTree的每一个向量,加密方式如下:
CTree的每个节点存储着其对应的哈希值,且其叶子节点对应着其相应的加密图像;
GenSearch(Qq):用户对检索图像提取特征向量fq,使用相同的密钥对特征向量进行加密,得到Qq:
将加密后的查询特征上传给云服务器,收到Qq之后,检索过程从CTree顶端开始,执行到叶子节点;在CTree的每一层,云服务器通过计算节点和查询向量之间的汉明距离找到最小的点沿着这条路径走直到最后一层,当Qq到达叶子节点,云将返回最相关的图像的列表,与加密的图像相对应;将所有查询到的图像返回给用户;
所述显示屏的混合形变模型的集成方法包括如下步骤:
3.1)为检测到不同尺度下的敏感器官,对敏感器官样本图像进行采样,得到不同分辨率的图像,组成图像金字塔;对图像金字塔中的每一层图像采用步骤(3)的方法将其HoG特征和GMM特征相结合作为敏感器官的特征,用H表示对图像金字塔提取了HoG特征和GMM特征相结合后的特征金字塔;
3.2)根据某种敏感器官的特定姿态训练可形变部件模型,可形变部件模型用β=(F0,…,Fn,d1,…,dn,b)表示,其中,F0表示根滤波器,F1,…,Fn表示n个部件滤波器,di表示该形变模型的第i个部件滤波器相对根滤波器中“锚点”位置的形变代价,b表示模型的偏移量;
可形变部件模型的隐含参数z=(p0,…,pn),p指示滤波器在塔形特征H上取特征时的位置信息,p=(x,y,l),表示滤波器在特征金字塔的第l层的(x,y)坐标位置上取特征;
根据隐含参数z所指示的位置信息,可形变部件模型的各个滤波器在塔形特征H上取得的图像特征和形变代价组成向量ψ(H,z):
ψ(H,z)=(φ(H,p0),…,φ(H,pn),-φd(dx1,dy1),…,-φd(dxn,dyn),1)
式中,φ(H,p)表示在塔形特征H的p位置上的特征向量,φd(dxi,dyi)=(dxi,dyi,dxi 2,dyi 2)衡量第i个部件滤波器与“锚点”位置之间的形变代价;3.3)由于色情图像中的敏感器官存在姿态多样性,所以针对每种敏感器官,根据其姿态的个数m,采用步骤3.2)所述可形变部件模型训练方法训练该类敏感器官在一种姿态下的模型Mc,c=1,…,m,然后将m个可形变部件模型集成起来组成混合形变模型M=(M1,…,Mm)。
进一步,所述排式开关设计有六个键,分别为电源开关、数据分析开关、显示开关、照明开关、摄像开关、打印开关。
进一步,所述伸缩杆上端安装有照明灯。
进一步,所述打印设备的侧面设有笔槽。
本发明的优点及积极效果为:该发明采用平衡测量器提高了质量检测结果;显示屏可实时显示并记录测量的数据,并通过打印设备一体打印测量结果,代替了手写的方式,数字化检测代替了传统的检测方式,使质量检测结果更加精确,减小了工作人员的工作量,提高了工作效率;伸缩杆的设置可自由伸缩至测量点,避免了受到身高的限制;摄像头可实时记录检测过程,便于后期查看校验;照明灯的设置解决了建筑内部较黑对检测工作带来的不便,缩短了检测的时间;通过笔槽可随时卡接书写笔,随时对打印结果签字记录,方便了检测过程的使用;本发明操作简单,携带方便,功能齐全,具有很大的实用意义。
附图说明
图1是本发明实施例提供的多功能一体化建筑工程质量检测仪展开示意图;
图2是本发明实施例提供的多功能一体化建筑工程质量检测仪结构示意图;
图中:1、显示屏;2、排式开关;3、电源;4、充电口;5、平衡测量器;6、转轴;7、卡扣;8、伸缩杆;9、橡胶垫;10、固定按钮;11、底座;12、照明灯;13、摄像头;14、打印设备;15、笔槽。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图1和附图2详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1和图2所示,多功能一体化建筑工程质量检测仪设置有:
显示屏1;
所述显示屏1嵌接在伸缩杆8一侧;
所述显示屏1下端销接有排式开关2;
所述排式开关2下端安装有电源3;
所述电源3右端安装有充电口4,充电口4上端销接有平衡测量器5;
所述伸缩杆8共两根,通过转轴6活动连接;
