CN110189321A - 一种混凝土表面涂料均匀性确定方法及系统 - Google Patents

一种混凝土表面涂料均匀性确定方法及系统 Download PDF

Info

Publication number
CN110189321A
CN110189321A CN201910476684.5A CN201910476684A CN110189321A CN 110189321 A CN110189321 A CN 110189321A CN 201910476684 A CN201910476684 A CN 201910476684A CN 110189321 A CN110189321 A CN 110189321A
Authority
CN
China
Prior art keywords
value
cluster
difference
pixel
concrete surface
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
Application number
CN201910476684.5A
Other languages
English (en)
Other versions
CN110189321B (zh
Inventor
刘敦文
邱丰恺
翦英骅
唐宇
蒋金芸
刘则悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201910476684.5A priority Critical patent/CN110189321B/zh
Publication of CN110189321A publication Critical patent/CN110189321A/zh
Application granted granted Critical
Publication of CN110189321B publication Critical patent/CN110189321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Application Of Or Painting With Fluid Materials (AREA)

Abstract

本发明公开了一种混凝土表面涂料均匀性确定方法及其系统，所述方法包括：通过K均值聚类算法分别对混凝土表面在喷涂涂料前后的红外热图像进行数据处理分析，得到同一像素点在喷涂涂料前后的聚类差值，然后依据聚类差值的不同构造判断矩阵，并利用层次分析法计算各聚类差值的权重，最后根据统计分别得到各个不同聚类结果差值的像素点总数量及其相应的权重值，计算出混凝土表面涂料的均匀性，本发明的上述方法消除了混凝土试件本身所带来的影响，实现对混凝土试件表面涂料的均匀性的确定。

Description

一种混凝土表面涂料均匀性确定方法及系统
技术领域
本发明涉及表面涂料均匀性检测技术领域，特别是涉及一种混凝土表面涂料均匀性确定方法及系统。
背景技术
红外热图像检测技术通过施加热激励的方法来测量材料表面的温度场变化获取材料表面及其表面以下的结构信息，从而达到检测的目的。在施加热激励的过程中，由于试件表面涂料的不均匀，导致试件表面的温度分布不均匀，从而产生高温区和低温区，由于温度的差异性，高温区热量通过热传导向低温区传递，导致试件不同区域温度发生变化，通过红外热像仪采集试件温度的变化过程，可以获取试件的相关信息，实现表面涂料的均匀性检测。
现有技术中一般是直接采用红外检测的方法对试件表面的温度信息进行分析，然后通过一系列数据分析处理，根据得到的温度信息来实现缺陷的定性和定量识别，但是这些方案仅适用于本身结构、材料等特性不会影响到缺陷识别的试件，对于类似混凝土这种具有比较复杂的多种材料试件并不适合，因为这类试件本身的特性就会引起其表面温度分布的不均匀，而非只有缺陷存在时。
发明内容
基于此，本发明的目的是提供一种混凝土表面涂料均匀性确定方法及系统，消除混凝土试件本身所带来的影响，从而确定混凝土试件表面涂料的均匀性。
为实现上述目的，本发明提供了如下方案：
一种混凝土表面涂料均匀性确定方法，所述方法包括：
在第一测量条件下，获取喷涂涂料前混凝土的红外热图像数据，记为第一红外热图像数据，所述第一红外热图像数据是由多个第一像素点构成；
在所述第一测量条件下，测量所述第一像素点在加热过程中不同时刻下的温度值，得到第一像素点温度值；
根据各所述第一像素点温度值的不同，采用K均值算法对各所述第一像素点进行聚类，得到各所述第一像素点的聚类值；
在第二测量条件下，获取喷涂涂料后混凝土的红外热图像数据，记为第二红外热图像数据，所述第二红外热图像数据是由多个第二像素点构成；
在所述第二测量条件下，测量所述第二像素点在加热过程中不同时刻下的温度值，得到第二像素点温度值，所述第一测量条件和所述第二测量条件相同；
根据各所述第二像素点温度值的不同，采用相同的K均值算法对各所述第二像素点进行聚类，得到各所述第二像素点的聚类值；
将相同位置像素点在喷涂涂料前后的聚类值作差，得到多个聚类差值；
根据所述聚类差值的大小，对各所述聚类差值之间进行两两比较，采用标度法排列各聚类差值的相对重要顺序，构建判断矩阵，所述判断矩阵是一个n阶矩阵，n表示聚类差值的总数量；
根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值；
根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值；
根据所述不均匀度的大小确定混凝土表面涂料的均匀性。
可选的，所述根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值，具体包括：
将所述判断矩阵中每一行的元素进行相乘，得到一个n行的列矩阵；
计算所述列矩阵每个元素的n次方根，并进行归一化处理，得到权重矩阵，所述权重矩阵中的每个元素即为各聚类差值对应的第二权重值；
根据所述判断矩阵和所述权重矩阵，计算所述判断矩阵的最大特征根；
所述最大特征根的表达式具体为：其中w′i表示第i个聚类差值对应的第二权重值，P表示判断矩阵，W表示权重矩阵；
根据所述最大特征根和所述判断矩阵，确定一致性检验指标值；
判断所述一致性检验指标值是否小于阈值；
若是，则各所述聚类差值对应的第二权重值即为各所述聚类差值对应的第一权重值；
若否，则重新构建判断矩阵。
可选的，所述根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值，具体包括：
根据这个公式计算混凝土表面涂料不均匀度；
其中，U表示混凝土表面涂料不均匀度，M表示混凝土表面像素点总数量，wi表示第i个聚类差值对应的第一权重值，ki表示第i个聚类差值对应的像素点数量，1≤i≤n。
可选的，所述构建判断矩阵为：
其中，P表示判断矩阵，bij表示第i个聚类差值与第j个聚类差值重要性比较结果，i＝1,2,3…n j＝1,2,3…n。
可选的，所述根据所述最大特征根和所述判断矩阵，确定一致性检验指标值，具体包括：
根据公式计算一致性检验指标值；
其中，CR表示一致性检验指标值，λmax表示所述判断矩阵的最大特征根，γn表示修正系数。
一种混凝土表面涂料均匀性确定系统，所述系统包括：
第一数据获取模块，用于在第一测量条件下，获取喷涂涂料前混凝土的红外热图像数据，记为第一红外热图像数据，所述第一红外热图像数据是由多个第一像素点构成；
第一像素点温度值确定模块，用于在所述第一测量条件下，测量所述第一像素点在加热过程中不同时刻下的温度值，得到第一像素点温度值；
第一像素点的聚类值确定模块，用于根据各所述第一像素点温度值的不同，采用K均值算法对各所述第一像素点进行聚类，得到各所述第一像素点的聚类值；
第二数据获取模块，用于在第二测量条件下获取喷涂涂料后混凝土的红外热图像数据，记为第二红外热图像数据，所述第二红外热图像数据是由多个第二像素点构成；
第二像素点温度值确定模块，用于在所述第二测量条件下，测量所述第二像素点在加热过程中不同时刻下的温度值，得到第二像素点温度值，所述第一测量条件和所述第二测量条件相同；
第二像素点的聚类值确定模块，用于根据各所述第二像素点温度值的不同，采用相同的K均值算法对各所述第二像素点进行聚类，得到各所述第二像素点的聚类值；
