CN110967344B - 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置 - Google Patents
基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置 Download PDFInfo
- Publication number
- CN110967344B CN110967344B CN201911187505.2A CN201911187505A CN110967344B CN 110967344 B CN110967344 B CN 110967344B CN 201911187505 A CN201911187505 A CN 201911187505A CN 110967344 B CN110967344 B CN 110967344B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- tunnel lining
- infrared
- peeling
- shallow layer
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明涉及一种基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置,所述方法包括以下步骤:对隧道衬砌表面进行热激励,同时采集隧道的红外热图像和可见光数字图像,并记录相应位置信息;对所述红外热图像进行预处理,从预处理后的红外热图像中提取关键几何特征信息,基于所述关键几何特征信息识别衬砌是否存在内部空隙;在存在内部空隙时,基于位置信息获取存在内部空隙处的可见光数字图像,基于所述可见光数字图像获取表面裂缝几何特征;比较所述内部空隙与表面裂缝的几何关系,判断隧道衬砌浅层的剥落剥离程度,反馈相应预警信息。与现有技术相比,本发明具有识别精度高、及时预警等优点。
Description
技术领域
本发明属于隧道检测技术领域,尤其是涉及一种基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置。
背景技术
虽然目前在隧道建设领域已经有了极多研究及经验,但是隧道在运营过程中,由于地质条件的变化、材料劣化等因素,会出现衬砌开裂、钢筋锈蚀等病害,这些病害的发展将导致隧道衬砌结构出现混凝土掉块,从而影响结构服役性能和行车安全,因此,快速探测隧道衬砌结构潜在的掉块剥落是保障隧道安全服役和行车安全的前提。
限于隧道衬砌内部空洞、裂缝和粘结缺陷等通过肉眼无法直接观察到,所以现阶段在隧道的质量检测中,通常会采用无损检测的方法进行危害评估,其优点在于不破坏原有结构,并能全面精确的掌握病害情况。
物体都会由于自身的分子热运动而产生不同程度的辐射红外线。接收物体自身发射或表面反射其他物辐射的能量,通过转换成电信号,将经处理后的电信号通过显示系统将热像图显示出来,这样就可以直观地识别出物体表面的温度分布。热像仪记录的是物体表面温度的相对温差,一般颜色越浅表示温度越高,颜色越深表示温度越低。红外热成像系统从本质上来讲就是一个测温系统,通过物体的红外辐射能量与温度之间的对应关系来测量物体表面的温度,采用不同的颜色与不同的温度相对应,将物体表面的温度分布用人眼可识别的颜色图形显示出来。
混凝土在材料老化、钢筋锈蚀等情况下,浅层会出现内部空洞并导致混凝土剥离,其导热性能会有所下降。在外部热源的作用下,损伤部位的表面温度分布与完好部位或周边混凝土的会有所差异,因此,常用的图像识别检测方法,对于隧道浅层潜在的剥落剥离探测并不适用。
中国专利申请CN110082354A公开一种隧道衬砌浅层潜在剥落剥离红外探测装置,包括车载移动平台、红外镜头、红外探测器、电子信号处理系统和数据处理系统,红外镜头采集外界传入的红外辐射并使之聚焦于红外探测器上,红外探测器将红外辐射转换为电信号,数据处理系统基于放大后的电信号得到热像图并进行预处理,并提取潜在剥落剥离的关键几何特征信息。但此装置未采集表面裂缝的可见光图像并建立表面裂缝与内部空隙之间的联系,无法判断剥离剥落的程度;同时公开的专利未配置激励热源,在周围环境温度条件较差时,温度场差异不明显,导致识别精度降低。
发明内容
本发明的目的在于克服上述现有技术存在的隧道衬砌剥落剥离识别精度不高、效率较低以及无法判断剥落剥离程度的问题而提供一种基于红外探测的隧道衬砌浅层隐形剥落剥离判定方法与装置。
本发明的目的可以通过以下技术方案来实现:
一种基于红外探测的隧道衬砌浅层剥落剥离判定方法,包括以下步骤:
对隧道衬砌表面进行热激励,同时采集隧道的红外热图像和可见光数字图像,并记录相应位置信息;
对所述红外热图像进行预处理,从预处理后的红外热图像中提取关键几何特征信息,基于所述关键几何特征信息识别衬砌是否存在内部空隙;
在存在内部空隙时,基于位置信息获取存在内部空隙处的可见光数字图像,基于所述可见光数字图像获取表面裂缝几何特征;
比较所述内部空隙与表面裂缝的几何关系,判断隧道衬砌浅层的剥落剥离程度,反馈相应预警信息。
进一步地,所述热激励的时间不少于3分钟。
进一步地,所述预处理包括放大、降噪滤波、灰度校正和边缘强化。
进一步地,所述判断获得隧道衬砌浅层的剥落剥离程度具体为:
表面裂缝长度大于或等于内部空隙周长的2/3时,产生一级警报;表面裂缝长度大于内部空隙周长的1/3且小于内部空隙周长的2/3时,产生二级警报;表面裂缝长度小于或等于内部空隙周长的1/3时,产生三级警报。
进一步地,当待检测隧道为单洞四车道大跨隧道、或隧道衬砌为纤维混凝土、或穿越极端复杂地质条件时,采用仿真实验或数学模拟的手段,测定浅层剥落剥离与表面裂缝的对应关系,动态修正浅层剥落剥离判断标准,具体为:
浇筑或构建满足强度相似比的隧道模型,进行潜在剥落剥离的模拟;
通过理论计算获取隧道外部荷载分布规律,模拟衬砌变形开裂,观测裂缝发展及剥落剥离的时机;
通过多组平行实验或模拟结果,建立剥落剥离与裂缝特征对应关系,修正浅层剥落剥离的判断标准。
本发明还提供一种实现所述的判定方法的基于红外探测的隧道衬砌浅层剥落剥离判定装置,包括移动集成平台以及安装于所述移动集成平台上的红外模块、数据处理模块和定位模块,所述红外模块包括红外热成像仪和激励热源,所述移动集成平台上还安装有数字相机。
进一步地,所述移动集成平台上还安装有提高相机成像均匀度的可见光补光光源或近红外光补光光源。
进一步地,所述数据处理模块包括:
电子信号处理单元,用于对红外热成像仪和数字相机进行处理,识别是否存在内部空隙及表面裂缝,并判断隧道衬砌浅层的剥落剥离程度;
信息显示单元,用于对识别判断结果进行可视化图像显示。
进一步地,所述定位模块包括:
惯性单元,安装于移动集成平台的支架上,测量平台的姿态参数;
光电编码器,安装于移动集成平台的底盘车后轮的中心轴上,测量平台的运行速度和距离;
通过所述惯性单元和光电编码器协同获得移动集成平台的绝对坐标,定位检测区域,并进行红外热图像与可见光数字图像区域的比对。
进一步地,所述激励热源为红外热源。
与现有技术相比,本发明具有如下有益效果:
1)由于隧道内部的脱空,能够反映在温度上的变化会很小,本发明在采集红外热图像时对隧道衬砌进行热激励,提高隧道衬砌的温度差,减少周围环境对衬砌表面的影响,提高红外图像的精准度,提升了空隙的识别精度;
2)本发明将识别获得的衬砌内部空隙与表面裂缝进行比较,可以有效识别获得剥落剥离病害程度,及时产生预警,提高隧道使用可靠性;
3)本发明充分利用了红外检测非接触、远距离、图像直观、检测范围广、操作简便安全等优势,为隧道浅层剥落剥离的快速判别提供了有效方法。
附图说明
图1为本发明一个实施例的结构示意图;
图2为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例提供一种基于红外探测的隧道衬砌浅层剥落剥离判定方法,该方法首先对隧道衬砌表面进行热激励,同时采集隧道的红外热图像和可见光数字图像,并记录相应位置信息;然后对所述红外热图像进行预处理,从预处理后的红外热图像中提取关键几何特征信息,基于所述关键几何特征信息识别衬砌是否存在内部空隙,在存在内部空隙时,基于位置信息获取存在内部空隙处的可见光数字图像,基于所述可见光数字图像获取表面裂缝几何特征;最后比较所述内部空隙与表面裂缝的几何关系,判断隧道衬砌浅层的剥落剥离程度,产生相应预警信息,并显示。
进行热激励的时间不少于3分钟,以减少周围环境对衬砌表面的影响,提高其红外图像的精准度。特殊地,可采用红外激励方式。
红外探测装置收集的隧道衬砌红外辐射信息经过处理后,形成隧道墙面红外热像图,并对之进行数据分析,
所述预处理包括放大、降噪滤波、灰度校正和边缘强化。利用原始图像在空间域和频域噪声特征,采用降噪滤波,灰度校正和边缘强化算法,进一步提升图像的识别精度,并通过热像图温度信息,基于试验建立隧道衬砌表面不同温度下隧道衬砌浅层内部空隙和衬砌表面红外热像图的关系,提取浅层空隙的关键几何特征信息,包括长度、宽度和面积特征,并为隧道的维护提供依据。