所述转轴6下端固定有卡扣7;
所述伸缩杆8一侧螺钉固定有橡胶垫9;
所述伸缩杆8的内壁嵌装有固定按钮10;
所述伸缩杆8末端螺钉固定有底座11;
所示伸缩杆8的侧面卡接有打印设备14,电连接至显示屏1;
所示伸缩杆8的顶端嵌装有摄像头13。
所述摄像头的图像变化检测方法包括:
(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理,得到去噪后图像I1和去噪后图像I2;
(2)分别利用对数比算子和均值比算子,对得到的去噪后图像I1和去噪后图像I2进行运算,得到对数比值差异图Xl和均值比值差异图Xm,计算公式如下:
其中,μ1,μ2分别表示I1和I2的局部均值;
(3)对得到的对数比值差异图Xl和均值比值差异图Xm进行特征描述,得到对应的特征描述矩阵XL和特征描述矩阵XM;
(4)对得到的特征描述矩阵XL和特征描述矩阵XM,利用各列向量的欧氏距离度量其相似度,分别构造对应的相似度矩阵,亲和矩阵W1和W2;
(5)对得到的亲和矩阵W1和W2,利用基于亲和矩阵融合谱聚类方法对其进行聚类;
(6)使用k-means聚类方法将输出的特征向量f进行聚类,将得到的像素聚类结果,按照对数比值差异图Xl或均值比值差异图Xm中对应像素的排列顺序,恢复为原始图像的尺寸,得到最终的变化检测结果图,输出结果;
所述显示屏密钥(M,S)用来加密Tree输出CTree包括:数据拥有者提取所有图像的特征向量fi={fi1,fi2,...,fiL},i=1,2,...,n,矩阵M和随机串S是用来加密特征向量的密钥;把树形索引Tree加密生成CTree,对于CTree的每一个向量,加密方式如下:
CTree的每个节点存储着其对应的哈希值,且其叶子节点对应着其相应的加密图像;
GenSearch(Qq):用户对检索图像提取特征向量fq,使用相同的密钥对特征向量进行加密,得到Qq:
将加密后的查询特征上传给云服务器,收到Qq之后,检索过程从CTree顶端开始,执行到叶子节点;在CTree的每一层,云服务器通过计算节点和查询向量之间的汉明距离找到最小的点沿着这条路径走直到最后一层,当Qq到达叶子节点,云将返回最相关的图像的列表,与加密的图像相对应;将所有查询到的图像返回给用户;
所述显示屏的混合形变模型的集成方法包括如下步骤:
3.1)为检测到不同尺度下的敏感器官,对敏感器官样本图像进行采样,得到不同分辨率的图像,组成图像金字塔;对图像金字塔中的每一层图像采用步骤(3)的方法将其HoG特征和GMM特征相结合作为敏感器官的特征,用H表示对图像金字塔提取了HoG特征和GMM特征相结合后的特征金字塔;
3.2)根据某种敏感器官的特定姿态训练可形变部件模型,可形变部件模型用β=(F0,…,Fn,d1,…,dn,b)表示,其中,F0表示根滤波器,F1,…,Fn表示n个部件滤波器,di表示该形变模型的第i个部件滤波器相对根滤波器中“锚点”位置的形变代价,b表示模型的偏移量;
可形变部件模型的隐含参数z=(p0,…,pn),p指示滤波器在塔形特征H上取特征时的位置信息,p=(x,y,l),表示滤波器在特征金字塔的第l层的(x,y)坐标位置上取特征;
根据隐含参数z所指示的位置信息,可形变部件模型的各个滤波器在塔形特征H上取得的图像特征和形变代价组成向量ψ(H,z):
ψ(H,z)=(φ(H,p0),…,φ(H,pn),-φd(dx1,dy1),…,-φd(dxn,dyn),1)
式中,φ(H,p)表示在塔形特征H的p位置上的特征向量,φd(dxi,dyi)=(dxi,dyi,dxi 2,dyi 2)衡量第i个部件滤波器与“锚点”位置之间的形变代价;3.3)由于色情图像中的敏感器官存在姿态多样性,所以针对每种敏感器官,根据其姿态的个数m,采用步骤3.2)所述可形变部件模型训练方法训练该类敏感器官在一种姿态下的模型Mc,c=1,…,m,然后将m个可形变部件模型集成起来组成混合形变模型M=(M1,…,Mm)。
作为本发明的优选实施例,所述排式开关2设计有六个键,分别为电源开关、数据分析开关、显示开关、照明开关、摄像开关、打印开关。
作为本发明的优选实施例,所述伸缩杆8上端安装有照明灯12。
作为本发明的优选实施例,所述打印设备14的侧面设有笔槽15。
本发明的工作原理:通过充电口4对电源3充电,按下排式开关2上相应的按钮,橡胶垫9增大握持摩擦力,显示屏1上显示出平衡测量器5的角度和平衡测量结果,可通过打印设备14进行实时打印;将转轴6展开一定的角度,配合卡扣7将转轴6进行固定,从而对建筑工程的水平度、垂直度进行测量,在黑暗情况下,可打开照明灯12进行照明,通过固定按钮10可调节伸缩杆8的长度,以适应不同的测量环境;检测过程中,摄像头13可对检测过程进行实时记录。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (4)
1.一种多功能一体化建筑工程质量检测仪,其特征在于,所述多功能一体化建筑工程质量检测仪设置有:
显示屏;所述显示屏嵌接在伸缩杆一侧;所述显示屏下端销接有排式开关;所述排式开关下端安装有电源;所述电源右端安装有充电口,充电口上端销接有平衡测量器;所述伸缩杆共两根,通过转轴活动连接;所述转轴下端固定有卡扣;所述伸缩杆一侧螺钉固定有橡胶垫;所述伸缩杆的内壁嵌装有固定按钮;所述伸缩杆末端螺钉固定有底座;所述伸缩杆的侧面卡接有打印设备,电连接至显示屏;所述伸缩杆的顶端嵌装有摄像头;
所述摄像头的图像变化检测方法包括:
(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理,得到去噪后图像I1和去噪后图像I2;
(2)分别利用对数比算子和均值比算子,对得到的去噪后图像I1和去噪后图像I2进行运算,得到对数比值差异图Xl和均值比值差异图Xm,计算公式如下:
其中,μ1,μ2分别表示I1和I2的局部均值;
(3)对得到的对数比值差异图Xl和均值比值差异图Xm进行特征描述,得到对应的特征描述矩阵XL和特征描述矩阵XM;
(4)对得到的特征描述矩阵XL和特征描述矩阵XM,利用各列向量的欧氏距离度量其相似度,分别构造对应的相似度矩阵,亲和矩阵W1和W2;
(5)对得到的亲和矩阵W1和W2,利用基于亲和矩阵融合谱聚类方法对其进行聚类;
(6)使用k-means聚类方法将输出的特征向量f进行聚类,将得到的像素聚类结果,按照对数比值差异图Xl或均值比值差异图Xm中对应像素的排列顺序,恢复为原始图像的尺寸,得到最终的变化检测结果图,输出结果;
所述显示屏密钥(M,S)用来加密Tree输出CTree包括:数据拥有者提取所有图像的特征向量fi={fi1,fi2,...,fiL},i=1,2,...,n,矩阵M和随机串S是用来加密特征向量的密钥;把树形索引Tree加密生成CTree,对于CTree的每一个向量,加密方式如下:
CTree的每个节点存储着其对应的哈希值,且其叶子节点对应着其相应的加密图像;
GenSearch(Qq):用户对检索图像提取特征向量fq,使用相同的密钥对特征向量进行加密,得到Qq:
将加密后的查询特征上传给云服务器,收到Qq之后,检索过程从CTree顶端开始,执行到叶子节点;在CTree的每一层,云服务器通过计算节点和查询向量之间的汉明距离找到最小的点沿着这条路径走直到最后一层,当Qq到达叶子节点,云将返回最相关的图像的列表,与加密的图像相对应;将所有查询到的图像返回给用户;
所述显示屏的混合形变模型的集成方法包括如下步骤:
3.1)为检测到不同尺度下的敏感器官,对敏感器官样本图像进行采样,得到不同分辨率的图像,组成图像金字塔;对图像金字塔中的每一层图像采用步骤(3)的方法将其HoG特征和GMM特征相结合作为敏感器官的特征,用H表示对图像金字塔提取了HoG特征和GMM特征相结合后的特征金字塔;
3.2)根据某种敏感器官的特定姿态训练可形变部件模型,可形变部件模型用β=(F0,…,Fn,d1,…,dn,b)表示,其中,F0表示根滤波器,F1,…,Fn表示n个部件滤波器,di表示该形变模型的第i个部件滤波器相对根滤波器中“锚点”位置的形变代价,b表示模型的偏移量;
可形变部件模型的隐含参数z=(p0,…,pn),p指示滤波器在塔形特征H上取特征时的位置信息,p=(x,y,l),表示滤波器在特征金字塔的第l层的(x,y)坐标位置上取特征;
根据隐含参数z所指示的位置信息,可形变部件模型的各个滤波器在塔形特征H上取得的图像特征和形变代价组成向量ψ(H,z):
ψ(H,z)=(φ(H,p0),…,φ(H,pn),-φd(dx1,dy1),…,-φd(dxn,dyn),1)
式中,φ(H,p)表示在塔形特征H的p位置上的特征向量,φd(dxi,dyi)=(dxi,dyi,dxi 2,dyi 2)衡量第i个部件滤波器与“锚点”位置之间的形变代价;3.3)由于色情图像中的敏感器官存在姿态多样性,所以针对每种敏感器官,根据其姿态的个数m,采用步骤3.2)所述可形变部件模型训练方法训练该类敏感器官在一种姿态下的模型Mc,c=1,…,m,然后将m个可形变部件模型集成起来组成混合形变模型M=(M1,…,Mm)。
2.如权利要求1所述的多功能一体化建筑工程质量检测仪,其特征在于,所述排式开关设计有六个键,分别为电源开关、数据分析开关、显示开关、照明开关、摄像开关、打印开关。
3.如权利要求1所述的多功能一体化建筑工程质量检测仪,其特征在于,所述伸缩杆上端安装有照明灯。
4.如权利要求1所述的多功能一体化建筑工程质量检测仪,其特征在于,所述打印设备的侧面设有笔槽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810326050.7A CN108827254A (zh) | 2018-04-12 | 2018-04-12 | 一种多功能一体化建筑工程质量检测仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810326050.7A CN108827254A (zh) | 2018-04-12 | 2018-04-12 | 一种多功能一体化建筑工程质量检测仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108827254A true CN108827254A (zh) | 2018-11-16 |
Family
ID=64155354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810326050.7A Pending CN108827254A (zh) | 2018-04-12 | 2018-04-12 | 一种多功能一体化建筑工程质量检测仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108827254A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134059A (zh) * | 2014-07-25 | 2014-11-05 | 西安电子科技大学 | 保持颜色信息的形变敏感器官模型下的不良图像检测方法 |
CN106097290A (zh) * | 2016-06-03 | 2016-11-09 | 西安电子科技大学 | 基于nmf图像融合的sar图像变化检测方法 |
CN206002380U (zh) * | 2016-08-23 | 2017-03-08 | 索南多加 | 一种便携式建筑工程质量检测仪 |
CN206073976U (zh) * | 2016-09-21 | 2017-04-05 | 清华大学 | 一种多功能数字一体化建筑工程质量检测仪 |
CN107392863A (zh) * | 2017-06-30 | 2017-11-24 | 西安电子科技大学 | 基于亲和矩阵融合谱聚类方法的sar图像变化检测方法 |
CN107480163A (zh) * | 2017-06-19 | 2017-12-15 | 西安电子科技大学 | 一种云环境下支持隐私保护的高效密文图像检索方法 |
-
2018
- 2018-04-12 CN CN201810326050.7A patent/CN108827254A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134059A (zh) * | 2014-07-25 | 2014-11-05 | 西安电子科技大学 | 保持颜色信息的形变敏感器官模型下的不良图像检测方法 |
CN106097290A (zh) * | 2016-06-03 | 2016-11-09 | 西安电子科技大学 | 基于nmf图像融合的sar图像变化检测方法 |
CN206002380U (zh) * | 2016-08-23 | 2017-03-08 | 索南多加 | 一种便携式建筑工程质量检测仪 |
CN206073976U (zh) * | 2016-09-21 | 2017-04-05 | 清华大学 | 一种多功能数字一体化建筑工程质量检测仪 |
CN107480163A (zh) * | 2017-06-19 | 2017-12-15 | 西安电子科技大学 | 一种云环境下支持隐私保护的高效密文图像检索方法 |
CN107392863A (zh) * | 2017-06-30 | 2017-11-24 | 西安电子科技大学 | 基于亲和矩阵融合谱聚类方法的sar图像变化检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101998136B (zh) | 单应矩阵的获取方法、摄像设备的标定方法及装置 | |
CN108592950B (zh) | 一种单目相机和惯性测量单元相对安装角标定方法 | |
CN102207371B (zh) | 一种三维点坐标测量方法及测量装置 | |
CN104457627A (zh) | 一种利用Photoshop精准测量不规则物体平面面积的方法 | |
US9778016B2 (en) | Method and device for locating a magnetic object | |
CN103185544B (zh) | 高尔夫球杆头的测量方法 | |
CN108376405B (zh) | 基于双体感追踪系统的人体运动捕捉系统及捕捉方法 | |
CN101004370A (zh) | 透水混凝土路面表面孔隙率与试块断面孔隙率检测方法 | |
CN106971406A (zh) | 物体位姿的检测方法和装置 | |
CN110975270A (zh) | 一种基于标记和计算机视觉的立定跳远检测方法 | |
CN108090922A (zh) | 智能目标跟踪轨迹记录方法 | |
CN105842707A (zh) | 基于无人机遥感图像的草地地上生物量测算方法及装置 | |
CN108830317B (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN105488541A (zh) | 增强现实系统中基于机器学习的自然特征点识别方法 | |
CN106017871A (zh) | 高精度大口径光学镜头畸变标定装置及标定方法 | |
CN104778718B (zh) | 基于3d模型的单幅图像卡车体积测量方法 | |
US11875524B2 (en) | Unmanned aerial vehicle platform based vision measurement method for static rigid object | |
CN105783970B (zh) | 一种汽车仪表指针的数字化识别方法 | |
CN106485739B (zh) | 一种基于l2距离的点集配准方法 | |
CN102254185A (zh) | 基于对比度敏感函数的背景杂波量化方法 | |
CN108827254A (zh) | 一种多功能一体化建筑工程质量检测仪 | |
CN109669849A (zh) | 一种基于未确知深度理论的复杂系统健康状态评估方法 | |
CN202204479U (zh) | 虚拟光学引伸计 | |
CN109740458B (zh) | 一种基于视频处理的体貌特征测量方法及系统 | |
CN201653381U (zh) | 便携式动态挠度位移测量装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |