CN113203743A - 一种基于红外热成像分析的路基裂缝检测识别及修复方法 - Google Patents

一种基于红外热成像分析的路基裂缝检测识别及修复方法 Download PDF

Info

Publication number
CN113203743A
CN113203743A CN202110551750.8A CN202110551750A CN113203743A CN 113203743 A CN113203743 A CN 113203743A CN 202110551750 A CN202110551750 A CN 202110551750A CN 113203743 A CN113203743 A CN 113203743A
Authority
CN
China
Prior art keywords
temperature
infrared thermal
thermal imaging
data
cracks
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
CN202110551750.8A
Other languages
English (en)
Other versions
CN113203743B (zh
Inventor
张高放
来平
李宁
梁德利
苟强
刘小伟
张旭栋
伏晓刚
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.)
Lanzhou University
Fourth Engineering Co Ltd of China Railway 21st Bureau Group Co Ltd
Original Assignee
Lanzhou University
Fourth Engineering Co Ltd of China Railway 21st Bureau Group Co Ltd
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 Lanzhou University, Fourth Engineering Co Ltd of China Railway 21st Bureau Group Co Ltd filed Critical Lanzhou University
Priority to CN202110551750.8A priority Critical patent/CN113203743B/zh
Publication of CN113203743A publication Critical patent/CN113203743A/zh
Application granted granted Critical
Publication of CN113203743B publication Critical patent/CN113203743B/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
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C11/00—Details of pavings
    • E01C11/005—Methods or materials for repairing pavings
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T2207/10048—Infrared 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Structural Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Radiation Pyrometers (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于红外热成像分析的路基裂缝检测识别及修复方法，包括以下步骤:1）导轨铺设：在待检测路段铺设平行导轨，在导轨上放置滑动架；2）照片获取：将红外热成像设备固定于滑动架上，对待检测路面进行拍照；再将可见光成像设备固定于滑动架上，对待检测路面进行拍照；3）数据处理：将红外热成像设备拍摄图像传入PC端，使用FLIR Tools软件调取热红外图片，获取温度参数（640*480），导出为Excel数据文件,处理后得到检测区域的温度等值线图；4）裂缝识别：根据步骤3）得到的温度等值线图和可见光成像设备拍摄的照片，对比识别水稳层中的裂缝，发现隐伏裂缝，预测裂缝发展趋势；5）裂缝修复：根据步骤4）的检测结果，对裂缝进行修补。

