CN111060521A - 一种预制混凝土t梁表面气泡数量与面积的检测方法 - Google Patents
一种预制混凝土t梁表面气泡数量与面积的检测方法 Download PDFInfo
- Publication number
- CN111060521A CN111060521A CN201911415677.0A CN201911415677A CN111060521A CN 111060521 A CN111060521 A CN 111060521A CN 201911415677 A CN201911415677 A CN 201911415677A CN 111060521 A CN111060521 A CN 111060521A
- Authority
- CN
- China
- Prior art keywords
- bubble
- image
- bubbles
- picture
- precast concrete
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000011178 precast concrete Substances 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 23
- 239000004567 concrete Substances 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8858—Flaw counting
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- 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
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种预制混凝土T梁表面气泡数量与面积的检测方法,其特征在于,根据采集的预制T梁表面图像,利用opencv计算机视觉库,对图片进行灰度图转换、二值化处理、识别轮廓和绘制轮廓,从而得到气泡数量及面积;本方法能较快的对混凝土表面气泡进行检测识别,可用于预制混凝土T梁表面气泡的检测统计中,有效解决了现有技术中利用人工检测气泡数量时,需要耗费较大的人工成本、检测结果不够精准等缺陷。
Description
技术领域
本发明涉及土木工程图像检测领域,尤其是涉及一种预制混凝土T梁表面气泡数量与面积的检测方法。
背景技术
随着我国社会经济的快速发展,交通建设步伐明显加快,在安全、适用、经济、美观等方面的要求也越来越高,但随着工程规模的扩大,水泥、外加剂、砂石骨料等原材料易出现短缺及品质不稳定的情况,混凝土质量及工艺等原因易造成混凝土外观质量不理想,而混凝土预制T梁是公路桥梁等的重要结构部件,其表面过多的气泡不仅影响外观效果,而且影响桥梁的耐久性,准确有效的计算出混凝土表面气泡数量及面积对定量评价混凝土质量显得尤为重要。
随着计算机图像处理及视觉技术的发展,基于数字图像处理的工程检测技术飞速发展,避免了人工仪器检测的主观性及检测速度较慢的问题,能够快速高效的获取气泡分布、数量及面积等信息,为后续混凝土外观质量评定提供可靠依据。
发明内容
本发明的主要目的在于克服现有人工气泡检测技术存在的不足,提供一种高效方便的预制混凝土T梁表面气泡数量与面积的检测方法。
为了解决上述技术问题,本发明通过以下技术方案实现:
一种预制混凝土T梁表面气泡数量与面积的检测方法,所述方法包括:
S1:现场采集浇筑完成后的未在养护状态的T梁表面照片,在电子计算机上,利用图片处理软件调节照片的亮度、对比度,并进行阀值化处理,即得到预处理图像;
S2:利用Python、Pyqt编程语言及opencv计算机视觉库编写图片处理程序代码,并通过图片处理程序代码,对预处理图像按照像素高度和宽度记录大小属性;
S3:运行步骤S2编写的图片处理程序代码,对预处理图像进行灰度图转换、图像二值化处理和其气泡轮廓识别,并根据识别到的图像轮廓参数绘制气泡轮廓图;
S4:通过图片处理程序代码统计气泡数量,并将气泡轮廓图与步骤S2中记录的图片像素大小进行比较,即可获得预制混凝土T梁表面的气泡面积信息;
S5:利用Python语言中的tkinter.messagebox.showinfo函数,输出气泡数量及气泡面积信息,然后将气泡轮廓图导入预处理图中,即得到气泡检测结果图。
利用Python兼容性强、Pyqt门槛低且可移植性强、OpenCV图像处理功能强大等特点进行相关程序代码编制;利用python-opencv把彩色图转换为灰度图和二值图,其中,图像二值化是把图像显示出黑白效果,使用阈值(threshold)函数、采用简单指定阈值或自适应阈值的方法,得出最佳的阈值,高于或低于阈值时赋予的新值,得到二值图像;简单阈值即选取一个全局阈值,然后就把整幅图像分成了非黑即白的二值图像;自适应阈值可以看成一种局部性的阈值,通过规定一个区域大小,然后比较某个点与区域大小里面像素点的平均值的大小关系,确定这个像素点是属于黑或者白,自适应方法(Adaptive Method)包括:
cv2.ADAPTIVE_THRESH_MEAN_C :领域内均值
cv2.ADAPTIVE_THRESH_GAUSSIAN_C :领域内像素点加权和,权重为一个高斯窗口
cv2.THRESH_BINARY 和cv2.THRESH_BINARY_INV
Block size:规定领域大小
常数C,阈值等于均值或者加权值减去这个常数C,常数C为0时,相当于阈值就是求得领域内均值或者加权值。
作为优选方案,所述的预制混凝土T梁表面气泡的图像检测方法,其特征在于,根据预制T梁通常设有中间隔板的特点,对预制T梁分区域进行照片采集,然后在进行图像处理;这样处理可以避免隔板对检测的影响,使得结果更为精准。
作为优选方案,所述的预制混凝土T梁表面气泡的图像检测方法,其特征在于,采集照片的时间为,混凝土由表面潮湿的养护状态转变至表面呈现混凝土本色后的时间段内;此时混凝土表面气泡尚呈颜色较深状态,与混凝土本身的颜色存在较为明显的对比度,有利于后续的图像二值化处理。
作为优选方案,所述图片处理程序代码编写步骤包括:
A: 建立Python语言运行环境、安装视图层Pyqt程序模块、搭建opencv的Python环境;
B:利用Pyqt打开图片并建立气泡识别视图层,依次编写opencv图片灰度图转换、二值化处理、气泡轮廓识别、气泡轮廓图绘制相关的代码,并建立视图层与opencv图片识别代码之间的连接;
C:利用Python语言,依次编写气泡数量统计代码、气泡面积计算代码以及气泡参数输出代码。
利用所述的预制混凝土T梁表面气泡的图像检测方法进行气泡检测的过程包括:
T梁表面照片预处理;运行编写好的图片处理程序代码;通过运行的图片处理程序代码打开预处理图像,并以此进行图片的灰度图转换、图像二值化处理,利用python-opencvcv2.findContours()函数得到每个气泡轮廓信息;通过图片处理软件,进行气泡轮廓数量检测、气泡轮廓面积计算,最终输出气泡数量及面积数据,采用cv2.drawContours()函数,将气泡轮廓信息绘制至预处理图像上,最终得到最终检测结果图。
与现有技术相比,本发明具有如下优点:
1、本发明采取计算机自动识别气泡,获得气泡数量及面积,并在原图像上进行绘制比较,缩短了人工检测和计算的时间,提高了检测效率;
2、采用全局或自适用阈值进行二值化图像绘制,提高了图像中气泡数量及面积的检测精确度。
附图说明:
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其它的附图。
图1为本发明检测前的原始图片;
图2为本发明的其中一个图像处理程序代码示意图;
图3为本发明的另一个图像处理程序代码示意图;
图4为本发明的图像处理程序视图层示意图;
图5为本发明处理后的二值化图像示意图;
图6为本发明检测的气泡数量及面积检测结果示意图;
图7为本发明检测结果绘制至原图片后的检测结果图。
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付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。
一种预制混凝土T梁表面气泡数量与面积的检测方法,所述方法包括:
S1:现场采集浇筑完成后的未在养护状态的T梁表面照片,在电子计算机上,利用图片处理软件调节照片的亮度、对比度,并进行阀值化处理,即得到预处理图像,如图1所示;
S2:利用Python、Pyqt编程语言及opencv计算机视觉库编写图片处理程序代码,具体如图2和图3所示,并通过图片处理程序代码,对预处理图像按照像素高度和宽度记录大小属性;
S3:运行步骤S2编写的图片处理程序代码,如图4所示,选择“打开图片”选项,打开预处理图像,然后点击“气泡识别”,图片处理程序代码依次对预处理图像进行灰度图转换、图像二值化处理和其气泡轮廓识别,并根据识别到的气泡轮廓参数绘制气泡轮廓图,具体如图5所示,然后,图片处理程序代码自动统计气泡数量,并与步骤S2中记录的图片像素大小进行比较,即可获得预制混凝土T梁表面的气泡数量及气泡面积信息,具体如图6所示;
S5:利用Python语言中的tkinter.messagebox.showinfo函数,输出气泡数量及气泡面积信息,然后将气泡轮廓图导入预处理图像中,即得到气泡检测结果图,具体如图7所示;
本发明中,利用Python兼容性强、Pyqt门槛低且可移植性强、OpenCV图像处理功能强大等特点进行相关程序代码编制;利用python-opencv把彩色图转换为灰度图和二值图,其中,图像二值化是把图像显示出黑白效果,使用阈值(threshold)函数、采用简单指定阈值或自适应阈值的方法,得出最佳的阈值,高于或低于阈值时赋予的新值,得到二值图像;简单阈值即选取一个全局阈值,然后就把整幅图像分成了非黑即白的二值图像;自适应阈值可以看成一种局部性的阈值,通过规定一个区域大小,然后比较某个点与区域大小里面像素点的平均值的大小关系,确定这个像素点是属于黑或者白,自适应方法(AdaptiveMethod)包括:
cv2.ADAPTIVE_THRESH_MEAN_C :领域内均值
cv2.ADAPTIVE_THRESH_GAUSSIAN_C :领域内像素点加权和,权重为一个高斯窗口
cv2.THRESH_BINARY 和cv2.THRESH_BINARY_INV
Block size:规定领域大小
常数C,阈值等于均值或者加权值减去这个常数C,常数C为0时,相当于阈值就是求得领域内均值或者加权值。
检测过程中,根据预制T梁通常设有中间隔板的特点,对预制T梁分区域进行照片采集及图像处理;这样处理可以避免隔板对检测的影响,使得结果更为精准。采集照片的时间为,混凝土由表面潮湿的养护状态转变至表面呈现混凝土本色后的时间段内;此时混凝土表面气泡尚呈颜色较深状态,与混凝土本身的颜色存在较为明显的对比度,有利于后续的图像二值化处理。
Claims (5)
1.一种预制混凝土T梁表面气泡的图像检测方法,其特征在于包括以下步骤:
S1:现场采集浇筑完成后的未在养护状态的T梁表面照片,在电子计算机上,利用图片处理软件调节照片的亮度、对比度,并进行阀值化处理,得到预处理图像;
S2:利用Python、Pyqt编程语言及opencv计算机视觉库编写图片处理程序代码,并通过图片处理程序代码,对预处理图像按照像素高度和像素宽度记录大小;
S3:运行步骤S2编写的图片处理程序代码,对预处理图像进行灰度图转换、图像二值化处理和其气泡轮廓识别,并根据识别到的图像轮廓参数绘制气泡轮廓图;
S4:通过图片处理程序代码统计气泡数量,并将气泡轮廓图与步骤S2中记录的图片像素大小进行比较,即可获得预制混凝土T梁表面的气泡面积信息;
S5:利用Python语言中的tkinter.messagebox.showinfo函数,输出气泡数量及气泡面积信息,然后将气泡轮廓图导入预处理图中,即得到气泡检测结果图。
2.根据权利要求1所述的预制混凝土T梁表面气泡的图像检测方法,其特征在于:根据预制T梁通常设有中间隔板的特点,对预制T梁分区域进行照片采集,再进行图像处理。
3.根据权利要求1所述的预制混凝土T梁表面气泡的图像检测方法,其特征在于,采集照片的时间为,混凝土由表面潮湿的养护状态转变至表面呈现混凝土本色后的时间段内。
4.根据权利要求1所述的预制混凝土T梁表面气泡的图像检测方法,其特征在于,所述步骤S2中的图片处理程序代码编写包括:
A: 建立Python语言运行环境,安装视图层Pyqt程序模块,搭建opencv的Python环境;
B:利用Pyqt打开图片并建立气泡识别视图层,依次编写opencv图片灰度图转换、二值化处理、气泡轮廓识别、气泡轮廓图绘制相关的代码,并建立视图层与opencv图片识别代码之间的连接;
C:利用Python语言,依次编写气泡数量统计代码、气泡面积计算代码,以及气泡参数输出代码。
5.根据权利要求1所述的预制混凝土T梁表面气泡数量与面积的检测方法,其特征在于,所述气泡检测过程包括:T梁表面照片预处理;运行步骤S2中编写好的图片处理程序代码;通过运行图片处理程序代码打开预处理图像,并以此进行图片的灰度图转换、图像二值化处理和气泡轮廓识别;进行气泡数量统计、气泡轮廓面积计算,并将气泡轮廓图导入预处理图像中,最终输出气泡数量、面积数据及气泡检测结果图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911415677.0A CN111060521B (zh) | 2019-12-31 | 2019-12-31 | 一种预制混凝土t梁表面气泡数量与面积的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911415677.0A CN111060521B (zh) | 2019-12-31 | 2019-12-31 | 一种预制混凝土t梁表面气泡数量与面积的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060521A true CN111060521A (zh) | 2020-04-24 |
CN111060521B CN111060521B (zh) | 2024-01-02 |
Family
ID=70305675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911415677.0A Active CN111060521B (zh) | 2019-12-31 | 2019-12-31 | 一种预制混凝土t梁表面气泡数量与面积的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060521B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111696098A (zh) * | 2020-06-16 | 2020-09-22 | 王昕阳 | 一种基于大数据的混凝土构件检测系统及方法 |
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 |
CN115639204A (zh) * | 2022-10-09 | 2023-01-24 | 无锡华澄线缆有限公司 | 电缆绝缘层体气泡判断系统及方法 |
CN115984267A (zh) * | 2023-03-20 | 2023-04-18 | 青岛鼎信通讯科技有限公司 | 一种适用于超声水表的注塑气泡检测方法 |
CN117409007A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市什方智造科技有限公司 | 一种电池加热膜贴合度的确定方法、装置、设备及介质 |
CN117423046A (zh) * | 2023-12-19 | 2024-01-19 | 山东水利建设集团有限公司 | 基于图像处理的水泥砂浆搅拌过程视觉检测方法 |
CN117571720A (zh) * | 2024-01-12 | 2024-02-20 | 贵州科筑创品建筑技术有限公司 | 一种混凝土外观气泡的检测方法、装置、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013200148A (ja) * | 2012-03-23 | 2013-10-03 | Kajima Corp | コンクリートの充填不良確認方法 |
CN106872472A (zh) * | 2017-01-17 | 2017-06-20 | 中交武汉港湾工程设计研究院有限公司 | 混凝土外观质量检测评价方法 |
CN109490252A (zh) * | 2018-11-15 | 2019-03-19 | 北京海瑞克科技发展有限公司 | 一种混凝土表面气泡分析方法及装置 |
CN110056189A (zh) * | 2019-04-27 | 2019-07-26 | 福建省闽南建筑工程有限公司 | 一种利用物联网监测控制大体积混凝土施工的方法 |
CN110146511A (zh) * | 2019-05-16 | 2019-08-20 | 中铁十二局集团建筑安装工程有限公司 | 一种清水混凝土气泡检测方法 |
CN110487821A (zh) * | 2019-08-30 | 2019-11-22 | 太原科技大学 | 一种基于机器视觉的透明板材缺陷检测装置及其检测方法 |
-
2019
- 2019-12-31 CN CN201911415677.0A patent/CN111060521B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013200148A (ja) * | 2012-03-23 | 2013-10-03 | Kajima Corp | コンクリートの充填不良確認方法 |
CN106872472A (zh) * | 2017-01-17 | 2017-06-20 | 中交武汉港湾工程设计研究院有限公司 | 混凝土外观质量检测评价方法 |
CN109490252A (zh) * | 2018-11-15 | 2019-03-19 | 北京海瑞克科技发展有限公司 | 一种混凝土表面气泡分析方法及装置 |
CN110056189A (zh) * | 2019-04-27 | 2019-07-26 | 福建省闽南建筑工程有限公司 | 一种利用物联网监测控制大体积混凝土施工的方法 |
CN110146511A (zh) * | 2019-05-16 | 2019-08-20 | 中铁十二局集团建筑安装工程有限公司 | 一种清水混凝土气泡检测方法 |
CN110487821A (zh) * | 2019-08-30 | 2019-11-22 | 太原科技大学 | 一种基于机器视觉的透明板材缺陷检测装置及其检测方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111696098A (zh) * | 2020-06-16 | 2020-09-22 | 王昕阳 | 一种基于大数据的混凝土构件检测系统及方法 |
CN113487595A (zh) * | 2020-06-16 | 2021-10-08 | 王昕阳 | 一种基于大数据的混凝土构件检测系统 |
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 |
CN115639204A (zh) * | 2022-10-09 | 2023-01-24 | 无锡华澄线缆有限公司 | 电缆绝缘层体气泡判断系统及方法 |
CN115984267A (zh) * | 2023-03-20 | 2023-04-18 | 青岛鼎信通讯科技有限公司 | 一种适用于超声水表的注塑气泡检测方法 |
CN117409007A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市什方智造科技有限公司 | 一种电池加热膜贴合度的确定方法、装置、设备及介质 |
CN117409007B (zh) * | 2023-12-15 | 2024-04-12 | 深圳市什方智造科技有限公司 | 一种电池加热膜贴合度的确定方法、装置、设备及介质 |
CN117423046A (zh) * | 2023-12-19 | 2024-01-19 | 山东水利建设集团有限公司 | 基于图像处理的水泥砂浆搅拌过程视觉检测方法 |
CN117423046B (zh) * | 2023-12-19 | 2024-03-01 | 山东水利建设集团有限公司 | 基于图像处理的水泥砂浆搅拌过程视觉检测方法 |
CN117571720A (zh) * | 2024-01-12 | 2024-02-20 | 贵州科筑创品建筑技术有限公司 | 一种混凝土外观气泡的检测方法、装置、系统及存储介质 |
CN117571720B (zh) * | 2024-01-12 | 2024-03-22 | 贵州科筑创品建筑技术有限公司 | 一种混凝土外观气泡的检测方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111060521B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111060521A (zh) | 一种预制混凝土t梁表面气泡数量与面积的检测方法 | |
CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN110910343A (zh) | 路面裂缝检测的方法、装置及计算机设备 | |
CN115393727B (zh) | 一种路面线性裂缝识别方法、电子设备及存储介质 | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN109767423A (zh) | 一种沥青路面图像的裂缝检测方法 | |
CN114998852A (zh) | 一种基于深度学习的公路路面病害智能检测方法 | |
CN111489352A (zh) | 一种基于数字图像处理的隧道缝隙检测与测量方法及装置 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN114705689A (zh) | 一种基于无人机的建筑物外立面裂缝检测方法及系统 | |
CN112967249B (zh) | 一种基于深度学习的预制桥墩钢筋孔制造误差智能识别方法 | |
CN111767874B (zh) | 一种基于深度学习的路面病害检测方法 | |
Wei et al. | Automated bughole detection and quality performance assessment of concrete using image processing and deep convolutional neural networks | |
CN114723709A (zh) | 隧道病害检测方法、装置和电子设备 | |
CN110660049A (zh) | 一种基于深度学习的轮胎缺陷检测方法 | |
CN103839271A (zh) | 一种基于最佳匹配的图像纹理合成方法 | |
Mubashshira et al. | An unsupervised approach for road surface crack detection | |
Tayo et al. | Portable crack width calculation of concrete road pavement using machine vision | |
CN115995056A (zh) | 一种基于深度学习的桥梁病害自动识别方法 | |
CN115019252B (zh) | 混凝土质量检测方法、装置及监控设备 | |
CN113096099B (zh) | 基于颜色通道合并的透水沥青混合料连通空隙识别方法 | |
CN114862892A (zh) | 基于增强深度边缘特征的二维及三维路面裂缝识别方法 | |
CN114937167A (zh) | 一种复杂背景下桥梁路面裂缝图像裂缝检测方法 | |
Prabakar et al. | A novel approach of surface crack detection using super pixel segmentation | |
CN115170783A (zh) | 一种使用街景图像的快速公路路面裂缝检测方法 |
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 |