CN113591981A - 基于人工智能的既有水磨石信息查勘方法及系统 - Google Patents

基于人工智能的既有水磨石信息查勘方法及系统 Download PDF

Info

Publication number
CN113591981A
CN113591981A CN202110870762.7A CN202110870762A CN113591981A CN 113591981 A CN113591981 A CN 113591981A CN 202110870762 A CN202110870762 A CN 202110870762A CN 113591981 A CN113591981 A CN 113591981A
Authority
CN
China
Prior art keywords
aggregate
aggregates
color mode
terrazzo
particle size
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
CN202110870762.7A
Other languages
English (en)
Other versions
CN113591981B (zh
Inventor
张英楠
谷志旺
张铭
黄轶
周晓莉
孙沈鹏
任瑛楠
王伟茂
汪小林
张波
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.)
Shanghai Construction No 4 Group Co Ltd
Original Assignee
Shanghai Construction No 4 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 Shanghai Construction No 4 Group Co Ltd filed Critical Shanghai Construction No 4 Group Co Ltd
Priority to CN202110870762.7A priority Critical patent/CN113591981B/zh
Publication of CN113591981A publication Critical patent/CN113591981A/zh
Application granted granted Critical
Publication of CN113591981B publication Critical patent/CN113591981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Processing Or Creating Images (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种基于人工智能的既有水磨石信息查勘方法及系统，该方法包括：根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图；提取骨料的外轮廓，计算并确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类；根据统计信息生成既有水磨石的信息报告。本发明查勘信息准确、查勘效率高、骨料粒径测量精确。

Description

基于人工智能的既有水磨石信息查勘方法及系统
技术领域
本发明涉及既有建筑查勘技术领域，特别涉及一种基于人工智能的既有水磨石信息查勘方法及系统。
背景技术
水磨石是将碎石、玻璃、石英石等骨料拌入水泥粘接料制成混凝制品后经表面研磨、抛光的制品。建筑结构的地面可以采用水磨石饰面。在对历史建筑等既有建筑的修缮工程中，需要按照既有水磨石饰面的配比进行复原修缮施工。既有水磨石饰面的配比信息通常通过人工查验，通过人工点数一定面积下的水磨石饰面的骨料数量，手动测量骨料粒径信息，手动记录骨料配比信息，并根据工人经验，通过数十次的试配校核与专家对比论证，才能达到接近既有水磨石饰面式样的效果。这种常规工序流程存在着水磨石骨料配比获取困难、骨料粒径测量不精准、试配过程繁琐、试配小样效果差、专家论证无统一标准等诸多问题，难以快速、准确地获取水磨石骨料配比等信息，无法直接形成用于指导工人加工水磨石复原小样的修缮工艺报告。
发明内容
本发明所要解决的技术问题是，提供了一种基于人工智能的既有水磨石信息查勘方法及系统，以解决查勘效率低、查勘不准确、骨料粒径测量不精准的问题。
为了解决上述技术问题，本发明提供的技术方案是：一种基于人工智能的既有水磨石信息查勘方法，包括：
根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图；
提取聚类图中的骨料的外轮廓，计算每个骨料的外轮廓中距离最长两点之间连线的长度乘以粒径放大系数确定每个骨料的粒径尺寸；
将全部骨料按照粒径范围细分类，找出骨料的粒径范围在全部骨料中占比数量最多的确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类；
根据统计信息生成既有水磨石的信息报告。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述色彩模式为RGB模式、CMYK模式或者Lab模式。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述生成带有色彩模式值的骨料及水泥基底的聚类图的方法包括：
对既有水磨石照片进行降噪处理，根据聚类算法，输入既有水磨石照片中骨料和水泥基底的颜色总数，输入最大迭代次数，将既有水磨石照片按照输入的颜色总数进行重构，生成带有色彩模式值的骨料及水泥基底的聚类图。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述粒径放大系数根据多次水磨石样板试验测试确定。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述粒径放大系数为1.2-1.8之间。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述骨料粒径测量单元提取聚类图中的骨料的外轮廓的方法包括：
采用图像边缘检测算法根据骨料所在区域的色彩模式值与水泥基底色彩模式值的边界确定骨料的外轮廓。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述图像边缘检测算法是以色彩模式值为基础的阈值分割方法。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，所述粒径范围在0mm至10mm之间以2mm为间隔设定为一档。
进一步地，本发明提供的基于人工智能的既有水磨石信息查勘方法，采用文本生成算法根据统计信息生成既有水磨石的信息报告。
为了解决上述技术问题，本发明提供的另一种技术方案是：一种基于人工智能的既有水磨石信息查勘系统，包括：
聚类图生成单元，根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图；
骨料粒径测量单元，提取聚类图生成单元的聚类图中的骨料的外轮廓，计算每个骨料的外轮廓中距离最长两点之间连线的长度乘以粒径放大系数确定每个骨料的粒径尺寸；
计算分析单元，将骨料粒径测量单元中的全部骨料按照粒径范围细分类，找出骨料的粒径范围在全部骨料中占比数量最多的确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类；
信息生成单元，根据计算分析单元生成既有水磨石的信息报告。
与现有技术相比，本发明的有益效果如下：
本发明提供的基于人工智能的既有水磨石信息查勘方法及系统，通过人工智能算法自动地将既有水磨石照片生成聚类图、识别骨料及水泥基底的色彩模式值，提取骨料外轮廓自动测量每个骨料的粒径尺寸，根据粒径范围判断既有水磨石照片中的骨料粒径尺寸，计算骨料与水泥基底的配合比以及在骨料为两种以上时计算骨料的配合比，然后生成含有骨料的色彩模式值及种类数量、水泥基底的色彩模式值及种类数量，骨料粒径尺寸、骨料与水泥基底的配合比、骨料配合比等信息的信息报告，从而按照既有水磨石饰面的信息进行复原修缮施工。相对于人工获取既有水磨石的信息来说，代替了人工，提高了获取既有水磨石信息的效率，具有识别快速性、查勘准确、测量精准、复原效果好、无需对比论证的优点。
本发明提供的基于人工智能的既有水磨石信息查勘方法及系统，在确定每个骨料的粒径尺寸时，将每个骨料测量的最长距离乘以粒径放大系数为考虑二维既有水磨石照片计算的骨料粒径大小与实际三维骨料粒径大小存在偏差而设置，从而提高了水磨石中的骨料粒径尺寸测量的准确性。
本发明提供的基于人工智能的既有水磨石信息查勘方法及系统，可实现水磨石骨料配比等信息的自动化查勘，同步分析既有水磨石照片的全部区域或者大面积区域，显著缩短水磨石骨料配比信息的查勘工作时间，提高了查勘效率。
