CN112730060B - 一种混凝土试块抗压性能自动测试分析方法 - Google Patents
一种混凝土试块抗压性能自动测试分析方法 Download PDFInfo
- Publication number
- CN112730060B CN112730060B CN202011531707.7A CN202011531707A CN112730060B CN 112730060 B CN112730060 B CN 112730060B CN 202011531707 A CN202011531707 A CN 202011531707A CN 112730060 B CN112730060 B CN 112730060B
- Authority
- CN
- China
- Prior art keywords
- block
- test
- test block
- tested
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 123
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 230000006835 compression Effects 0.000 title claims description 20
- 238000007906 compression Methods 0.000 title claims description 20
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 238000010998 test method Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004140 cleaning Methods 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims abstract description 6
- 239000012634 fragment Substances 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 20
- 238000010191 image analysis Methods 0.000 claims description 12
- 239000004575 stone Substances 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003825 pressing Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000013142 basic testing Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000001902 propagating effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013467 fragmentation Methods 0.000 description 3
- 238000006062 fragmentation reaction Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0003—Steady
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0019—Compressive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
- G01N2203/0647—Image analysis
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)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种混凝土抗压强度自动测试分析方法，面通过自动读取试块信息、自动夹取、视觉定位、自动测试、自动清理等步骤实现混凝土抗压强度的自动测试，同时通过视觉识别与神经网络回归方法实现了对混凝土试块综合力学性能的测定与评价，解决了当前主要依靠人工测试混凝土试块抗压强度效率低、成本高、测试结果片面的问题。
Description
[技术领域]
本发明属于自动化设备领域，尤其涉及一种混凝土抗压强度自动测试分析方法。
[背景技术]
混凝土是工程建设不可缺少的大宗建筑材料，据统计，我国每年消耗混凝土达到20亿方以上，为了确保这些混凝土质量符合施工要求，从混凝土生产企业到实验室以及施工现场都要对大量的混凝土试块进行抗压强度测试。
目前混凝土行业基本都是通过人工方法进行混凝土试块强度测试，效率较低，也极大的提升了行业用工成本。虽然能够看到一些设计试图解决该问题，但是仍然存在较大漏洞。例如在CN 211825414 U中公开了一种基于识别技术的混凝土自动抗压强度监测系统，但该系统的处理前端仍然需要人工将试块整齐码放在传送装置上，未能解决效率问题；并且未能在监测前对试块的尺寸、外观进行评价，无法鉴定所测试块是否符合抗压强度测试要求；其次，该方案为考虑到实际测试后会产生大量的混凝土碎屑，其留置在测试台上将会严重影响后续测试。又如在CN 206339430U中公开了一种用于调整混凝土试块抗压强度中心位置的装置，该装置仅仅能够代替有限的人工操作步骤，并不能有效解决混凝土试块抗压强度自动测试的问题。
本发明将引入视觉识别、神经网络与自动化控制等方法解决上述问题，实现混凝土试块抗压强度的高效率、自动化测试。
[发明内容]
本发明为了解决当前主要依靠人工测试混凝土试块抗压强度效率低、成本高的问题，本发明提出一种混凝土抗压强度自动测试分析方法。
为实现上述目的，本发明采用了下列技术方案：
一种混凝土试块抗压性能自动测试分析方法，其步骤如下：
步骤S1、称取设定重量待测试块，机械臂抓取待测试块至测试台面，视觉识别模块获取并分析待测试块图像信息并存入存储模块；
步骤S2、自动测试模块均匀加压下压待测试块，直到待测试块破碎，视觉识别模块获取动态试块裂纹连续图片，并将分析的裂纹发展特征、破碎压力值存入存储模块；
步骤S3、视觉识别模块获取压碎试块图像信息，根据压碎试块图像信息分析一定大小的碎块数量及体积比、碎块形状特征、试块骨料级配分布以及综合力学性能P与D(Si，Hi),R(M、C、η)之间关系，并存入存储模块；
步骤S4、清扫装置清扫测试台面。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S1中待测试块放置在存样仓内，设置于存样仓上的重量传感器检测待测试块重量。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：所述视觉识别模块包括有图像采集装置和图像分析系统。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S1中图像采集装置获取待测试块条码及文字图像、待测试块边缘及表面图像，图像分析系统分析并记录待测试块的尺寸、表观参数、批次、配比、养护信息。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S1中还包括有步骤S11、评定待测试块的尺寸、表观参数是否符合基本测试要求，若符合则执行步骤S2，否则执行步骤S4。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S2中通过设置于机械臂端部的定位装置持续横向夹紧试块，直到加压下压接触待测试块表面时定位装置离开待测试块。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S3中图像分析系统设定在t时刻观测到的竖向裂纹数量记为S，横向裂纹数量记为H，则ti分别对应Si和Hi，其中i＝1，2，3，…，n，Si与Hi的比值记为试块的动态力学性能因子D，则得到D(Si，Hi)。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤3中图像分析系统设定大于一定体积V0的碎块模数记为M；大于一定体积的碎块形状模数，记为方度C，断面形状特点则关注其平整度记为η；将等效球直径大于10mm的所有碎石块以5mm为级差进行分别计数，按照如下公式计算碎块模数：
上式中，M10、M15、M20、M25分别指碎块的等效球直径大于10mm、15mm、20mm、25mm的碎块数量；
将等效球直径大于5mm的所有碎石块的轮廓通过视觉识别系统进行描绘，并将其与方形的偏差大小作为方度的判据，按如下公式计算方度C：
其中，
Sf为最大内接正方形的面积，Sw为碎块正投影超出最大内接正方形的面积；
平整度η则通过压碎试块图像进行直接测定；
M、C、η共同作为试块静态力学性能因子R，则得到R(M、C、η)，
D与R二者共同表征试块的综合力学性能P；
即：
P～{D(Si，Hi),R(M、C、η)}。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：采用神经网络回归方法进行实现综合力学性能P与D(Si，Hi),R(M、C、η)之间关系的求解，步骤如下：
步骤S301、初始化网络；
步骤S302、分别输入动态性能因子D(Si，Hi)和动态性能因子R(M、C、η)作为学习样本；
步骤S303、计算各层神经元输入和输出；
步骤S304、计算输出误差；
步骤S305、反向传播误差，调整隐藏层参数；
步骤S306、判断是否已遍历所有学习样本，若是，则结束并计算网络平均误差，若否，则返回步骤S302；
步骤S307、评估精度是否满足要求，若是，则结束，若否，则返回步骤S302。
如上所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：清扫装置设置于机械臂上。
本发明的有益效果是：
本发明在实现了混凝土试块抗压强度自动测试的同时，通过视觉分析的方法，对试块的力学性能进行综合评定，尤其是对试块测试前、碎裂过程以及碎裂后的状态进行视觉分析，分析得到裂纹发展特征、分析一定大小的碎块数量及体积比、碎块形状特征、试块骨料级配分布以及综合力学性能P与D(Si，Hi),R(M、C、η)之间关系数据，实现了高效率、低成本的混凝土抗压强度自动测试及分析。
[附图说明]
图1为本发明系统结构示意图；
图2为本发明测试流程示意图；
图3为本发明综合力学性能P与D(Si，Hi),R(M、C、η)之间关系求解设计的三层神经网络示意图；
图4为本发明综合力学性能P与D(Si，Hi),R(M、C、η)之间关系求解流程图；
图5为本发明视觉识别模块的视觉分析结构示意图。
[具体实施方式]
下面结合附图与本发明的实施方式作进一步详细的描述：
如图1所示，主要由五个模块完成：控制中心、视觉识别模块、机械动力模块、自动测试模块、存储模块。
控制中心控制各模块完成整个测试流程；
视觉识别模块的功能包括图像采集装置、图像分析系统，具体包含对待测试块表面的条码或文字信息进行扫描和识别、对试块尺寸及表面平整度进行分析、对压后碎块的颗粒特征进行分析等，随后将识别、分析结果传输至存储模块；
机械动力模块包含抓取机械臂、定位装置与清扫装置，主要功能包含抓取待测试块并放置于测试台测试区、对待测试块进行定位、对测试台进行清扫等；
自动测试模块主要包含加压装置，主要功能是实现自动加压测试，并将测试数据传输至存储模块；
存储模块的主要功能是实现试块全测试流程中所有信息的有序存储。
如图2所示，一种混凝土试块抗压性能自动测试分析方法，其步骤如下：
步骤S1、待测试块放置在存样仓内，设置于存样仓上的重量传感器检测待测试块重量，称取设定重量待测试块，机械臂抓取待测试块至测试台面，视觉识别模块中图像采集装置获取待测试块条码及文字图像、待测试块边缘及表面图像，图像分析系统分析并记录待测试块的尺寸、表观参数、批次、配比、养护的信息并存入存储模块；
步骤S11、评定待测试块的尺寸、表观参数是否符合基本测试要求，若符合则执行步骤S2，否则不再继续进行抗压强度测试，将该试块信息传入数据库并标注、警示，执行步骤S4；
步骤S2、通过设置于机械臂端部的定位装置持续横向夹紧试块，直到加压下压接触待测试块表面时定位装置离开待测试块，自动测试模块均匀加压下压待测试块，直到待测试块破碎，视觉识别模块获取动态试块裂纹连续图片，并将分析的裂纹发展特征、破碎压力值存入存储模块；
步骤S3、视觉识别模块获取压碎试块图像信息，根据压碎试块图像信息分析一定大小的碎块数量及体积比、碎块形状特征、试块骨料级配分布以及综合力学性能P与D(Si，Hi),R(M、C、η)之间关系；
图像分析系统设定在t时刻观测到的竖向裂纹数量记为S，横向裂纹数量记为H，则ti分别对应Si和Hi，其中i＝1，2，3，…，n，Si与Hi的比值记为试块的动态力学性能因子D，则得到D(Si，Hi)；
图像分析系统设定大于一定体积V0的碎块模数记为M；大于一定体积的碎块形状模数，记为方度C，断面形状特点则关注其平整度记为η；
将等效球直径大于10mm的所有碎石块以5mm为级差进行分别计数，按照如下公式计算碎块模数：
上式中，M10、M15、M20、M25分别指碎块的等效球直径大于10mm、15mm、20mm、25mm的碎块数量；
将等效球直径大于5mm的所有碎石块的轮廓通过视觉识别系统进行描绘，并将其与方形的偏差大小作为方度的判据，按如下公式计算方度C：
其中，
Sf为最大内接正方形的面积，Sw为碎块正投影超出最大内接正方形的面积；平整度η则通过压碎试块图像进行直接测定；
M、C、η共同作为试块静态力学性能因子R，则得到R(M、C、η)，
D与R二者共同表征试块的综合力学性能P；
即：
P～{D(Si，Hi),R(M、C、η)}；
如图3所示，采用神经网络回归方法进行实现综合力学性能P与D(Si，Hi),R(M、C、η)之间关系的求解，如图4所示，步骤如下：
步骤S301、初始化网络；
步骤S302、分别输入动态性能因子D(Si，Hi)和动态性能因子R(M、C、η)作为学习样本；
步骤S303、计算各层神经元输入和输出；
步骤S304、计算输出误差；
步骤S305、反向传播误差，调整隐藏层参数；
步骤S306、判断是否已遍历所有学习样本，若是，则结束并计算网络平均误差，若否，则返回步骤S302；
步骤S307、评估精度是否满足要求，若是，则结束并得到综合力学性能P与D(Si，Hi),R(M、C、η)之间关系结果，若否，则返回步骤S302；
将分析数据存入存储模块；
步骤S4、设置于机械臂上清扫装置清扫测试台面。
如图3所示，试块碎裂前的基本信息采集可以省去人工输入信息带来的误差，也可以避免人为篡改数据，通过常用的条码、二维码识别技术或OCR技术实现，通过表观检测可以快速评定试块是否符合测试要求；试块碎裂中，通过图像采集装置获取的动态试块裂纹连续图片，进而分析裂纹发展特征，得到试块的动态力学性能因子D～(Si，Hi)；试块碎裂后，大于一定体积V0的碎块模数记为M；大于一定体积的碎块形状模数，记为“方度”C，断面形状特点则关注其平整度记为η，得到试块静态力学性能因子R～(M、C、η)，以及综合力学性能P与D(Si，Hi),R(M、C、η)之间关系的求解结果；从而实现在混凝土试块抗压强度自动测试的同时，通过视觉分析的方法，对试块测试前、碎裂过程以及碎裂后的状态的力学性能进行综合评定。
Claims (7)
1.一种混凝土试块抗压性能自动测试分析方法，其步骤如下：
步骤S1、称取设定重量待测试块，机械臂抓取待测试块至测试台面，视觉识别模块获取并分析待测试块图像信息并存入存储模块；
步骤S2、自动测试模块均匀加压下压待测试块，直到待测试块破碎，视觉识别模块获取动态试块裂纹连续图片，并将分析的裂纹发展特征和破碎压力值存入存储模块；
步骤S3、视觉识别模块获取压碎试块图像信息，根据压碎试块图像信息分析一定大小的碎块数量、体积比、碎块形状特征和试块骨料级配分布以及综合力学性能P与D（Si，Hi）和R（M，C，η）之间的关系，并存入存储模块，其中所述视觉识别模块包括有图像采集装置和图像分析系统；
图像分析系统设定在t时刻观测到的竖向裂纹数量记为S，横向裂纹数量记为H，则ti分别对应Si和Hi，其中i=1，2，3，…，n，Si与Hi的比值记为试块的动态力学性能因子D ，则得到D（Si，Hi）；
图像分析系统设定大于一定体积V0的碎块模数记为M；大于一定体积的碎块形状模数，记为方度C，断面形状特点则关注其平整度记为η；将等效球直径大于10mm的所有碎石块以5mm为级差进行分别计数，按照如下公式计算碎块模数：
上式中，M10、M15、M20、M25分别指碎块的等效球直径大于10mm、15mm、20mm、25mm的碎块数量；
将等效球直径大于5mm的所有碎石块的轮廓通过视觉识别系统进行描绘，并将其与方形的偏差大小作为方度的判据，按如下公式计算方度C：
其中，
Sf为最大内接正方形的面积，Sw为碎块正投影超出最大内接正方形的面积；
平整度η则通过压碎试块图像进行直接测定；
M、C、η共同作为试块静态力学性能因子R，则得到R（M，C，η），
D与R二者共同表征试块的综合力学性能P；
即：
P~{D（Si，Hi）,R（M，C，η）}；
步骤S4、清扫装置清扫测试台面。
2.根据权利要求1所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S1中待测试块放置在存样仓内，设置于存样仓上的重量传感器检测待测试块重量。
3.根据权利要求1所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S1中图像采集装置获取待测试块条码及文字图像和待测试块边缘及表面图像，图像分析系统分析并记录待测试块的尺寸、表观参数、批次、配比和养护信息。
4.根据权利要求3所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S1中还包括有步骤S11、评定待测试块的尺寸和表观参数是否符合基本测试要求，若符合则执行步骤S2，否则执行步骤S4。
5.根据权利要求1所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：步骤S2中通过设置于机械臂端部的定位装置持续横向夹紧试块，直到自动测试模块加压下压接触待测试块表面时定位装置离开待测试块。
6.根据权利要求1所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：采用神经网络回归方法实现综合力学性能P与D（Si，Hi）和R（M，C，η）之间关系的求解，步骤如下：
步骤S301、初始化网络；
步骤S302、分别输入动态性能因子D（Si，Hi）和动态性能因子R（M，C，η）作为学习样本；
步骤S303、计算各层神经元输入和输出；
步骤S304、计算输出误差；
步骤S305、反向传播误差，调整隐藏层参数；
步骤S306、判断是否已遍历所有学习样本，若是，则结束并计算网络平均误差，若否，则返回步骤S302；
步骤S307、评估精度是否满足要求，若是，则结束，若否，则返回步骤S302。
7.根据权利要求1所述的一种混凝土试块抗压性能自动测试分析方法，其特征在于：清扫装置设置于机械臂上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011531707.7A CN112730060B (zh) | 2020-12-23 | 2020-12-23 | 一种混凝土试块抗压性能自动测试分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011531707.7A CN112730060B (zh) | 2020-12-23 | 2020-12-23 | 一种混凝土试块抗压性能自动测试分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112730060A CN112730060A (zh) | 2021-04-30 |
| CN112730060B true CN112730060B (zh) | 2023-02-28 |
Family
ID=75605810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011531707.7A Active CN112730060B (zh) | 2020-12-23 | 2020-12-23 | 一种混凝土试块抗压性能自动测试分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112730060B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114034570A (zh) * | 2021-11-04 | 2022-02-11 | 浙江辰鑫机械设备有限公司 | 混凝土试块智能养护与检测方法 |
| CN113984536A (zh) * | 2021-11-05 | 2022-01-28 | 巨轮(广州)智能装备有限公司 | 一种砼试件的抗压性能测试系统及其测试方法 |
| CN114235605A (zh) * | 2021-12-23 | 2022-03-25 | 国网甘肃省电力公司经济技术研究院 | 一种智能混凝土受力分析系统 |
| CN114964975A (zh) * | 2022-06-24 | 2022-08-30 | 广东省有色工业建筑质量检测站有限公司 | 一种硬化混凝土中氯离子检测智能自动化前处理系统 |
| CN115655887B (zh) * | 2022-11-01 | 2023-04-21 | 广东建设职业技术学院 | 一种混凝土强度的预测方法 |
| CN116086965A (zh) * | 2023-03-06 | 2023-05-09 | 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） | 基于机器视觉的混凝土试块抗压强度试验系统及方法 |
| CN117310732B (zh) * | 2023-11-30 | 2024-02-13 | 柒零叁信息科技有限公司 | 激光测距仪 |
| CN117554186B (zh) * | 2024-01-12 | 2024-04-05 | 中铁四局集团有限公司 | 基于机器视觉的小型混凝土预制构件质量检测分析方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011153924A (ja) * | 2010-01-27 | 2011-08-11 | Taiheiyo Cement Corp | コンクリート硬化体の圧縮強度推定方法 |
| CA2912191A1 (en) * | 2013-08-06 | 2015-02-12 | Bp Corporation North America Inc. | Image-based direct numerical simulation of petrophysical properties under simulated stress and strain conditions |
| CN104359763A (zh) * | 2014-11-20 | 2015-02-18 | 深圳大学 | 一种水泥基材料在荷载作用下内部裂缝开展的检测方法 |
| CN106568647A (zh) * | 2016-10-25 | 2017-04-19 | 武汉理工大学 | 一种基于神经网络的混凝土强度预测方法 |
| CN107064183A (zh) * | 2017-04-10 | 2017-08-18 | 东南大学 | 一种基于ct图像分析混凝土开裂成因的方法 |
| CN109472486A (zh) * | 2018-11-02 | 2019-03-15 | 厦门港湾咨询监理有限公司 | 试验检测混凝土试块数据集成评价系统 |
| CN110361262A (zh) * | 2019-06-28 | 2019-10-22 | 广东建准检测技术有限公司 | 一种基于识别技术的混凝土自动抗压强度检测系统 |
| CN111507988A (zh) * | 2020-04-14 | 2020-08-07 | 山东科技大学 | 一种基于数字图像处理的破碎岩体建模及渗流试验方法 |
-
2020
- 2020-12-23 CN CN202011531707.7A patent/CN112730060B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011153924A (ja) * | 2010-01-27 | 2011-08-11 | Taiheiyo Cement Corp | コンクリート硬化体の圧縮強度推定方法 |
| CA2912191A1 (en) * | 2013-08-06 | 2015-02-12 | Bp Corporation North America Inc. | Image-based direct numerical simulation of petrophysical properties under simulated stress and strain conditions |
| CN104359763A (zh) * | 2014-11-20 | 2015-02-18 | 深圳大学 | 一种水泥基材料在荷载作用下内部裂缝开展的检测方法 |
| CN106568647A (zh) * | 2016-10-25 | 2017-04-19 | 武汉理工大学 | 一种基于神经网络的混凝土强度预测方法 |
| CN107064183A (zh) * | 2017-04-10 | 2017-08-18 | 东南大学 | 一种基于ct图像分析混凝土开裂成因的方法 |
| CN109472486A (zh) * | 2018-11-02 | 2019-03-15 | 厦门港湾咨询监理有限公司 | 试验检测混凝土试块数据集成评价系统 |
| CN110361262A (zh) * | 2019-06-28 | 2019-10-22 | 广东建准检测技术有限公司 | 一种基于识别技术的混凝土自动抗压强度检测系统 |
| CN111507988A (zh) * | 2020-04-14 | 2020-08-07 | 山东科技大学 | 一种基于数字图像处理的破碎岩体建模及渗流试验方法 |
Non-Patent Citations (2)
| Title |
|---|
| Alumina-rich pozzolan modification on Portland-limestone cement;Yunyao Wang 等;《Construction and Building Materials》;20200619;第1-11页 * |
| 岩石破裂全程数字化细观损伤力学试验研究;倪骁慧等;《岩土力学》;20091110(第11期);第71-78页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112730060A (zh) | 2021-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112730060B (zh) | 一种混凝土试块抗压性能自动测试分析方法 | |
| CN117309661B (zh) | 一种混凝土质量在线检测系统 | |
| CN110672478A (zh) | 基于图像处理技术分析机制砂颗粒形状的测试方法及装置 | |
| CN107576619B (zh) | 检测混凝土腐蚀产物的高光谱测试与分析方法 | |
| CN111515138A (zh) | 基于颗粒形态识别的道砟智能筛分装置 | |
| CN1866004B (zh) | 一种混凝土抗裂性能试验方法及其外方内圆试验装置 | |
| CN101487780A (zh) | 检测中厚板非工作方向性能的方法及装置 | |
| CN111062078A (zh) | 适用于混合型再生粗骨料的品质分级方法 | |
| CN113536924A (zh) | 一种钢纤维混凝土结构内部损伤类型检测方法 | |
| CN111141472B (zh) | 一种抗震支吊架检测方法及系统 | |
| Beretta et al. | RAAI Project: Life-prediction and prognostics for railway axles under corrosion-fatigue damage | |
| CN116433155A (zh) | 一种基于可视化的工程物资仓储智能管理系统 | |
| CN111208201B (zh) | 无机非金属板破坏强度无损检测方法、装置及存储介质 | |
| CN116165213A (zh) | 一种不锈钢链条产品质量检验方法及系统 | |
| CN206281706U (zh) | 一种路桥施工板材弯曲检测辅助装置 | |
| JP7317974B2 (ja) | ファインセラミックの弾性率の非破壊検査方法、装置および記憶媒体 | |
| JP7202472B2 (ja) | ファインセラミックの曲げ強度の非破壊検査方法、装置および記憶媒体 | |
| Anderson et al. | Fitting statistical distribution models to MOE and MOR in mill-run spruce and red pine lumber populations | |
| CN114492914A (zh) | 基于机器学习的岩体表征单元体积数值预测方法及系统 | |
| CN115598017B (zh) | 一种透水混凝土用粗骨料形态识别及骨架评价方法 | |
| CN117592820B (zh) | 一种基于计算机数据分析的桥梁损伤病害智能识别系统 | |
| CN117420011B (zh) | 一种混凝土砖块多点式抗压强度检测系统 | |
| CN111060602A (zh) | 一种SiC/Al复合材料超声检测缺陷的定性和定量分析方法 | |
| Wang et al. | Analysis of common problems in testing of building engineering materials | |
| CN214470676U (zh) | 一种快速测量砼抗压试件尺寸偏差的装置 |
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 |