CN110310258B - 一种混凝土构件钢筋锈蚀程度的评定方法 - Google Patents

一种混凝土构件钢筋锈蚀程度的评定方法 Download PDF

Info

Publication number
CN110310258B
CN110310258B CN201910526094.9A CN201910526094A CN110310258B CN 110310258 B CN110310258 B CN 110310258B CN 201910526094 A CN201910526094 A CN 201910526094A CN 110310258 B CN110310258 B CN 110310258B
Authority
CN
China
Prior art keywords
crack
image
steel bar
black
concrete member
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
Application number
CN201910526094.9A
Other languages
English (en)
Other versions
CN110310258A (zh
Inventor
李伟文
杨鹏飞
潘泽杰
邢锋
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.)
Shenzhen University
Original Assignee
Shenzhen 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 Shenzhen University filed Critical Shenzhen University
Priority to CN201910526094.9A priority Critical patent/CN110310258B/zh
Publication of CN110310258A publication Critical patent/CN110310258A/zh
Application granted granted Critical
Publication of CN110310258B publication Critical patent/CN110310258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Abstract

本发明公开了一种混凝土构件钢筋锈蚀程度的评定方法包括以下步骤：1)采集混凝土构件表面锈胀裂缝的图像；利用像素点覆盖法，使用MATLAB软件对图像进行二值化处理，生成裂缝图像的黑白二值图；2)利用盒计数法，使用MATLAB软件对裂缝的黑白二值图计算锈胀裂缝的分形维数值；3)利用锈胀裂缝的分形维数值计算混凝土构件内部钢筋的锈蚀率。本发明操作简便、设备简单、评定结果准确度高。

Description

一种混凝土构件钢筋锈蚀程度的评定方法
[技术领域]
本发明涉及结构健康监测中混凝土结构的耐久性评价，尤其涉及一种混凝土构件钢筋锈蚀程度的评定方法。
[背景技术]
钢筋锈蚀是钢筋混凝土(Reinforcement concrete，RC)结构中常见的劣化现象。钢筋发生锈蚀后，将从两个方面破坏RC结构：一方面，它会降低钢筋的有效受力面积；另一方面，钢筋中的铁原子在被氧化后将生成比之前体积更大的锈蚀产物，从而使得混凝土保护层中的拉应力达到混凝土的抗拉强度而引起混凝土保护层开裂，甚至剥落。混凝土的锈胀裂缝的尺寸和发展形态是对钢筋混凝土结构进行耐久性评估的重要依据之一。对于旧的建筑物，若能及时地检测到钢筋的锈蚀状态并采取合适的修复措施可以大量减少建筑物的维修费用。
目前，通过研究试件表面的锈胀裂缝宽度来对评定钢筋混凝土结构的锈蚀程度是国内外学者较常用的检测方法。但是，混凝土锈胀裂缝的发展形态并不规则，并且伴随许多次生裂缝，仅仅通过测量裂缝的宽度然后取平均值的方法并不能准确地反映锈胀裂缝整体的形态特征及其对应的锈蚀程度关系。
[发明内容]
本发明要解决的技术问题是提供一种操作简便、评定结果准确的混凝土构件钢筋锈蚀程度的评定方法。
为了解决上述技术问题，本发明采用的技术方案是，一种混凝土构件钢筋锈蚀程度的评定方法，包括以下步骤：
1)采集混凝土构件表面锈胀裂缝的图像；利用像素点覆盖法，使用MATLAB软件对图像进行二值化处理，生成裂缝图像的黑白二值图；
2)利用盒计数法，使用MATLAB软件对裂缝的黑白二值图计算锈胀裂缝的分形维数值；
3)利用锈胀裂缝的分形维数值计算混凝土构件内部钢筋的锈蚀率。
以上所述的评定方法，在步骤1)中，使用照相机在混凝土构件表面定距拍照，采集锈胀裂缝的高清图像；利用像素点覆盖法，通过色值设置，使图像上的像素点只呈现白或黑两种颜色，数值1代表黑色，数值0代表白色。采用MATLAB软件进行图像处理，使裂缝呈现黑色，其余部分则为白色，裂缝图像转换为只包含1和0的像素点矩阵，即黑白二值图。
以上所述的评定方法，在步骤2)中，所述盒计数法对裂缝的黑白二值图计算锈胀裂缝的分形维数值的具体做法是：对裂缝图采用正方形网格进行覆盖，设网格的边长为r，统计出所有包含裂缝的网格数目N(r)；改变网格边长r的尺寸后重新反复进行上述计算，得到多组r与N(r)数据；绘制ln(1/r)～lnN(r)关系曲线并进行线性回归分析；线性回归方程直线的斜率即为所求的裂缝分形维数值D。
以上所述的评定方法，在步骤3)中，钢筋锈蚀率与裂缝分形维数以及钢筋直径有如下的关系式：
Figure BDA0002098272320000021
其中：η为钢筋的锈蚀率，％；D是混凝土构件表面锈胀裂缝的分形维数；d为钢筋直径，mm。
本发明操作简便、设备简单、评定结果准确度高。
[附图说明]
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是本发明实施例混凝土构件钢筋锈蚀程度评定方法的流程图。
图2是本发明实施例混凝土构件表面的锈胀裂缝图。
图3是本发明实施例的二值图。
[具体实施方式]
裂缝作为最直观的、最方便获取的与钢筋锈蚀密切相关的现象，若是能够更加精确地描述其形态，并建立起包含其他重要参数的裂缝形态与钢筋锈蚀率的关系，这将为评测钢筋锈蚀状态提供一种更加简便、更加准确的无损检测方法。随着分形理论的出现与发展，使得对不规则裂缝的描述较好的提升到量化阶段并可以实现完整地描述复杂的、随机的裂缝形态。
本发明实施例混凝土构件钢筋锈蚀程度的评定方法如图1所示，其具体步骤如下：
步骤1，采集混凝土构件表面锈胀裂缝的高清图像(图2)；利用像素点覆盖法，使用MATLAB软件对图像进行二值化处理，使裂缝呈现黑色，其他区域显示为白色；判断裂缝的二值图像是否清晰。若不清晰则无法准确计算裂缝的分形维数，评定过程终止。若图像清晰，生成裂缝图像的黑白二值图(图3)；
步骤2，利用盒计数法，使用MATLAB软件对裂缝的二值图像计算分形维数值；
步骤3，通过锈胀裂缝的分形维数计算混凝土构件内部钢筋的锈蚀率，对结构进行耐久性评价。
在步骤1中，使用照相机在混凝土构件表面定距拍照，采集到图2所示的锈胀裂缝的高清图像。利用像素点覆盖法，通过色值设置，可使图像上的每一个像素点只呈现白或黑两种颜色，数值1代表黑色，数值0代表白色。采用MATLAB软件进行图像处理，使裂缝能够呈现清晰的黑色，其余部分则为白色，将裂缝图像转换为只包含1和0的像素点矩阵。
在步骤2中，采用盒计数法计算裂缝图分形维数值的方法具体方法是：对裂缝图采用正方形网格进行覆盖，设正方形网格的边长为r，统计出所有包含裂缝的网格数目N(r)，改变网格边长r的尺寸后重新进行上述计算，得到多组r与N(r)数据，绘制ln(1/r)～lnN(r)关系曲线并进行线性回归分析，线性回归方程直线的斜率即为所求的裂缝分形维数值D。对于图3所示的锈胀裂缝的二值图，像素点为黑色或白色，在像素点矩阵中分别用1或0表示。进行盒计数法的网格统计时,如果在一个盒子内有任何一个元素的数值为1(即该矩阵(图2)中元素不是全为0)，就表示此盒子内含有要计算的对象，将其计入含有统计对象的盒子数，反之，则不计入。
步骤(3)中，结合锈胀裂缝的分形维数以及混凝土构件的其他参数，计算出构件内部钢筋的锈蚀率，对结构的耐久性做出评价。目前研究得到钢筋锈蚀率与裂缝分形维数以及钢筋直径有如下的经验公式：
Figure BDA0002098272320000041
其中：η为钢筋的锈蚀率，％；D是混凝土构件表面锈胀裂缝的分形维数；d为钢筋直径，mm。
本发明以上实施例提供了一种基于裂缝图分形维数的混凝土构件钢筋锈蚀程度的评定方法，通过对混凝土构件定距拍照、批量上传并分析的方式对锈胀混凝土结构构件内的钢筋锈蚀程度做出较为合理的估测，相较于通过测量裂缝宽度并求平均值而得到锈蚀程度的方法，操作简便、设备简单、评定结果准确度高。

Claims (3)

1.一种混凝土构件钢筋锈蚀程度的评定方法，其特征在于，包括以下步骤：
1)采集混凝土构件表面锈胀裂缝的图像；利用像素点覆盖法，使用MATLAB软件对图像进行二值化处理，生成裂缝图像的黑白二值图；
2)利用盒计数法，使用MATLAB软件对裂缝的黑白二值图计算锈胀裂缝的分形维数值；
3)利用锈胀裂缝的分形维数值计算混凝土构件内部钢筋的锈蚀率，钢筋锈蚀率与裂缝分形维数以及钢筋直径有如下的关系式：
Figure FDA0003284692020000011
其中：η为钢筋的锈蚀率，％；D是混凝土构件表面锈胀裂缝的分形维数；d为钢筋直径，mm。
2.根据权利要求1所述的评定方法，其特征在于，在步骤1)中，使用照相机在混凝土构件表面定距拍照，采集锈胀裂缝的高清图像；利用像素点覆盖法，通过色值设置，使图像上的像素点只呈现白或黑两种颜色，数值1代表黑色，数值0代表白色；采用MATLAB软件进行图像处理，使裂缝呈现黑色，其余部分则为白色，裂缝图像转换为只包含1和0的像素点矩阵，即黑白二值图。
3.根据权利要求1所述的评定方法，其特征在于，在步骤2)中，所述盒计数法对裂缝的黑白二值图计算锈胀裂缝的分形维数值的具体做法是：对裂缝图采用正方形网格进行覆盖，设网格的边长为r，统计出所有包含裂缝的网格数目N(r)；改变网格边长r的尺寸后重新反复进行上述计算，得到多组r与N(r)数据；绘制ln(1/r)～lnN(r)关系曲线并进行线性回归分析；线性回归方程直线的斜率即为所求的裂缝分形维数值D。
CN201910526094.9A 2019-06-18 2019-06-18 一种混凝土构件钢筋锈蚀程度的评定方法 Active CN110310258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910526094.9A CN110310258B (zh) 2019-06-18 2019-06-18 一种混凝土构件钢筋锈蚀程度的评定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910526094.9A CN110310258B (zh) 2019-06-18 2019-06-18 一种混凝土构件钢筋锈蚀程度的评定方法

Publications (2)

Publication Number Publication Date
CN110310258A CN110310258A (zh) 2019-10-08
CN110310258B true CN110310258B (zh) 2022-03-29

Family

ID=68075983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910526094.9A Active CN110310258B (zh) 2019-06-18 2019-06-18 一种混凝土构件钢筋锈蚀程度的评定方法

Country Status (1)

Country Link
CN (1) CN110310258B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110842346B (zh) * 2019-11-19 2021-05-28 安阳工学院 一种搅拌摩擦焊焊缝表面质量定量分析方法
CN111458375B (zh) * 2020-03-20 2021-09-14 同济大学 一种隧道衬砌浅层钢筋锈胀的探测方法与装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105910902A (zh) * 2016-05-11 2016-08-31 青岛理工大学 混凝土构件裂缝扩展路径的分形分析方法
CN106951617A (zh) * 2017-03-10 2017-07-14 河海大学 一种氯离子在混凝土中反常扩散动态数据重构的分形导数模拟方法
WO2017171651A1 (en) * 2016-03-30 2017-10-05 Agency For Science, Technology And Research System and method for imaging a surface defect on an object
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
CN108088770A (zh) * 2017-11-23 2018-05-29 河海大学 氯离子在混凝土中反常扩散的变阶数分形导数模拟方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017171651A1 (en) * 2016-03-30 2017-10-05 Agency For Science, Technology And Research System and method for imaging a surface defect on an object
CN105910902A (zh) * 2016-05-11 2016-08-31 青岛理工大学 混凝土构件裂缝扩展路径的分形分析方法
CN106951617A (zh) * 2017-03-10 2017-07-14 河海大学 一种氯离子在混凝土中反常扩散动态数据重构的分形导数模拟方法
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
CN108088770A (zh) * 2017-11-23 2018-05-29 河海大学 氯离子在混凝土中反常扩散的变阶数分形导数模拟方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于DIC技术钢筋混凝土锈胀开裂全过程分析;童晶;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20150815;第42-43,46-47,61页 *

Also Published As

Publication number Publication date
CN110310258A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
CN110310258B (zh) 一种混凝土构件钢筋锈蚀程度的评定方法
CN109544533B (zh) 一种基于深度学习的金属板缺陷检测和度量方法
CN104330023A (zh) 混凝土表面初始开裂信息的采集系统与识别方法
JP5894013B2 (ja) コンクリート表面の変状管理方法
JP2023139099A (ja) 学習用データ収集装置、学習用データ収集方法、及びプログラム
CN104964886A (zh) 一种焊接构件疲劳应力及应变实时非接触式监测方法
JPWO2020110587A1 (ja) 構造物の補修工法選定システム、補修工法選定方法、及び補修工法選定サーバ
CN115491861B (zh) 一种基于大数据的洁净服清洗管理系统
CN113240667A (zh) 一种基于图像处理的汽车模具平面裂纹检测方法
CN114778684A (zh) 一种基于服役场景的钢管性能评估方法及系统
CN115112183A (zh) 一种用于异形机械零件尺寸检测系统
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
CN115272331B (zh) 基于图像处理的瓦楞纸质量检测方法
CN111340387B (zh) 一种粉末冶金生产用质量安全监控管理系统及方法
CN113899746A (zh) 一种基于dic的钢结构疲劳裂纹扩展形态测量方法
CN109059813A (zh) 一种起重机械钢结构腐蚀强度检测方法
CN111563888A (zh) 一种定量裂缝生长监测方法
CN111126415B (zh) 基于雷达探测图像的隧道钢筋检测计数系统、方法
Vora et al. Image processing based analysis of cracks on vertical walls
CN112808782A (zh) 一种热轧板除锈等级自动检测方法
CN114636499B (zh) 一种锈蚀焊接空心球节点剩余承载力的现场检测评估方法
CN110108222A (zh) 一种预测脆性涂层开裂的方法及系统
CN110980527B (zh) 基于顺位竞争系数修正残余应力的起重机健康监测方法
TWI742976B (zh) 結構體診斷系統及結構體診斷方法
Fessia et al. Statistical approaches to follow industrial processes and their application to data from prototype dipole collars

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