Description

一种基于红外热成像分析的路基裂缝检测识别及修复方法
技术领域
本发明属于路基裂缝检测识别技术领域，具体涉及一种基于红外热成像分析的路基裂缝检测识别及修复方法。
背景技术
水稳层是水泥稳定碎石层的简称，即采用水泥固结级配碎石，采用一定数量的胶凝材料和足够体积的灰浆填充骨料的空隙，按嵌挤原理摊铺压实。它的初期强度较高，并且强度随龄期增加迅速，很快结成板体，因而具有较高的强度，且抗渗性和抗冻性好。水稳层7天的无侧限抗压强度可达4.0Mpa以上，较其他路基材料高。其成型后遇雨不泥泞，表面坚实，是高级路面的理想基层材料。
半刚性基层在养生和运营期间易产生干缩裂缝和温缩裂缝，影响路基的整体性，降低路基的承载能力。公路运营期间，在交通荷载和外部环境的反复作用下，半刚性基层的这种裂缝很容易扩展到沥青面层而形成反射裂缝。反射裂缝一旦产生，不仅影响路面的美观和行车舒适性，更重要的是大大的缩短了路面的使用寿命。如何有效探测裂缝及其发展趋势尤为重要。
现有断层、裂缝的检测方法包括：地震勘探、电法勘探、弹性波测试、探地雷达、摄影测量等方法，这些方法大多适用于断层、宽大裂缝等大尺度的裂缝检测，用于路基裂缝检测精度不够、且不能预测裂缝的发展趋势。
热红外成像探测技术因其无损、精度高等特点，自上世纪70年代第一个便携式热红外成像仪系统投入使用后，经过飞速发展，已经广泛应用于岩土工程、土木工程、航空航天、材料检测等领域，但在路基、路面裂缝检测中的应用甚少涉及。当路基基层出现裂缝或隐伏的裂缝时，由于水或空气的充填，水稳层之间就存在结构缺陷，使得热导率不同，热传导受阻（或加剧），水稳层热量加速（或延缓）向内部传递，从而形成热量聚集（热量消散），造成水稳层裂缝处温度升高（或降低），而在红外热成像上出现“热斑”（或“冷斑”），其范围和程度可反映出该部位的裂开程度及范围。
而红外热成像仪所出图像模糊，颜色差异不显著，边界不清晰，在未经处理的情况下，对裂缝探测识别的效果较差。故本专利也提供了一种计算机增益方法，可以快速、有效、简便地绘制出颜色差异显著，边界清晰的热红外温度等值线图，该图中暖色调连续带状“热斑”表示裂缝及其影响区域，该范围温度差异显著，颜色为红色或者黑红色表示裂缝发育区域，与本底交界处其颜色为黄色或者橙色，该范围是裂缝影响的损伤区域，虽未直接破裂，但是后期有潜在发育成裂缝的趋势。再往外，冷色调表示水稳层无缺陷本底区域，该区域不受裂缝影响。
发明内容
本发明提供了一种基于红外热成像分析的路基裂缝检测识别及修复方法，目的在于解决上述技术问题。
为此，本发明采用如下技术方案：
一种基于红外热成像分析的路基裂缝检测识别及修复方法，包括以下步骤：
1）导轨铺设：选择天气晴朗、光照良好的白天，划定待检测路段，保持待测区域清洁干燥；在待检测路段上铺设平行的导轨，在导轨上放置滑动架，滑动架上设有用于固定拍摄装置的安装座；
2）照片获取：将红外热成像设备固定于安装座上，保证镜面垂直于路面，使用红外热成像设备对待检测路面进行拍照；
将红外热成像设备从安装座上取下，将可见光成像设备固定于安装座上，使用可见光成像设备对待检测路面进行拍照；
3）数据处理：将步骤2）中红外热成像设备拍摄的图像传入PC端，使用FLIR Tools软件调取步骤2）拍摄的热红外图片，获取温度参数（640*480），导出为存有数据点的Excel数据文件，每个图片对应得到一个Excel数据文件，文件中不同行不同列的数据为对应像素点的温度数据；
使用Matlab打开自编温度等值线作图程序，调用所述温度数据，重新制作检测区域温度等值线图，具体步骤如下：
将所述Excel数据文件保存至指定文件夹，并记录Excel数据文件的个数，将命令程序调运到Matlab计算软件，对数据参数进行修改完善；
a.根据Excel数据文件的个数，设定调用数目（for i=1:x ；x为文件个数）；
b.根据红外热成像设备提取像素信息矩阵大小，设置温度数据区域（以信息矩阵为640*480为例，温度数据区域即为：x=1:1:640;y=1:1:480;）；
c.根据Excel数据文件所在文件夹位置，使用srcname语句调用Excel数据文件，设置导入温度数据路径（srcname=strcat(文件路径);）；
d.根据数据文件路径与名称，命名输出图片名称（ dstname=strcat('E:\1\',f,'-1.tif');）；
e.根据打开数据文件，使用srcname语句，根据数据在Excel文件位置，设置调用温度参数（z=xlsread(srcname,'1','B11:XQ490');）；
f.使用meshgrid语句，创造网格空间，制作温度二维散点图([X,Y]=meshgrid(x,y);)；
g.使用griddata语句，进行温度参数插值（[X,Y,Z]=griddata(x,y,z,linspace(1,640,640)',linspace(1,480,480),'nearest');）；
h.使用contourf语句，绘制等值线图，根据所需等值线密度，合理设定温度等差值参数（contourf(X,Y,Z,n); %等值线图，其中n为温度等差值参数）；
i.绘制填充颜色的二维温度等值线图（colormap('jet');）；
j.设置colorbar显示的颜色（c=colorbar;）；
k.根据温度数据，选取温度最大值最小值，设定温度上下限（set(gca,'Clim',[TminTmax]);）；
l.设置图像的位置：起始坐标、图宽度、高度（set(gcf,'Position',[0,0,1200,900]);）；
m.创建显示图形输出的窗口（M=figure;）；
n.使用shading interp语句，对Matlab绘制图形对象的颜色着色进行色彩的插值处理,使色彩平滑过渡(shading interp;)；
o.使用saveas语句，保存图片（%saveas(M,dstname); saveas(c,dstname);%print(gcf,'-dtiff',dstname);%saveas(gcf,dstname); ）；
4）裂缝识别：根据步骤3）得到的热红外温度等值线图和可见光成像设备拍摄的照片，对比识别水稳层中的裂缝，发现隐伏裂缝，分析并预测裂缝发展趋势；
5）裂缝修复：根据步骤4）的检测结果，对裂缝进行修补。
本发明的有益效果在于：
1.应用红外热成像技术，可以无损、快速、准确探测公路路基裂缝发育规律，发现隐伏裂缝，预测裂缝发育趋势，为路基裂缝的修复提供有效依据；
2.使用FLIR Tools软件工具，将所得的热红外图像数据化，再使用Matlab与温度等值线绘制程序，将所得数据进行图像增益化处理，得到颜色差异更为显著、边界更为清晰的等温线图，解决了红外热成像仪器直接所得图像模糊、边界不清晰的问题；
3.根据红外热成像探测结果，使用土工布、玻璃纤维栅板对裂缝进行处理，形成隔水防渗层，保护基层的强度，使基层材料性质不会进一步劣化；从根本上解决路面反射裂缝的产生，预防公路病害的产生，延长公路的使用寿命。
附图说明
图1是可见光成像设备拍摄的图像；
图2是红外热成像设备拍摄的图像；
图3是使用Matlab与自编温度等值线绘制程序处理后图像。
具体实施方式
一种基于红外热成像分析的路基裂缝检测识别及修复方法，包括以下步骤：
1）导轨铺设：选择天气晴朗、光照良好的白天，划定待检测路段，保持待测区域清洁干燥。在待检测路段上铺设平行的导轨，在导轨上放置滑动架，滑动架上设有用于固定拍摄装置的安装座。
2）照片获取：将红外热成像设备固定于安装座上，保证镜面垂直于路面，使用红外热成像设备对待检测路面进行拍照，其中红外热成像设备选用FLIR T660红外热成像仪；
将红外热成像设备从安装座上取下，将可见光成像设备固定于安装座上，使用可见光成像设备对待检测路面进行拍照，其中将可见光成像设备选用佳能5D相机，红外热成像设备和可见光成像设备距离路面的高度为1～1.5m。
3）数据处理：将红外热成像设备拍摄图像传入PC端，使用FLIR Tools软件调取步骤2）拍摄的热红外图片，获取温度参数（640*480），导出为存有数据点的Excel数据文件，每个图片对应得到一个Excel数据文件，文件中不同行不同列的数据为特定像素点的温度数据，该温度数据即为数值信息；
使用Matlab打开自编温度等值线作图程序，调用温度数据，重新制作热红外温度等值线图，具体步骤如下：
将得到Excel数据文件保存至指定文件夹，并记录Excel数据文件的个数，将命令程序调运到Matlab计算软件，对数据参数进行修改完善；
a.根据Excel数据文件的个数，设定调用数目（for i=1:x ；x为文件个数）；
b.根据红外热成像设备提取像素信息矩阵大小，设置温度数据区域（以信息矩阵为640*480为例，温度数据区域即为：x=1:1:640;y=1:1:480;）；
c.根据Excel数据文件所在文件夹位置，使用srcname语句调用Excel数据文件，设置导入温度数据路径（srcname=strcat(文件路径);）；
d.根据数据文件路径与名称，命名输出图片名称（ dstname=strcat('E:\1\',f,'-1.tif');）；
e.根据打开数据文件，使用srcname语句，根据数据在Excel文件位置，设置调用温度参数（z=xlsread(srcname,'1','B11:XQ490');）；
f.使用meshgrid语句，创造网格空间，制作温度二维散点图([X,Y]=meshgrid(x,y);)；
g.使用griddata语句，进行温度参数插值（[X,Y,Z]=griddata(x,y,z,linspace(1,640,640)',linspace(1,480,480),'nearest');）；
h.使用contourf语句，绘制等值线图，根据所需等值线密度，合理设定温度等差值参数（contourf(X,Y,Z,n); %等值线图，其中n为温度等差值参数）；
i.绘制填充颜色的二维温度等值线图（colormap('jet');）；
j.设置colorbar显示的颜色（c=colorbar;）；
k.根据温度数据，选取温度最大值最小值，设定温度上下限（set(gca,'Clim',[TminTmax]);）；
l.设置图像的位置：起始坐标、图宽度、高度（set(gcf,'Position',[0,0,1200,900]);）；
m.创建显示图形输出的窗口（M=figure;）；
n.使用shading interp语句，对Matlab绘制图形对象的颜色着色进行色彩的插值处理,使色彩平滑过渡(shading interp;)；
o.使用saveas语句，保存图片（%saveas(M,dstname); saveas(c,dstname);%print(gcf,'-dtiff',dstname);%saveas(gcf,dstname); ）；
4）裂缝识别：根据步骤3）得到的热红外温度等值线图和可见光成像设备拍摄的照片，对比识别水稳层中的裂缝，发现隐伏裂缝。
5）裂缝修复：根据步骤4）的检测结果，使用土工布、玻璃纤维栅板或水玻璃对裂缝进行修补进行修补。
图1～3为以某高速公路为例进行的检测过程，Matlab与自编温度等值线绘制程序处理后图像，相比于红外热成像设备所出图像，颜色差异更为显著，边界更为清晰，可以更加清楚的看到路基该区域温度变化、裂缝所在位置。根据观测结果，图中暖色调连续带状“热斑”表示裂缝及其影响区域，红色或者黑红色表示裂缝发育区域，与本底交界处其颜色为黄色或者橙色，该范围是裂缝影响的损伤区域，虽未直接破裂，但是后期有潜在发育成裂缝的趋势。再往外，冷色调（蓝色、深蓝色）表示水稳层稳定、无裂缝区域，且该区域不受裂缝影响。
需要说明的是，以上仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (5)

1.一种基于红外热成像分析的路基裂缝检测识别及修复方法，其特征在于，包括以下步骤：
1）导轨铺设：选择天气晴朗、光照良好的白天，划定待检测路段，保持待测区域清洁干燥；在待检测路段上铺设平行的导轨，在导轨上放置滑动架，滑动架上设有用于固定拍摄装置的安装座；
2）照片获取：将红外热成像设备固定于安装座上，保证镜面垂直于路面，使用红外热成像设备对待检测路面进行拍照；
将红外热成像设备从安装座上取下，将可见光成像设备固定于安装座上，使用可见光成像设备对待检测路面进行拍照；
3）数据处理：将步骤2）中红外热成像设备拍摄的图像传入PC端，使用FLIR Tools软件调取步骤2）拍摄的热红外图片，获取温度参数（640*480），导出为存有数据点的Excel数据文件，每个图片对应得到一个Excel数据文件，文件中不同行不同列的数据为对应像素点的温度数据；
使用Matlab打开自编温度等值线作图程序，调用所述温度数据，重新制作检测区域温度等值线图，具体步骤如下：
将所述Excel数据文件保存至指定文件夹，并记录Excel数据文件的个数，将命令程序调运到Matlab计算软件，对数据参数进行修改完善；
a.根据Excel数据文件的个数，设定调用数目（for i=1:x ；x为文件个数）；
b.根据红外热成像设备提取像素信息矩阵大小，设置温度数据区域（以信息矩阵为640*480为例，温度数据区域即为：x=1:1:640;y=1:1:480;）；
c.根据Excel数据文件所在文件夹位置，使用srcname语句调用Excel数据文件，设置导入温度数据路径（srcname=strcat(文件路径);）；
d.根据数据文件路径与名称，命名输出图片名称（ dstname=strcat('E:\1\',f,'-1.tif');）；
e.根据打开数据文件，使用srcname语句，根据数据在Excel文件位置，设置调用温度参数（z=xlsread(srcname,'1','B11:XQ490');）；
f.使用meshgrid语句，创造网格空间，制作温度二维散点图([X,Y]=meshgrid(x,y);)；
g.使用griddata语句，进行温度参数插值（[X,Y,Z]=griddata(x,y,z,linspace(1,640,640)',linspace(1,480,480),'nearest');）；
h.使用contourf语句，绘制等值线图，根据所需等值线密度，合理设定温度等差值参数（contourf(X,Y,Z,n); %等值线图，其中n为温度等差值参数）；
i.绘制填充颜色的二维温度等值线图（colormap('jet');）；
j.设置colorbar显示的颜色（c=colorbar;）；
k.根据温度数据，选取温度最大值最小值，设定温度上下限（set(gca,'Clim',[TminTmax]);）；
l.设置图像的位置：起始坐标、图宽度、高度（set(gcf,'Position',[0,0,1200,900]);）；
m.创建显示图形输出的窗口（M=figure;）；
n.使用shading interp语句，对Matlab绘制图形对象的颜色着色进行色彩的插值处理,使色彩平滑过渡(shading interp;)；
o.使用saveas语句，保存图片（%saveas(M,dstname); saveas(c,dstname);%print(gcf,'-dtiff',dstname);%saveas(gcf,dstname); ）；
4）裂缝识别：根据步骤3）得到的热红外温度等值线图和可见光成像设备拍摄的照片，对比识别水稳层中的裂缝，发现隐伏裂缝，分析并预测裂缝发展趋势；
5）裂缝修复：根据步骤4）的检测结果，对裂缝进行修补。
2.根据权利要求1所述的基于红外热成像分析的路基裂缝检测识别及修复方法，其特征在于，所述红外热成像设备和可见光成像设备距离路面的高度为1～1.5m。
3.根据权利要求1所述的基于红外热成像分析的路基裂缝检测识别及修复方法，其特征在于，所述红外热成像设备为FLIR T660红外热成像仪。
4.根据权利要求1所述的基于红外热成像分析的路基裂缝检测识别及修复方法，其特征在于，所述可见光成像设备为照相机。
5.根据权利要求1所述的基于红外热成像分析的路基裂缝检测识别及修复方法，其特征在于，所述步骤5）中使用土工布、玻璃纤维栅板或水玻璃对裂缝进行修补。
CN202110551750.8A 2021-05-20 2021-05-20 一种基于红外热成像分析的路基裂缝检测识别及修复方法 Active CN113203743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110551750.8A CN113203743B (zh) 2021-05-20 2021-05-20 一种基于红外热成像分析的路基裂缝检测识别及修复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110551750.8A CN113203743B (zh) 2021-05-20 2021-05-20 一种基于红外热成像分析的路基裂缝检测识别及修复方法

Publications (2)

Publication Number Publication Date
CN113203743A true CN113203743A (zh) 2021-08-03
CN113203743B CN113203743B (zh) 2023-12-12

Family

ID=77032175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110551750.8A Active CN113203743B (zh) 2021-05-20 2021-05-20 一种基于红外热成像分析的路基裂缝检测识别及修复方法

Country Status (1)

Country Link
CN (1) CN113203743B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114109072A (zh) * 2022-01-27 2022-03-01 山东建筑大学 一种用于地下结构表面裂缝的综合定量检测及修复工艺
CN114119614A (zh) * 2022-01-27 2022-03-01 天津风霖物联网科技有限公司 一种远程检测建筑物的裂缝的方法
CN114487012A (zh) * 2021-12-29 2022-05-13 南京大学 一种土体表面裂隙发育预判方法
CN114964006A (zh) * 2022-06-27 2022-08-30 兰州大学 一种基于红外热成像与数字图像的石质文物裂隙监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205300520U (zh) * 2015-12-07 2016-06-08 中国石油天然气股份有限公司 隧道工程变形监测系统
CN109804232A (zh) * 2016-12-30 2019-05-24 同济大学 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN110174174A (zh) * 2019-05-28 2019-08-27 广东电网有限责任公司 基于红外热和可见光成像的检测终端及其使用方法
CN110246130A (zh) * 2019-06-21 2019-09-17 中国民航大学 基于红外和可见光图像数据融合的机场道面裂缝检测方法
CN111861283A (zh) * 2020-08-05 2020-10-30 深圳瑞莱保核能技术发展有限公司 一种基于物联网的构筑物安全评估方法及系统
CN212294276U (zh) * 2020-04-14 2021-01-05 浙江青睐交通工程有限公司 一种公路工程用道路裂隙修补装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205300520U (zh) * 2015-12-07 2016-06-08 中国石油天然气股份有限公司 隧道工程变形监测系统
CN109804232A (zh) * 2016-12-30 2019-05-24 同济大学 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN109804119A (zh) * 2016-12-30 2019-05-24 同济大学 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN110174174A (zh) * 2019-05-28 2019-08-27 广东电网有限责任公司 基于红外热和可见光成像的检测终端及其使用方法
CN110246130A (zh) * 2019-06-21 2019-09-17 中国民航大学 基于红外和可见光图像数据融合的机场道面裂缝检测方法
CN212294276U (zh) * 2020-04-14 2021-01-05 浙江青睐交通工程有限公司 一种公路工程用道路裂隙修补装置
CN111861283A (zh) * 2020-08-05 2020-10-30 深圳瑞莱保核能技术发展有限公司 一种基于物联网的构筑物安全评估方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114487012A (zh) * 2021-12-29 2022-05-13 南京大学 一种土体表面裂隙发育预判方法
CN114487012B (zh) * 2021-12-29 2023-11-03 南京大学 一种土体表面裂隙发育预判方法
CN114109072A (zh) * 2022-01-27 2022-03-01 山东建筑大学 一种用于地下结构表面裂缝的综合定量检测及修复工艺
CN114119614A (zh) * 2022-01-27 2022-03-01 天津风霖物联网科技有限公司 一种远程检测建筑物的裂缝的方法
CN114109072B (zh) * 2022-01-27 2022-05-24 山东建筑大学 一种用于地下结构表面裂缝的综合定量检测及修复工艺
CN114964006A (zh) * 2022-06-27 2022-08-30 兰州大学 一种基于红外热成像与数字图像的石质文物裂隙监测方法

Also Published As

Publication number Publication date
CN113203743B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
CN113203743B (zh) 一种基于红外热成像分析的路基裂缝检测识别及修复方法
Zhang et al. Accurate detection and evaluation method for aggregate distribution uniformity of asphalt pavement
US20200184630A1 (en) Method for detecting hollowing of exterior wall finish layer
Hiasa Investigation of infrared thermography for subsurface damage detection of concrete structures
CN114964006B (zh) 一种基于红外热成像与数字图像的石质文物裂隙监测方法
Cheng et al. Semi real-time detection of subsurface consolidation defects during concrete curing stage
Zou et al. Automatic segmentation, inpainting, and classification of defective patterns on ancient architecture using multiple deep learning algorithms
Ren et al. Characterization of internal pore size distribution and interconnectivity for asphalt concrete with various porosity using 3D CT scanning images
Huang et al. Infrared thermal image segmentations employing the multilayer level set method for non-destructive evaluation of layered structures
Peterson et al. Methods for threshold optimization for images collected from contrast enhanced concrete surfaces for air-void system characterization
López-Rebollo et al. Experimental study on the thermal properties of pigmented mortars for use in energy efficiency applications
Zheng et al. Monitoring and diagnostics of buildings' heat loss based on 3D IR model of multiple buildings
Xue et al. Evaluation of skid resistance of asphalt pavement covered with aeolian sand in desert areas
CN109082982B (zh) 一种半刚性基层沥青路面开裂的处理方法
CN113643316B (zh) 一种基于ct图像的冷再生混合料新旧集料识别方法
Tielmann et al. Air void analyses on asphalt specimens using plane section preparation and image analysis
CN109486221A (zh) 确定废旧sbs改性沥青再生剂用量的方法
CN114441530B (zh) 路面旧沥青混合料激活程度评价方法
CN106651845B (zh) 一种土石坝填筑施工过程中料界污染实时监控方法
CN108797255A (zh) 一种沥青路面裂缝同质修复方法
Costa et al. Study of desiccation crack evolution using image analysis
Zhu et al. Effect of Clogging and Cleaning on the Air Void Microstructure of Porous Asphalt Concrete
Obaidat et al. Evaluation of stripping in bituminous mixtures using conventional and image processing techniques
Sun et al. Analysis of alkali leaching mechanism on as-built cement concrete bridge deck pavement: View from the perspective of mesostructure characteristics
Feng et al. Mesoscale Damage Detection and Surface Deterioration of Freeze–Thawed Concrete Cores Using 3D CT Scanning and Roughness Quantification

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