预警信息按紧急程度由高到低分为一级警报、二级警报和三级警报。所述判断获得隧道衬砌浅层的剥落剥离程度具体为:表面裂缝长度大于或等于内部空隙周长的2/3时,产生一级警报,表示将要发生剥落剥离,需要马上处治;表面裂缝长度大于内部空隙周长的1/3且小于内部空隙周长的2/3时,产生二级警报,表示可能发生剥落剥离,需要及时处治;表面裂缝长度小于或等于内部空隙周长的1/3时,产生三级警报,表示将来可能会发生剥落剥离,需要跟踪监测,如有发展及时处治。
当待检测隧道为单洞四车道大跨隧道、或隧道衬砌为纤维混凝土、或穿越极端复杂地质条件时,采用仿真实验或数学模拟的手段,测定浅层剥落剥离与表面裂缝的对应关系,动态修正浅层剥落剥离判断标准,具体为:
浇筑或构建满足强度相似比的隧道模型,通过预设金属件、初凝后拨出的方案,实现潜在剥落剥离的模拟,隧道模型制作材料与原型应满足强度相似比;
通过理论计算获取隧道外部荷载分布规律,,实现大跨隧道或复杂地质环境下结构受力模拟,通过加载的方式模拟衬砌变形开裂,观测裂缝发展及剥落剥离的时机;
通过多组平行实验或模拟结果,建立上述条件下剥落剥离与裂缝特征对应关系,修正浅层剥落剥离的判断标准。
上述判定方法利用红外检测非接触、远距离、高精度、动态响应快的特点,完成对隧道衬砌浅层内部空隙的快速定位,并获取相应位置的可见光数字图像,基于两者判断衬砌的剥落剥离程度,及时进行防治。
实施例2
本实施例提供一种基于红外探测的隧道衬砌浅层剥落剥离判定装置,包括移动集成平台1以及安装于所述移动集成平台1上的红外模块、数据处理模块、定位模块6和数字相机7。
红外模块包括红外热成像仪2和激励热源3。激励热源3用于对衬砌表面进行热激励,减少周围环境对衬砌表面的影响,提高其红外图像的精准度。红外热成像仪2安装在所述车载移动平台上,用于采集隧道衬砌的红外温度场。数字相机7可通过多次拍摄隧道衬砌建立可见光数字图数据库,当隧道墙面亮度不足时,可采用辅助光源进行补足,提高相机成像均匀度的。辅助光源可为可见光光源或近红外光补光光源。同时红外热成像仪2、激励热源3和数字相机7连接同步控制器,保证在激励热源3进行热激励后,红外热成像仪2采集的红外图像和数字相机7采集的可见光数字图像对应于同一位置。
数据处理模块包括电子信号处理单元4和信息显示单元5,电子信号处理单元4用于对红外热成像仪和数字相机进行处理,识别是否存在内部空隙,并判断隧道衬砌浅层的剥落剥离程度;信息显示单元5用于对识别判断结果进行可视化图像显示。电子信号处理单元4对红外模块转换来的电子信号进行放大处理及记录,提升被检测区域温度差异,综合考虑原始图像在空间域和频域噪声特征,采用降噪滤波,灰度校正和边缘强化算法,进一步提升图像的识别精度,并通过热像图温度信息提取内部空隙的关键信息,与其表面裂隙的几何特征进行比照,同时储存重要信息为隧道的维护提供依据。
所述定位模块用于所述移动集成平台的高精度定位,记录检测区域的定位信息,包括惯性单元和光电编码器,惯性单元安装于移动集成平台的支架上,测量平台的姿态参数,在隧道内部实现高精度的位置推算;光电编码器安装于移动集成平台的底盘车后轮的中心轴上,测量平台的运行速度和距离;通过所述惯性单元和光电编码器协同获得移动集成平台的绝对坐标,定位检测区域,并进行红外热图像与可见光数字图像区域的比对,能更有效地与高密度行程数据和精密二维图像断面数据融合。
确定了需要检测的隧道后,采用上述基于红外探测的隧道衬砌浅层剥落剥离判定装置探测隧道衬砌浅层空隙,如图2所示,包括以下步骤:
步骤一,将装置的各部件安装到移动集成平台上。
步骤二,移动集成平台在隧道中进行移动,利用激励热源对衬砌表面进行热激励不少于三分钟,而后利用红外热成像仪进行采集热像图,同时数字相机采集衬砌表面的可见光数字图像。
由于隧道检测环境较为复杂,可能存在部分区域难以分辨。待采集完成后,通过定位模块记录的位置信息,再次采集该区域的红外热图像和可见光数字图像,提高识别精度。
步骤三,数据处理模块分析信号,基于包含大量空隙病害特征的历史数据库,采用神经网络学习与识别模型,快速识别待检隧道有无病害以及病害的特征,得到衬砌温度分布情况和衬砌浅层内部空隙位置信息及几何特征。
对原始图像的处理应综合考虑热图中的主要噪声信号,结合基于空间域和频域不同降噪方法特征,采用合理的降噪滤波手段,在此基础上通过灰度校正和边缘强化算法,进一步提升图像的识别精度。并通过热像图温度信息提取浅层空隙的关键几何特征信息,储存分析得到的信息,为隧道的维护提供依据。
步骤四,针对内部存在空隙的位置,依靠定位系统确定位置信息,并基于此得到衬砌存在内部空隙位置的表面裂缝几何特征,数据处理系统分析判定衬砌剥落剥离的程度。