聚类差值确定模块，用于将相同位置像素点在喷涂涂料前后的聚类值作差，得到多个聚类差值；
判断矩阵构建模块，用于根据所述聚类差值的大小，对各所述聚类差值之间进行两两比较，采用标度法排列各聚类差值的相对重要顺序，构建判断矩阵，所述判断矩阵是一个n阶矩阵，n表示聚类差值的总数量；
第一权重值确定模块，用于根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值；
混凝土表面涂料的不均匀度计算模块，用于根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值；
混凝土表面涂料的均匀性确定模块，用于根据所述不均匀度的大小确定混凝土表面涂料的均匀性。
可选的，所述判断矩阵构建模块，具体包括：
列矩阵确定单元，用于将所述判断矩阵中每一行的元素进行相乘，得到一个n行的列矩阵；
权重矩阵确定单元，用于计算所述列矩阵每个元素的n次方根，并进行归一化处理，得到权重矩阵，所述权重矩阵中的每个元素即为各聚类差值对应的第二权重值；
最大特征根计算单元，用于根据所述判断矩阵和所述权重矩阵，计算所述判断矩阵的最大特征根；
所述最大特征根的表达式具体为：其中w′i表示第i个聚类差值对应的第二权重值，P表示判断矩阵，W表示权重矩阵；
一致性检验指标值确定单元，用于根据所述最大特征根和所述判断矩阵，确定一致性检验指标值；
判断单元，用于判断所述一致性检验指标值是否小于阈值；
第一权重值确定单元，用于若是，则各所述聚类差值对应的第二权重值即为各所述聚类差值对应的第一权重值；
判断矩阵重新构建单元，用于若否，则重新构建判断矩阵。
可选的，所述混凝土表面涂料的不均匀度计算模块，具体包括：
混凝土表面涂料不均匀度计算单元，用于根据这个公式计算混凝土表面涂料不均匀度；
其中，U表示混凝土表面涂料不均匀度，M表示混凝土表面像素点总数量，wi表示第i个聚类差值对应的第一权重值，ki表示第i个聚类差值对应的像素点数量，1≤i≤n。
可选的，所述构建判断矩阵为：
其中，P表示判断矩阵，bij表示第i个聚类差值与第j个聚类差值重要性比较结果，i＝1,2,3…n j＝1,2,3…n。
可选的，所述一致性检验指标值确定单元，具体包括：
一致性检验指标值确定子单元，用于根据公式计算一致性检验指标值；
其中，CR表示一致性检验指标值，λmax表示所述判断矩阵的最大特征根，γn表示修正系数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明将首先通过K均值聚类算法分别对混凝土表面在喷涂涂料前后的红外图像进行数据处理分析，得到同一像素点在喷涂涂料前后的聚类差值，然后依据聚类差值的不同构造判断矩阵，并利用层次分析法计算各聚类差值的权重，最后根据统计得到各个聚类结果差值的像素点数量及其相应的权重值计算出混凝土表面涂料的不均匀度，从而确定混凝土试件表面涂料的均匀性，并且可以消除混凝土试件本身所带来的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种混凝土表面涂料均匀性确定方法流程图；
图2为本发明实施例一种混凝土表面涂料均匀性确定系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种混凝土表面涂料均匀性确定方法及系统，消除混凝土试件本身所带来的影响，从而确定混凝土试件表面涂料的均匀性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种混凝土表面涂料均匀性确定方法流程图，如图1所示，所述方法包括：
步骤S1：在第一测量条件下，获取喷涂涂料前混凝土的红外热图像数据，记为第一红外热图像数据，所述第一红外热图像数据是由多个第一像素点构成。
具体的，对所述第一红外热图像数据中的第一像素点从左至右，从上到下对每个像素点进行编号，记为S1,S2,S3…SM，M为第一像素点的总个数。
步骤S2：在第一测量条件下，测量所述第一像素点在加热过程中不同时刻下的温度值，得到第一像素点温度值。
具体的，选取第一像素点在4个不同时刻t下的温度值作为每个像素点的指标，记Sl＝(Tl1,Tl2,Tl3,Tl4)，其中Tl1,Tl2,Tl3,Tl4分别表示不同时刻下每个像素点的温度值，l＝1,2,3…M。
步骤S3：根据各所述第一像素点温度值的不同，采用K均值算法对各所述第一像素点进行聚类，得到各所述第一像素点的聚类值。
具体的，所述K均值算法中取k＝5，各所述第一像素点的聚类值记为集合Q。
步骤S4：在第二测量条件下，获取喷涂涂料后混凝土的红外热图像数据，记为第二红外热图像数据，所述第二红外热图像数据是由多个第二像素点构成。
具体的，对所述第二红外热图像数据中的第二像素点从左至右，从上到下对每个像素点进行编号，记为S′1,S′2,S′3…S′M，M为第二像素点的总个数，由于喷涂涂料前后的混凝土是不变的，因此喷涂涂料前后混凝土的红外热图像数据中像素点的个数是一样的。
注意该步骤中在采集喷涂涂料后的混凝土红外热图像时，应保证其过程及环境条件与喷涂涂料前的过程及环境条件完全一致，通过这种方法可以消除混凝土试件本身结构特性的差异对涂料均匀性确定结果的准确性所带来的影响。因此，测量条件在本发明实施例中不作限定，但是要求第一测量条件和第二测量条件相同。
步骤S5：在第二测量条件下，测量所述第二像素点在加热过程中不同时刻下的温度值，得到第二像素点温度值，所述第一测量条件和所述第二测量条件相同。
具体的，选取第二像素点在4个不同时刻t下的温度值作为每个像素点的指标，记S′l＝(T′l1,T′l2,T′l3,T′l4)，其中T′l1,T′l2,T′l3,T′l4分别表示不同时刻下每个像素点的温度值，l＝1,2,3…M。
步骤S6：根据各所述第二像素点温度值的不同，采用相同的K均值算法对各所述第二像素点进行聚类，得到各所述第二像素点的聚类值。
具体的，所述K均值算法中取k＝5，各所述第二像素点的聚类值记为集合D。
步骤S7：将相同位置像素点在喷涂涂料前后的聚类值作差，得到多个聚类差值。
具体的，由于在K均值算法中均取k＝5，相同位置像素点在喷涂涂料前后的聚类值进行作差，并对所述差值进行求绝对值，会得到4个不为零且互不相同的差值，记为Z1,Z2,Z3,Z4，其中Z1＝1,Z2＝2,Z3＝3,Z4＝4。
步骤S8：根据所述聚类差值的大小，对各所述聚类差值之间进行两两比较，采用标度法排列各聚类差值的相对重要顺序，构建判断矩阵，所述判断矩阵是一个n阶矩阵，n表示聚类差值的总数量。
具体的，所述构建判断矩阵为：
其中，P表示判断矩阵，bij表示第i个聚类差值与第j个聚类差值重要性比较结果，i＝1,2,3…n j＝1,2,3…n。bij＝1/bji，bij采用7标度法进行取值，分别为1/7,1/5,1/3,1/1,3/1,5/1,7/1,表示指标i对于指标j的重要程度由轻到重。
具体的，n＝4，采用7标度法排列各聚类差值的相对重要顺序，如下表所示：
表中数据1，3，5，7分别表示列向指标比横向指标“同等重要”，“稍微重要”，“比较重要”和“相当重要”。
构建的判断矩阵为
步骤S9：根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值。
所述步骤S9具体包括：
步骤S901：将所述判断矩阵中每一行的元素进行相乘，得到一个n行的列矩阵。
步骤S902：计算所述列矩阵每个元素的n次方根，并进行归一化处理，得到权重矩阵，所述权重矩阵中的每个元素即为各聚类差值对应的第二权重值。
步骤S903：根据所述判断矩阵和所述权重矩阵，计算所述判断矩阵的最大特征根。
步骤S904：所述最大特征根的表达式具体为：其中w′i表示第i个聚类差值对应的第二权重值，P表示判断矩阵，W表示权重矩阵。
步骤S905：根据所述最大特征根和所述判断矩阵，确定一致性检验指标值。
具体的，根据公式计算一致性检验指标值；
其中，CR表示一致性检验指标值，λmax表示所述判断矩阵的最大特征根，γn表示修正系数。
步骤S906：判断所述一致性检验指标值是否小于阈值。
具体的，当判断矩阵一致性指标值CR＜0.1时，则其一致性满足要求，说明计算得到的权重值是合理有效的。
γn为矩阵对应的修正系数，取值如下表所示。
n 1 2 3 4 5 6 7 8 9
γ<sub>n</sub> 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45
步骤S907：若是，则各所述聚类差值对应的第二权重值即为各所述聚类差值对应的第一权重值。
步骤S908：若否，则重新构建判断矩阵。
步骤S10：根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值。
具体的，根据这个公式计算混凝土表面涂料不均匀度；
其中，U表示混凝土表面涂料不均匀度，M表示混凝土表面像素点总数量，wi表示第i个聚类差值对应的第一权重值，ki表示第i个聚类差值对应的像素点数量，1≤i≤n。
步骤S11：根据所述不均匀度的大小确定混凝土表面涂料的均匀性。
具体的，根据计算得出的不均匀度U，结合下表划分标准即可计算出混凝土表面涂料的均匀性。
本发明实施一种混凝土表面涂料均匀性确定方法，首先通过k均值聚类方法分别对混凝土表面在喷涂涂料前后的红外图像进行数据处理分析，得到同一像素点在喷涂涂料前后的所属类别，然后依据聚类结果差值的不同构造判断矩阵，并利用层次分析法计算两个聚类结果差值的权重，最后根据统计得到的各个聚类结果差值的像素点数量及其相应的权重值计算出混凝土表面涂料的不均匀度。
本发明实施例中采用对比分析差值的方法进行涂料不均匀度的计算，该方法可以消除由检测试件本身材料特性的差异所带来的影响。
另外，本发明实施例中采用了聚类分析和层次分析相结合的方法，先计算各个聚类结果差值的权重，再根据权重的不同求出涂料的不均匀度，使得计算结果的准确性和可靠性更高。
图2为本发明实施例一种混凝土表面涂料均匀性确定系统结构示意图，如图2所示，所述系统包括：
第一数据获取模块201，用于在第一测量条件下，获取喷涂涂料前混凝土的红外热图像数据，记为第一红外热图像数据，所述第一红外热图像数据是由多个第一像素点构成；
第一像素点温度值确定模块201，用于在第一测量条件下，测量所述第一像素点在加热过程中不同时刻下的温度值，得到第一像素点温度值；
第一像素点的聚类值确定模块203，用于根据各所述第一像素点温度值的不同，采用K均值算法对各所述第一像素点进行聚类，得到各所述第一像素点的聚类值；
第二数据获取模块204，用于在第二测量条件下，获取喷涂涂料后混凝土的红外热图像数据，记为第二红外热图像数据，所述第二红外热图像数据是由多个第二像素点构成；