本发明提供的基于人工智能的既有水磨石信息查勘方法及系统，数据可追溯，用户可随时查询既有水磨石的相关查勘信息，便于现场施工管理，有利于生产资料的转换与增值。
附图说明
图1是基于人工智能的既有水磨石信息查勘系统的原理图；
图2是基于人工智能的既有水磨石信息查勘系统的处理流程图；
图中所示：
100、既有水磨石照片；
200、基于人工智能的既有水磨石信息查勘系统，210、聚类图生成单元，220、骨料粒径测量单元，230、计算分析单元，240、信息生成单元；
300、既有水磨石信息报告。
具体实施方式
下面结合附图对本发明作详细描述：根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明实施例提供一种基于人工智能的既有水磨石信息查勘方法，可以包括以下步骤：
步骤410，根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图。
其中所述色彩模式可以为RGB模式、CMYK模式或者Lab模式。本发明实施例的色彩模式优选采用RGB模式。
其中所述生成带有色彩模式值的骨料及水泥基底的聚类图的方法可以包括：对既有水磨石照片进行降噪处理，根据聚类算法，输入既有水磨石照片中骨料和水泥基底的颜色总数，输入最大迭代次数，将既有水磨石照片按照输入的颜色总数进行重构，生成带有色彩模式值的骨料及水泥基底的聚类图。其中降噪处理的目的是为了去除干扰像素，改善生成聚类图的质量。其中迭代次数例如设定为10万次，其目的是为了提高准确性和快速性。
步骤420，提取聚类图中的骨料的外轮廓，计算每个骨料的外轮廓中距离最长两点之间连线的长度乘以粒径放大系数确定每个骨料的粒径尺寸。
其中所述骨料粒径测量单元提取聚类图中的骨料的外轮廓的方法包括：采用图像边缘检测算法根据骨料所在区域的色彩模式值与水泥基底色彩模式值的边界确定骨料的外轮廓。其中图像边缘检测算法是以色彩模式值为基础的阈值分割方法。
其中粒径放大系数可以在1.2-1.8之间，优选为1.5。其中所述粒径放大系数根据多次水磨石样板试验测试确定。
步骤430，将全部骨料按照粒径范围细分类，找出骨料的粒径范围在全部骨料中占比数量最多的确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类。在确定种类时，是将相同色彩模式值的骨料划分为一个种类，将相同色彩模式值的水泥基底划分为一个种类。
其中粒径范围在0mm至10mm之间以2mm为间隔设定为一档。例如粒径范围设定为0-2mm、2-4mm、4-6mm、6-8mm、8-10mm共5档，找出数量最多的档确定为骨料的粒径尺寸。
步骤440，根据统计信息生成既有水磨石的信息报告。
可以采用文本生成算法根据统计信息生成既有水磨石的信息报告。信息报告的格式可以包括但不限于文本格式或者图片格式。文本格式可以为TXT格式、DOC格式或者PDF格式。图片格式可以为JPG格式、PNG格式或者TIF格式。
请参考图1至图2，本发明实施例还提供一种基于人工智能的既有水磨石信息查勘系统200，其基于上述方法，可以包括：
聚类图生成单元210，根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图。
骨料粒径测量单元220，提取聚类图生成单元210的聚类图中的骨料的外轮廓，计算每个骨料的外轮廓中距离最长两点之间连线的长度乘以粒径放大系数确定每个骨料的粒径尺寸。
计算分析单元230，将骨料粒径测量单元220中的全部骨料按照粒径范围细分类，找出骨料的粒径范围在全部骨料中占比数量最多的确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类。
信息生成单元240，根据计算分析单元230生成既有水磨石的信息报告。
本发明实施例提供的基于人工智能的既有水磨石信息查勘方法及系统，通过人工智能算法自动地将既有水磨石照片生成聚类图、识别骨料及水泥基底的色彩模式值，提取骨料外轮廓自动测量每个骨料的粒径尺寸，根据粒径范围判断既有水磨石照片中的骨料粒径尺寸，计算骨料与水泥基底的配合比以及在骨料为两种以上时计算骨料的配合比，然后生成含有骨料的色彩模式值及种类数量、水泥基底的色彩模式值及种类数量、骨料粒径尺寸、骨料与水泥基底的配合比、骨料配合比等查勘信息的信息报告，从而按照既有水磨石饰面的信息进行复原修缮施工。相对于人工获取既有水磨石的信息来说，代替了人工，提高了获取既有水磨石信息的效率，具有识别快速性、查勘准确、测量精准、复原效果好、无需对比论证的优点。
本发明实施例提供的基于人工智能的既有水磨石信息查勘方法及系统，在确定每个骨料的粒径尺寸时，将每个骨料测量的最长距离乘以粒径放大系数为考虑二维既有水磨石照片计算的骨料粒径大小与实际三维骨料粒径大小存在偏差而设置，从而提高了水磨石中的骨料粒径尺寸测量的准确性。
本发明实施例提供的基于人工智能的既有水磨石信息查勘方法及系统，可实现水磨石骨料配比等信息的自动化查勘，同步分析既有水磨石照片的全部区域或者大面积区域，显著缩短水磨石骨料配比信息的查勘工作时间，提高查勘效率。
本发明实施例提供的基于人工智能的既有水磨石信息查勘方法及系统，数据可追溯，用户可随时查询既有水磨石的相关查勘信息，便于现场施工管理，有利于生产资料的转换与增值。
本发明不限于上述具体实施方式，显然，上述所描述的实施例是本发明实施例的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。本领域的技术人员可以对本发明进行其他层次的修改和变动。如此，若本发明的这些修改和变动属于本发明权利要求书的范围之内，则本发明也意图包括这些改动和变动在内。