裂缝长度大于内部空隙周长的2/3时,将要发生剥落剥离,需要马上处治;裂缝长度大于内部空隙周长的1/3、小于内部空隙周长的2/3时,可能发生剥落剥离,需要及时处治;裂缝长度小于内部空隙周长的1/3时,将来可能会发生剥落剥离,需要跟踪监测,如有发展及时处治。
步骤五,将步骤四得到的检测结果显示到硬件设备上。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由本发明所确定的保护范围内。
Claims (6)
1.一种基于红外探测的隧道衬砌浅层剥落剥离判定方法,其特征在于,包括以下步骤:
对隧道衬砌表面进行红外热激励,热激励的时间不少于3分钟,同时采集隧道的红外热图像和可见光数字图像,并记录相应位置信息;
对所述红外热图像进行预处理,从预处理后的红外热图像中提取关键几何特征信息,基于所述关键几何特征信息识别衬砌是否存在内部空隙;
在存在内部空隙时,基于位置信息获取存在内部空隙处的可见光数字图像,基于所述可见光数字图像获取表面裂缝几何特征;
比较所述内部空隙与表面裂缝的几何关系,判断隧道衬砌浅层的剥落剥离程度,反馈相应预警信息;
所述判断获得隧道衬砌浅层的剥落剥离程度具体为:
表面裂缝长度大于或等于内部空隙周长的2/3时,产生一级警报;表面裂缝长度大于内部空隙周长的1/3且小于内部空隙周长的2/3时,产生二级警报;表面裂缝长度小于或等于内部空隙周长的1/3时,产生三级警报;
当待检测隧道为单洞四车道大跨隧道、或隧道衬砌为纤维混凝土、或穿越极端复杂地质条件时,采用仿真实验或数学模拟的手段,测定浅层剥落剥离与表面裂缝的对应关系,动态修正对于所述隧道衬砌浅层的剥落剥离程度的判断标准。
2.根据权利要求1所述的基于红外探测的隧道衬砌浅层剥落剥离判定方法,其特征在于,所述预处理包括放大、降噪滤波、灰度校正和边缘强化。
3.一种实现如权利要求1所述的判定方法的基于红外探测的隧道衬砌浅层剥落剥离判定装置,包括移动集成平台以及安装于所述移动集成平台上的红外模块、数据处理模块和定位模块,其特征在于,所述红外模块包括红外热成像仪和激励热源,所述移动集成平台上还安装有数字相机。
4.根据权利要求3所述的基于红外探测的隧道衬砌浅层剥落剥离判定装置,其特征在于,所述移动集成平台上还安装有提高相机成像均匀度的可见光补光光源或近红外光补光光源。
5.根据权利要求3所述的基于红外探测的隧道衬砌浅层剥落剥离判定装置,其特征在于,所述数据处理模块包括:
电子信号处理单元,用于对红外热成像仪和数字相机进行处理,识别是否存在内部空隙及表面裂缝,并判断隧道衬砌浅层的剥落剥离程度;
信息显示单元,用于对识别判断结果进行可视化图像显示。
6.根据权利要求3所述的基于红外探测的隧道衬砌浅层剥落剥离判定装置,其特征在于,所述定位模块包括:
惯性单元,安装于移动集成平台的支架上,测量平台的姿态参数;
光电编码器,安装于移动集成平台的底盘车后轮的中心轴上,测量平台的运行速度和距离;
通过所述惯性单元和光电编码器协同获得移动集成平台的绝对坐标,定位检测区域,并进行红外热图像与可见光数字图像区域的比对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187505.2A CN110967344B (zh) | 2019-11-28 | 2019-11-28 | 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911187505.2A CN110967344B (zh) | 2019-11-28 | 2019-11-28 | 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110967344A CN110967344A (zh) | 2020-04-07 |
CN110967344B true CN110967344B (zh) | 2021-09-03 |
Family
ID=70031915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911187505.2A Active CN110967344B (zh) | 2019-11-28 | 2019-11-28 | 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110967344B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596375B (zh) * | 2020-04-23 | 2023-03-28 | 上海同岩土木工程科技股份有限公司 | 一种衬砌背后地下水赋存状态的探测方法及装置 |
CN111562271A (zh) * | 2020-05-29 | 2020-08-21 | 沙洲职业工学院 | 一种高速精密地铁隧道混凝土衬砌裂隙检测设备 |
CN111896629B (zh) * | 2020-07-10 | 2023-05-12 | 同济大学 | 一种隧道结构表层病害的快速检测方法 |
CN112666167B (zh) * | 2020-12-22 | 2022-12-13 | 成都圭目机器人有限公司 | 一种评估水泥混凝土道面裂缝产生fod风险的方法和装置 |
CN113065267B (zh) * | 2021-03-25 | 2023-01-03 | 广东粤海珠三角供水有限公司 | 一种隧洞裂缝检测及安全评价系统 |
CN113011368B (zh) * | 2021-03-31 | 2024-04-30 | 神华神东煤炭集团有限责任公司 | 矿井开采地表导通采空区裂隙识别方法及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1210976A (zh) * | 1996-05-24 | 1999-03-17 | 三菱重工业株式会社 | 用于隧道壁表面的剥离检测器 |
CN104749187A (zh) * | 2015-03-25 | 2015-07-01 | 武汉武大卓越科技有限责任公司 | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 |
CN209070367U (zh) * | 2018-09-06 | 2019-07-05 | 刘春梅 | 一种用于隧道的智能巡检系统 |
CN110044924A (zh) * | 2019-05-13 | 2019-07-23 | 招商局重庆交通科研设计院有限公司 | 一种基于图像的公路隧道病害检测方法 |
CN110082354A (zh) * | 2019-03-29 | 2019-08-02 | 同济大学 | 一种隧道衬砌浅层潜在剥落剥离红外探测装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206111214U (zh) * | 2016-08-31 | 2017-04-19 | 南京联众建设工程技术有限公司 | 嵌入式危旧隧道的钢‑混凝土组合修复结构 |
CN108843329B (zh) * | 2018-06-27 | 2021-08-20 | 西安智财全技术转移中心有限公司 | 基于围岩分区破裂演化分析的隧道开挖施工方法 |
-
2019
- 2019-11-28 CN CN201911187505.2A patent/CN110967344B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1210976A (zh) * | 1996-05-24 | 1999-03-17 | 三菱重工业株式会社 | 用于隧道壁表面的剥离检测器 |
CN104749187A (zh) * | 2015-03-25 | 2015-07-01 | 武汉武大卓越科技有限责任公司 | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 |
CN209070367U (zh) * | 2018-09-06 | 2019-07-05 | 刘春梅 | 一种用于隧道的智能巡检系统 |
CN110082354A (zh) * | 2019-03-29 | 2019-08-02 | 同济大学 | 一种隧道衬砌浅层潜在剥落剥离红外探测装置 |
CN110044924A (zh) * | 2019-05-13 | 2019-07-23 | 招商局重庆交通科研设计院有限公司 | 一种基于图像的公路隧道病害检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110967344A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110967344B (zh) | 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置 | |