第二像素点温度值确定模块205，用于在第二测量条件下，测量所述第二像素点在相同条件下加热过程中不同时刻下的温度值，得到第二像素点温度值，所述第一测量条件和所述第二测量条件相同；
第二像素点的聚类值确定模块206，用于根据各所述第二像素点温度值的不同，采用相同的K均值算法对各所述第二像素点进行聚类，得到各所述第二像素点的聚类值；
聚类差值确定模块207，用于将相同位置像素点在喷涂涂料前后的聚类值作差，得到多个聚类差值；
判断矩阵构建模块208，用于根据所述聚类差值的大小，对各所述聚类差值之间进行两两比较，采用标度法排列各聚类差值的相对重要顺序，构建判断矩阵，所述判断矩阵是一个n阶矩阵，n表示聚类差值的总数量；
所述判断矩阵构建模块208，具体包括：
列矩阵确定单元，用于将所述判断矩阵中每一行的元素进行相乘，得到一个n行的列矩阵；
权重矩阵确定单元，用于计算所述列矩阵每个元素的n次方根，并进行归一化处理，得到权重矩阵，所述权重矩阵中的每个元素即为各聚类差值对应的第二权重值；
最大特征根计算单元，用于根据所述判断矩阵和所述权重矩阵，计算所述判断矩阵的最大特征根；
所述最大特征根的表达式具体为：其中w′i表示第i个聚类差值对应的第二权重值，P表示判断矩阵，W表示权重矩阵；
一致性检验指标值确定单元，用于根据所述最大特征根和所述判断矩阵，确定一致性检验指标值；
所述一致性检验指标值确定单元，具体包括：
一致性检验指标值确定子单元，用于根据公式计算一致性检验指标值；
其中，CR表示一致性检验指标值，λmax表示所述判断矩阵的最大特征根，γn表示修正系数。
判断单元，用于判断所述一致性检验指标值是否小于阈值；
第一权重值确定单元，用于若是，则各所述聚类差值对应的第二权重值即为各所述聚类差值对应的第一权重值；
判断矩阵重新构建单元，用于若否，则重新构建判断矩阵。
所述构建判断矩阵为：
其中，P表示判断矩阵，bij表示第i个聚类差值与第j个聚类差值重要性比较结果，i＝1,2,3...n j＝1,2,3...n。
第一权重值确定模块209，用于根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值；
混凝土表面涂料的不均匀度计算模块210，用于根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值；
所述混凝土表面涂料的不均匀度计算模块210，具体包括：
混凝土表面涂料不均匀度计算单元，用于根据这个公式计算混凝土表面涂料不均匀度；
其中，U表示混凝土表面涂料不均匀度，M表示混凝土表面像素点总数量，wi表示第i个聚类差值对应的第一权重值，ki表示第i个聚类差值对应的像素点数量，1≤i≤n。
混凝土表面涂料的均匀性确定模块211，用于根据所述不均匀度的大小确定混凝土表面涂料的均匀性。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种混凝土表面涂料均匀性确定方法，其特征在于，所述方法包括：
在第一测量条件下，获取喷涂涂料前混凝土的红外热图像数据，记为第一红外热图像数据，所述第一红外热图像数据是由多个第一像素点构成；
在所述第一测量条件下，测量所述第一像素点在加热过程中不同时刻下的温度值，得到第一像素点温度值；
根据各所述第一像素点温度值的不同，采用K均值算法对各所述第一像素点进行聚类，得到各所述第一像素点的聚类值；
在第二测量条件下，获取喷涂涂料后混凝土的红外热图像数据，记为第二红外热图像数据，所述第二红外热图像数据是由多个第二像素点构成；
在所述第二测量条件下，测量所述第二像素点在加热过程中不同时刻下的温度值，得到第二像素点温度值，所述第一测量条件和所述第二测量条件相同；
根据各所述第二像素点温度值的不同，采用相同的K均值算法对各所述第二像素点进行聚类，得到各所述第二像素点的聚类值；
将相同位置像素点在喷涂涂料前后的聚类值作差，得到多个聚类差值；
根据所述聚类差值的大小，对各所述聚类差值之间进行两两比较，采用标度法排列各聚类差值的相对重要顺序，构建判断矩阵，所述判断矩阵是一个n阶矩阵，n表示聚类差值的总数量；
根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值；
根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值；
根据所述不均匀度的大小确定混凝土表面涂料的均匀性。
2.根据权利要求1所述的混凝土表面涂料均匀性确定方法，其特征在于，所述根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值，具体包括：
将所述判断矩阵中每一行的元素进行相乘，得到一个n行的列矩阵；
计算所述列矩阵每个元素的n次方根，并进行归一化处理，得到权重矩阵，所述权重矩阵中的每个元素即为各聚类差值对应的第二权重值；
根据所述判断矩阵和所述权重矩阵，计算所述判断矩阵的最大特征根；
所述最大特征根的表达式具体为：其中wi′表示第i个聚类差值对应的第二权重值，P表示判断矩阵，W表示权重矩阵；
根据所述最大特征根和所述判断矩阵，确定一致性检验指标值；
判断所述一致性检验指标值是否小于阈值；
若是，则各所述聚类差值对应的第二权重值即为各所述聚类差值对应的第一权重值；
若否，则重新构建判断矩阵。
3.根据权利要求1所述的混凝土表面涂料均匀性确定方法，其特征在于，所述根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值，具体包括：
根据这个公式计算混凝土表面涂料不均匀度；
其中，U表示混凝土表面涂料不均匀度，M表示混凝土表面像素点总数量，wi表示第i个聚类差值对应的第一权重值，ki表示第i个聚类差值对应的像素点数量，1≤i≤n。
4.根据权利要求1所述的混凝土表面涂料均匀性确定方法，其特征在于，所述构建判断矩阵为：
其中，P表示判断矩阵，bij表示第i个聚类差值与第j个聚类差值重要性比较结果，i＝1,2,3…n j＝1,2,3…n。
5.根据权利要求2所述的混凝土表面涂料均匀性确定方法，其特征在于，所述根据所述最大特征根和所述判断矩阵，确定一致性检验指标值，具体包括：
根据公式计算一致性检验指标值；
其中，CR表示一致性检验指标值，λmax表示所述判断矩阵的最大特征根，γn表示修正系数。
6.一种混凝土表面涂料均匀性确定系统，其特征在于，所述系统包括：
第一数据获取模块，用于在第一测量条件下，获取喷涂涂料前混凝土的红外热图像数据，记为第一红外热图像数据，所述第一红外热图像数据是由多个第一像素点构成；
第一像素点温度值确定模块，用于在所述第一测量条件下，测量所述第一像素点在加热过程中不同时刻下的温度值，得到第一像素点温度值；
第一像素点的聚类值确定模块，用于根据各所述第一像素点温度值的不同，采用K均值算法对各所述第一像素点进行聚类，得到各所述第一像素点的聚类值；
第二数据获取模块，用于在第二测量条件下，获取喷涂涂料后混凝土的红外热图像数据，记为第二红外热图像数据，所述第二红外热图像数据是由多个第二像素点构成；
第二像素点温度值确定模块，用于在所述第二测量条件下，测量所述第二像素点在加热过程中不同时刻下的温度值，得到第二像素点温度值，所述第一测量条件和所述第二测量条件相同；
第二像素点的聚类值确定模块，用于根据各所述第二像素点温度值的不同，采用相同的K均值算法对各所述第二像素点进行聚类，得到各所述第二像素点的聚类值；
聚类差值确定模块，用于将相同位置像素点在喷涂涂料前后的聚类值作差，得到多个聚类差值；
判断矩阵构建模块，用于根据所述聚类差值的大小，对各所述聚类差值之间进行两两比较，采用标度法排列各聚类差值的相对重要顺序，构建判断矩阵，所述判断矩阵是一个n阶矩阵，n表示聚类差值的总数量；
第一权重值确定模块，用于根据所述判断矩阵，采用层次分析法确定各所述聚类差值对应的第一权重值；
混凝土表面涂料的不均匀度计算模块，用于根据各所述聚类差值对应的第一权重值计算混凝土表面涂料的不均匀度，所述不均匀度为一个确定的数值；
混凝土表面涂料的均匀性确定模块，用于根据所述不均匀度的大小确定混凝土表面涂料的均匀性。
7.根据权利要求6所述的混凝土表面涂料均匀性确定系统，其特征在于，所述判断矩阵构建模块，具体包括：
列矩阵确定单元，用于将所述判断矩阵中每一行的元素进行相乘，得到一个n行的列矩阵；
权重矩阵确定单元，用于计算所述列矩阵每个元素的n次方根，并进行归一化处理，得到权重矩阵，所述权重矩阵中的每个元素即为各聚类差值对应的第二权重值；
最大特征根计算单元，用于根据所述判断矩阵和所述权重矩阵，计算所述判断矩阵的最大特征根；
所述最大特征根的表达式具体为：其中wi′表示第i个聚类差值对应的第二权重值，P表示判断矩阵，W表示权重矩阵；
一致性检验指标值确定单元，用于根据所述最大特征根和所述判断矩阵，确定一致性检验指标值；
判断单元，用于判断所述一致性检验指标值是否小于阈值；
第一权重值确定单元，用于若是，则各所述聚类差值对应的第二权重值即为各所述聚类差值对应的第一权重值；
判断矩阵重新构建单元，用于若否，则重新构建判断矩阵。
8.根据权利要求6所述的混凝土表面涂料均匀性确定系统，其特征在于，所述混凝土表面涂料的不均匀度计算模块，具体包括：
混凝土表面涂料不均匀度计算单元，用于根据这个公式计算混凝土表面涂料不均匀度；
其中，U表示混凝土表面涂料不均匀度，M表示混凝土表面像素点总数量，wi表示第i个聚类差值对应的第一权重值，ki表示第i个聚类差值对应的像素点数量，1≤i≤n。
9.根据权利要求6所述的混凝土表面涂料均匀性确定系统，其特征在于，所述构建判断矩阵为：
其中，P表示判断矩阵，bij表示第i个聚类差值与第j个聚类差值重要性比较结果，i＝1,2,3…n j＝1,2,3…n。
10.根据权利要求7所述的混凝土表面涂料均匀性确定系统，其特征在于，所述一致性检验指标值确定单元，具体包括：
一致性检验指标值确定子单元，用于根据公式计算一致性检验指标值；
其中，CR表示一致性检验指标值，λmax表示所述判断矩阵的最大特征根，γn表示修正系数。
CN201910476684.5A 2019-06-03 2019-06-03 一种混凝土表面涂料均匀性确定方法及系统 Active CN110189321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910476684.5A CN110189321B (zh) 2019-06-03 2019-06-03 一种混凝土表面涂料均匀性确定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910476684.5A CN110189321B (zh) 2019-06-03 2019-06-03 一种混凝土表面涂料均匀性确定方法及系统

Publications (2)

Publication Number Publication Date
CN110189321A true CN110189321A (zh) 2019-08-30
CN110189321B CN110189321B (zh) 2021-01-29

Family

ID=67719912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910476684.5A Active CN110189321B (zh) 2019-06-03 2019-06-03 一种混凝土表面涂料均匀性确定方法及系统

Country Status (1)

Country Link
CN (1) CN110189321B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114972722A (zh) * 2022-07-27 2022-08-30 中科启业(聊城)建筑科技有限公司 一种新型混凝土生产的远程控制系统
WO2023082742A1 (zh) * 2021-11-09 2023-05-19 南方电网科学研究院有限责任公司 基于图像检测的环氧填料均匀度检测方法
CN116990468A (zh) * 2023-09-28 2023-11-03 国网江苏省电力有限公司电力科学研究院 模拟六氟化硫电气设备的气体状态测试评价系统及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6517238B2 (en) * 2001-01-18 2003-02-11 The United States Of America As Represented By The United States Department Of Energy Thermal imaging measurement of lateral diffusivity and non-invasive material defect detection
CN103155174A (zh) * 2010-08-07 2013-06-12 伊诺瓦动力有限公司 具有表面嵌入的添加剂的装置组件和相关的制造方法
CN105027184A (zh) * 2013-01-02 2015-11-04 麻省理工学院 用于使用散射纳米颗粒的透明显示器的方法和设备
JP2016006398A (ja) * 2014-06-20 2016-01-14 西日本高速道路エンジニアリング四国株式会社 コンクリート構造物のはく落予測診断方法
CN106018479A (zh) * 2016-05-12 2016-10-12 电子科技大学 基于异常区域定位的红外热图像处理方法
US20170023580A1 (en) * 2015-07-21 2017-01-26 University Of Connecticut Protein fluorescent nanoparticles and methods of synthesis thereof
CN108287176A (zh) * 2018-02-02 2018-07-17 苏州市东霖节能科技有限公司 一种阻隔热辐射涂层的温差检测仪
CN108444605A (zh) * 2018-05-08 2018-08-24 中南大学 一种防腐硅烷喷涂均匀性检测装置及方法
CN108955608A (zh) * 2018-05-18 2018-12-07 云南电网有限责任公司电力科学研究院 绝缘子表面rtv涂层涂覆效果评估方法、装置及系统
CN109211974A (zh) * 2018-08-07 2019-01-15 哈尔滨商业大学 热障涂层结构脱粘缺陷脉冲飞秒激光激励红外热波检测装置及方法
CN109657313A (zh) * 2018-12-08 2019-04-19 中国电子科技集团公司第二十八研究所 基于改进层次分析法的导弹性能评估方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6517238B2 (en) * 2001-01-18 2003-02-11 The United States Of America As Represented By The United States Department Of Energy Thermal imaging measurement of lateral diffusivity and non-invasive material defect detection
CN103155174A (zh) * 2010-08-07 2013-06-12 伊诺瓦动力有限公司 具有表面嵌入的添加剂的装置组件和相关的制造方法
CN105027184A (zh) * 2013-01-02 2015-11-04 麻省理工学院 用于使用散射纳米颗粒的透明显示器的方法和设备
JP2016006398A (ja) * 2014-06-20 2016-01-14 西日本高速道路エンジニアリング四国株式会社 コンクリート構造物のはく落予測診断方法
US20170023580A1 (en) * 2015-07-21 2017-01-26 University Of Connecticut Protein fluorescent nanoparticles and methods of synthesis thereof
CN106018479A (zh) * 2016-05-12 2016-10-12 电子科技大学 基于异常区域定位的红外热图像处理方法
CN108287176A (zh) * 2018-02-02 2018-07-17 苏州市东霖节能科技有限公司 一种阻隔热辐射涂层的温差检测仪
CN108444605A (zh) * 2018-05-08 2018-08-24 中南大学 一种防腐硅烷喷涂均匀性检测装置及方法
CN108955608A (zh) * 2018-05-18 2018-12-07 云南电网有限责任公司电力科学研究院 绝缘子表面rtv涂层涂覆效果评估方法、装置及系统
CN109211974A (zh) * 2018-08-07 2019-01-15 哈尔滨商业大学 热障涂层结构脱粘缺陷脉冲飞秒激光激励红外热波检测装置及方法
CN109657313A (zh) * 2018-12-08 2019-04-19 中国电子科技集团公司第二十八研究所 基于改进层次分析法的导弹性能评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIU DUNWEN: ""Fuzzy-Entropy Theory Comprehensive Evaluation Method and Its Application in Building Construstion Safety"", 《SCIVERSE SCIENCEDIRECT》 *
蒋济同: ""红外热像技术在混凝土检测中的应用现状和发展趋势"", 《无损检测》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023082742A1 (zh) * 2021-11-09 2023-05-19 南方电网科学研究院有限责任公司 基于图像检测的环氧填料均匀度检测方法
CN114972722A (zh) * 2022-07-27 2022-08-30 中科启业(聊城)建筑科技有限公司 一种新型混凝土生产的远程控制系统
CN114972722B (zh) * 2022-07-27 2022-10-25 中科启业(聊城)建筑科技有限公司 一种新型混凝土生产的远程控制系统
CN116990468A (zh) * 2023-09-28 2023-11-03 国网江苏省电力有限公司电力科学研究院 模拟六氟化硫电气设备的气体状态测试评价系统及方法
CN116990468B (zh) * 2023-09-28 2023-12-05 国网江苏省电力有限公司电力科学研究院 模拟六氟化硫电气设备的气体状态测试评价系统及方法

Also Published As

Publication number Publication date
CN110189321B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN110189321A (zh) 一种混凝土表面涂料均匀性确定方法及系统
Ye et al. Convolutional neural network for pothole detection in asphalt pavement
Li et al. The adequacy of different landscape metrics for various landscape patterns
CN108875794A (zh) 一种基于迁移学习的图像能见度检测方法
CN102467684A (zh) 基于改进雷达图的综合性能评估系统和方法
CN103577888A (zh) 一种改进的熵权层次分析法及其应用
CN105354841B (zh) 一种快速遥感影像匹配方法及系统
CN108090613A (zh) 一种进近管制扇区管制员工作负荷预测方法
CN106355195A (zh) 用于测量图像清晰度值的系统及其方法
CN112926893A (zh) 基于模糊综合评判和层次分析的水平井调剖效果评价方法
Li A calibration method of computer vision system based on dual attention mechanism
CN109903245A (zh) 红外图像的非均匀校正方法
CN103646189B (zh) 一种微生物能力验证结果综合评价方法
CN112288758A (zh) 一种电力设备红外与可见光图像配准方法
Jin et al. Sensitivity analysis of the error factors in the binocular vision measurement system
CN107220756A (zh) 一种教育信息化发展水平区域差异对比分析方法及系统
CN112085220A (zh) 一种公路桥梁技术状况检测智能系统
CN104376531B (zh) 一种图像拼接方法与系统
Delvaux et al. The FORBIO Climate data set for climate analyses
CN115849202B (zh) 基于数字孪生技术的智能起重机操作目标识别方法
Xie et al. An algorithm for online detection of colour differences in warp knitted fabrics
Park et al. Methodological approach for calibration of building energy performance simulation models applied to a common “measurement and verification” process
Yao et al. Evaluation of several different types of uniformity metrics and their correlation with subjective perceptions
CN110852615A (zh) 一种典型环境下智能电能表可靠性综合评价模型
CN109657967A (zh) 一种输电网规划方案评价指标权重的确认方法及系统

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