Claims (10)

1.一种基于人工智能的既有水磨石信息查勘方法，其特征在于，包括：
根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图；
提取聚类图中的骨料的外轮廓，计算每个骨料的外轮廓中距离最长两点之间连线的长度乘以粒径放大系数确定每个骨料的粒径尺寸；
将全部骨料按照粒径范围细分类，找出骨料的粒径范围在全部骨料中占比数量最多的确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类；
根据统计信息生成既有水磨石的信息报告。
2.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述色彩模式为RGB模式、CMYK模式或者Lab模式。
3.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述生成带有色彩模式值的骨料及水泥基底的聚类图的方法包括：
对既有水磨石照片进行降噪处理，根据聚类算法，输入既有水磨石照片中骨料和水泥基底的颜色总数，输入最大迭代次数，将既有水磨石照片按照输入的颜色总数进行重构，生成带有色彩模式值的骨料及水泥基底的聚类图。
4.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述粒径放大系数根据多次水磨石样板试验测试确定。
5.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述粒径放大系数为1.2-1.8之间。
6.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述骨料粒径测量单元提取聚类图中的骨料的外轮廓的方法包括：
采用图像边缘检测算法根据骨料所在区域的色彩模式值与水泥基底色彩模式值的边界确定骨料的外轮廓。
7.根据权利要求6所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述图像边缘检测算法是以色彩模式值为基础的阈值分割方法。
8.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，所述粒径范围在0mm至10mm之间以2mm为间隔设定为一档。
9.根据权利要求1所述的基于人工智能的既有水磨石信息查勘方法，其特征在于，采用文本生成算法根据统计信息生成既有水磨石的信息报告。
10.一种基于人工智能的既有水磨石信息查勘系统，其特征在于，包括：
聚类图生成单元，根据既有水磨石照片生成带有色彩模式值的骨料及水泥基底的聚类图；
骨料粒径测量单元，提取聚类图生成单元的聚类图中的骨料的外轮廓，计算每个骨料的外轮廓中距离最长两点之间连线的长度乘以粒径放大系数确定每个骨料的粒径尺寸；
计算分析单元，将骨料粒径测量单元中的全部骨料按照粒径范围细分类，找出骨料的粒径范围在全部骨料中占比数量最多的确定为既有水磨石照片中的骨料粒径尺寸；将全部骨料面积除以水泥基底面积确定骨料与水泥基底的配合比；统计骨料的色彩模式值并按照其色彩模式值的数量确定骨料的种类，在骨料为两种以上时，计算不同色彩模式值对应的骨料数量之间的比值确定骨料配合比；统计水泥基底的色彩模式值并按照其色彩模式值确定水泥基底的种类；
信息生成单元，根据计算分析单元生成既有水磨石的信息报告。
CN202110870762.7A 2021-07-30 2021-07-30 基于人工智能的既有水磨石信息查勘方法及系统 Active CN113591981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110870762.7A CN113591981B (zh) 2021-07-30 2021-07-30 基于人工智能的既有水磨石信息查勘方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110870762.7A CN113591981B (zh) 2021-07-30 2021-07-30 基于人工智能的既有水磨石信息查勘方法及系统

Publications (2)

Publication Number Publication Date
CN113591981A true CN113591981A (zh) 2021-11-02
CN113591981B CN113591981B (zh) 2024-02-09

Family

ID=78252536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110870762.7A Active CN113591981B (zh) 2021-07-30 2021-07-30 基于人工智能的既有水磨石信息查勘方法及系统

Country Status (1)

Country Link
CN (1) CN113591981B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012053811A2 (ko) * 2010-10-18 2012-04-26 전남대학교산학협력단 텐서 보팅에 기반을 둔 컬러 클러스터링 시스템 및 그 방법
WO2013054502A1 (en) * 2011-10-14 2013-04-18 Sony Corporation Apparatus, method and program for 3d data analysis and fine particle analysis system
CN106044663A (zh) * 2016-06-23 2016-10-26 福建工程学院 一种基于视觉技术的可测重石材矿山叉装车及其测重方法
CN106446421A (zh) * 2016-09-28 2017-02-22 桂林电子科技大学 一种基于图像识别的快速有限元建模和求解分析方法
CN107942041A (zh) * 2017-11-21 2018-04-20 黑龙江牡丹江抽水蓄能有限公司 一种抗分解性侵蚀水工混凝土配合比设计方法
CN108062750A (zh) * 2017-12-14 2018-05-22 安徽天俣科技有限公司 一种智能机器视觉矿石颗粒检测系统
CN109030488A (zh) * 2018-06-25 2018-12-18 中国海洋大学 藻类生物量检测方法及装置
CN110118775A (zh) * 2019-05-10 2019-08-13 重庆交通大学 厂拌水泥稳定碎石骨料组成快速检测方法
CN111681249A (zh) * 2020-05-14 2020-09-18 中山艾尚智同信息科技有限公司 基于Grabcut的砂石颗粒的改进分割算法研究
CN112017164A (zh) * 2020-08-18 2020-12-01 中国水利水电科学研究院 基于深度阈值卷积模型的土石料级配检测方法
CN112213247A (zh) * 2020-09-09 2021-01-12 同济大学 一种基于随机截面的无规则骨料比表面积测试方法
CN112884739A (zh) * 2021-02-19 2021-06-01 武汉大学 一种基于深度学习网络的堆石体填筑密实度快速检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012053811A2 (ko) * 2010-10-18 2012-04-26 전남대학교산학협력단 텐서 보팅에 기반을 둔 컬러 클러스터링 시스템 및 그 방법
WO2013054502A1 (en) * 2011-10-14 2013-04-18 Sony Corporation Apparatus, method and program for 3d data analysis and fine particle analysis system
CN106044663A (zh) * 2016-06-23 2016-10-26 福建工程学院 一种基于视觉技术的可测重石材矿山叉装车及其测重方法
CN106446421A (zh) * 2016-09-28 2017-02-22 桂林电子科技大学 一种基于图像识别的快速有限元建模和求解分析方法
CN107942041A (zh) * 2017-11-21 2018-04-20 黑龙江牡丹江抽水蓄能有限公司 一种抗分解性侵蚀水工混凝土配合比设计方法
CN108062750A (zh) * 2017-12-14 2018-05-22 安徽天俣科技有限公司 一种智能机器视觉矿石颗粒检测系统
CN109030488A (zh) * 2018-06-25 2018-12-18 中国海洋大学 藻类生物量检测方法及装置
CN110118775A (zh) * 2019-05-10 2019-08-13 重庆交通大学 厂拌水泥稳定碎石骨料组成快速检测方法
CN111681249A (zh) * 2020-05-14 2020-09-18 中山艾尚智同信息科技有限公司 基于Grabcut的砂石颗粒的改进分割算法研究
CN112017164A (zh) * 2020-08-18 2020-12-01 中国水利水电科学研究院 基于深度阈值卷积模型的土石料级配检测方法
CN112213247A (zh) * 2020-09-09 2021-01-12 同济大学 一种基于随机截面的无规则骨料比表面积测试方法
CN112884739A (zh) * 2021-02-19 2021-06-01 武汉大学 一种基于深度学习网络的堆石体填筑密实度快速检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李明超;刘承照;张野;朱月琴;: "耦合颜色和纹理特征的矿物图像数据深度学习模型与智能识别方法", 大地构造与成矿学, no. 02 *

Also Published As

Publication number Publication date
CN113591981B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
Galantucci et al. Advanced damage detection techniques in historical buildings using digital photogrammetry and 3D surface anlysis
CN106524920A (zh) 基于三维激光扫描实测实量在建筑工程中的应用
CN104834806B (zh) 结构面粗糙度系数尺寸效应取样代表性评价方法
CN103988069A (zh) 图像检查装置的检查区域设定方法
CN111145157B (zh) 基于高分辨率遥感影像的路网数据自动化质量检查方法
CN103759676A (zh) 一种工件表面粗糙度非接触式的检测方法
CN104778684B (zh) 钢材表面异质型缺陷的自动测量、表征分类方法及其系统
CN103292701A (zh) 基于机器视觉的精密器件在线尺寸测量方法
CN104089580A (zh) 基于智能手机实现的混凝土表面裂缝宽度测量仪及方法
CN112525879B (zh) 一种煤岩显微组分原位识别与快速定量的方法
CN110827311A (zh) 一种基于成像法的电缆导体截面积测量方法及系统
CN103954557A (zh) 综合评定混凝土碳化速率系数的图像分析方法
CN109543236B (zh) 岩体结构面粗糙度统计样本数确定方法
Lang et al. Pavement cracking detection and classification based on 3d image using multiscale clustering model
CN107991307B (zh) 一种软质材料表面裂纹自动检测装置及方法
CN113591981B (zh) 基于人工智能的既有水磨石信息查勘方法及系统
CN109596639A (zh) 缺陷检测系统及缺陷检测方法
CN111896505A (zh) 一种原位、非破坏、便携式的古代青砖主要元素检测方法
CN111337452A (zh) 一种验证光谱数据模型转移算法可行性的方法
CN108419247B (zh) 一种无线通信基站小区相关性计算方法及电子设备
CN107268400B (zh) 一种路面施工质量检测方法及系统
CN112859073B (zh) 一种基于PSInSAR技术的道路破损评估方法
CN113240637B (zh) 一种基于机器学习的墙面平整度信息化检测方法和系统
CN108955560B (zh) 一种槭属种子形态测定及分析方法
CN111077055B (zh) 一种氯离子渗透深度测量方法

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