US10605783B2 (en) | System and method for progressive damage monitoring and failure event prediction in a composite structure | |
CN104007007B (zh) | 一种基于镁合金试件表面温度特征的疲劳分析方法 | |
US7822268B2 (en) | Advanced processing of active thermography signals | |
EP1918698B1 (en) | Systems and method for locating failure events in samples under load | |
Farahani et al. | A railway tunnel structural monitoring methodology proposal for predictive maintenance | |
CN111896629B (zh) | 一种隧道结构表层病害的快速检测方法 | |
CN109900363A (zh) | 一种基于轮廓提取的目标物红外测温方法和装置 | |
Ramzan et al. | Pixel frequency based railroad surface flaw detection using active infrared thermography for structural health monitoring | |
JP5831940B2 (ja) | コーティング層における剥離の非破壊検査方法および非破壊検査装置 | |
US20230234137A1 (en) | In-situ process monitoring for powder bed fusion additive manufacturing (pbf am) processes using multi-modal sensor fusion machine learning | |
CN107300562B (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
CN103487250A (zh) | 基于二维投射的煤矿设备预知维护方法 | |
CN108871431A (zh) | 轮对动态检测系统和方法 | |
CN110082354B (zh) | 一种隧道衬砌浅层潜在剥落剥离红外探测装置 | |
Xu et al. | Automatic X-ray crack inspection for aircraft wing fastener holes | |
Dabetwar et al. | Performance evaluation of deep learning algorithms for heat loss damage classification in buildings from UAV-borne infrared images | |
CN201203581Y (zh) | 一种汽车底盘安检系统 | |
CN111458375A (zh) | 一种隧道衬砌浅层钢筋锈胀的探测方法与装置 | |
Patel et al. | A review of image analysis techniques applied in transient thermographic nondestructive testing | |
Zhang et al. | Application of pseudo-color image feature-level fusion in nondestructive testing of wire ropes | |
JP2006098283A (ja) | 鋼構造物の欠陥検出方法および装置 | |
Ramzan et al. | Railroads surface crack detection using active thermography | |
CN110849884A (zh) | 一种复合绝缘子内部粘接缺陷的检测方法和系统 | |
JP2005172664A (ja) | コンクリート構造物の赤外線法による健全度判定法及び判定装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |