CN116749343A - 一种智能水泥混凝土搅拌站品质实时监控系统 - Google Patents
一种智能水泥混凝土搅拌站品质实时监控系统 Download PDFInfo
- Publication number
- CN116749343A CN116749343A CN202310727513.1A CN202310727513A CN116749343A CN 116749343 A CN116749343 A CN 116749343A CN 202310727513 A CN202310727513 A CN 202310727513A CN 116749343 A CN116749343 A CN 116749343A
- Authority
- CN
- China
- Prior art keywords
- module
- quality
- cement concrete
- bubbles
- bubble
- 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.)
- Pending
Links
- 239000004567 concrete Substances 0.000 title claims abstract description 137
- 239000004568 cement Substances 0.000 title claims abstract description 102
- 238000002156 mixing Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 239000002002 slurry Substances 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000003908 quality control method Methods 0.000 claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 239000000203 mixture Substances 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 13
- 230000009286 beneficial effect Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000000087 stabilizing effect Effects 0.000 claims description 6
- 238000003756 stirring Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000004566 building material Substances 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000013441 quality evaluation Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 4
- 241000607598 Vibrio Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28C—PREPARING CLAY; PRODUCING MIXTURES CONTAINING CLAY OR CEMENTITIOUS MATERIAL, e.g. PLASTER
- B28C9/00—General arrangement or layout of plant
- B28C9/002—Mixing systems, i.e. flow charts or diagrams; Making slurries; Involving methodical aspects; Involving pretreatment of ingredients; Involving packaging
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种智能水泥混凝土搅拌站品质实时监控系统,涉及混凝土管理技术领域,包括采集中心、分析中心、多源数据库和智控中心,所述采集中心包括样本影像采集中心和影像处理模块,所述分析中心包括颜色分析模块、气泡分析模块、均匀度分析模块和对比模块;本发明通过多源数据库储存优质、劣质水泥混凝土的各项参数数据,通过采集流下的水泥混凝土浆料平铺表面影像,来分析影像的颜色像素特征、筛选出影像中的气泡图像、获取气泡的直径数值、分析气泡大小是否均匀,与多源数据库中优质水泥混凝土的参数数据比对,确定品质,整个检测过程只需摄像头拍摄影像即可,方便快捷地进行质量评估,有利于实时进行质量把控,为生产提供便利。
Description
技术领域
本发明涉及混凝土管理技术领域,尤其涉及一种智能水泥混凝土搅拌站品质实时监控系统。
背景技术
混凝土,是指由胶凝材料将集料胶结成整体的工程复合材料的统称。通常讲的混凝土一词是指用水泥作胶凝材料,砂、石作集料;与水(可含外加剂和掺合料)按一定比例配合,经搅拌而得的水泥混凝土,也称普通混凝土,混凝土作为一种常用材料,被广泛的应用于建筑交通之中,混凝土的质量关系着建筑的好坏,因此必须确保混凝土质量合格,那么如何检测混凝土好坏呢,现有技术中,主要包括以下方式:用质量比较硬的小刀在混凝土的表面刮一刮,看混凝土的划痕的深度,如果它的深度很深的话,则表明混凝土的标号很低;仔细观察混凝土的表面,如果起壳现象很严重,那就说明混凝土的质量不达标,如果起壳不严重;
上述方式一般都是在混凝土浇筑完成凝固后进行检测,如果检测到质量不合格,会造成巨大的损失,所以需要在搅拌站的浆料出料时进行检测,现有技术中,主要采用以下方式:评定黏聚性,用捣棒轻轻敲击已坍落的混凝土拌合物锥体的侧面,如混凝土拌合物锥体保持整体缓慢、均匀下沉,则表明黏聚性良好;如混凝土拌合物锥体突然发生崩塌或出现石子离析,则表明黏聚性差;评定保水性,观测混凝土拌合物锥体的底部,如有较多的稀水泥浆或水析出,或因失浆而使集料外露,则说明保水性差:如混凝土拌合物锥体的底部没有或仅有少量少量的水泥浆析出,则说明保水性良好;坍落度法,用来测定混凝土拌合物在自重力作用下的流动性,适用于流动性较大的混凝土拌合物,测定时,将混凝土拌合物按规定的方法装入混凝土坍落度筒内,刮平后将坍落度筒垂直向上提起,混凝土拌合物因自重力作用而产生坍落,坍落的高度mm即位坍落度,坍落度越大,则流动性越大;维勃稠度法,用来测定混凝土拌合物在机械振动力作用下的流动性,使用于流动性较小的混凝土拌合物,测定时,将混凝土拌合物按规定方法装入坍落度筒内,并将坍落度筒垂直提起,之后将规定的透明有机玻璃圆盘放在混凝土拌合物锥体的顶面上,然后开启振动台,记录当透明圆盘的底面刚刚被水泥浆布满时所经历的时间,即位维勃稠度,维勃稠度越大,流动性越小;
上述方法都需要准备特定的工具,采集特定的样本,规划特定的检测工期,耗费大量的时间进行检测,无法对现场进行实时检测,由此,急需一种现场实时快速检测的系统,来进行现场质量快速评估,以便于质量的实时把控,因此,本发明提出一种智能水泥混凝土搅拌站品质实时监控系统以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明提出一种智能水泥混凝土搅拌站品质实时监控系统,该智能水泥混凝土搅拌站品质实时监控系统整个检测过程只需摄像头拍摄影像即可,方便快捷地进行质量评估,有利于实时进行质量把控,为生产提供便利。
为实现本发明的目的,本发明通过以下技术方案实现:一种智能水泥混凝土搅拌站品质实时监控系统,包括采集中心、分析中心、多源数据库和智控中心,所述采集中心包括样本影像采集中心和影像处理模块,所述分析中心包括颜色分析模块、气泡分析模块、均匀度分析模块和对比模块,所述多源数据库包括优质、劣质水泥混凝土的各项参数数据;
在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,所述样本影像采集中心采集流下的水泥混凝土浆料平铺表面影像,所述影像处理模块用于对影像进行清晰化处理,所述颜色分析模块用于分析影像的颜色像素特征,所述气泡分析模块基于多源数据库中的气泡形状框架特征,筛选出影像中的气泡图像,并等比例对气泡图像进行矢量化测量,获取气泡的直径数值,所述均匀度分析模块基于气泡分析模块分析的气泡图像,分析气泡大小是否均匀,所述对比模块用于将分析的颜色像素特征、气泡的形状框架特征、气泡的直径数值与多源数据库中优质水泥混凝土的参数数据比对,确定品质。
进一步改进在于:所述采集中心、分析中心、多源数据库和智控中心均基于Windows系统,以计算机作为主控终端。
进一步改进在于:所述样本影像采集中心包括摄像头、定时采集模块和通讯传输模块,所述摄像头位于搅拌站作业现场,所述定时采集模块在每批次搅拌完工出料时,驱动摄像头运行,在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,采集流下的水泥混凝土浆料平铺表面影像。
进一步改进在于:所述通讯传输模块为现场建立与主控终端网络连接的枢纽中心,且将摄像头上传的影像数据进行解析处理分类,并匹配主控终端的解析协议,将影像数据传输给主控终端。
进一步改进在于:所述影像处理模块包括降噪模块和清晰化模块,所述降噪模块采用空域像素特征去噪算法对器械三视角图进行降噪,所述清晰化模块通过框架DeblurGAN-v2增加浆料平铺表面影像的清晰度。
进一步改进在于:所述多源数据库包括优质、劣质水泥混凝土的各项参数数据,并具体包括优质、劣质水泥混凝土的颜色、大害泡、中害泡、低害泡、有益气泡的尺寸以及形状框架特征模型,所述多源数据库连接建筑材料网获取最新数据,并提供数据检索功能。
进一步改进在于:所述颜色分析模块利用HOG特征提取算法,提取浆料平铺表面影像的颜色特征,所述气泡分析模块包括参数转换模块、筛选模块和测量模块,所述参数转换模块用于将浆料平铺表面影像的纹理区域进行点、线、面拉伸以及矢量化,确定该处区域的形状框架,所述筛选模块用于将该处区域的形状框架与多源数据库中气泡的形状框架特征模型进行比对,筛选出影像中的气泡图像,所述测量模块用于将气泡图像基于现实进行等比例调节,接着进行矢量化测量,获取气泡的直径数值。
进一步改进在于:所述均匀度分析模块用于综合统计图像中所有气泡的直径数值,以此根据不同气泡的尺寸数据判断气泡的均匀性,来反应水泥混凝土的稳泡效果。
进一步改进在于:所述对比模块包括结论总结模块和报表输出模块,所述结论总结模块对比浆料平铺表面影像的颜色特征与多源数据库中优质、劣质水泥混凝土的颜色参数,判断浆料的品质;接着对比浆料平铺表面影像中气泡图像的形状框架与多源数据库中不同气泡的形状框架特征模型,判断浆料上的气泡是否属于形态圆润的气泡或者异形气泡;然后对比浆料平铺表面影像中气泡的直径数值与多源数据库中气泡的参数,确定该气泡属于大害泡、中害泡、低害泡、有益气泡中的一种,所述报表输出模块综合结论总结模块和均匀度分析模块分析的数据,生成实时监测报表,输出至主控终端。
进一步改进在于:所述智控中心包括结论接收模块和流程追查模块,所述结论接收模块接收确定的水泥混凝土品质的数据结果,当确定品质不合格的时候,所述流程追查模块连接水泥混凝土搅拌站的所有设备运行日志,获取该水泥混凝土生产批次下拌合物的质量控制项目与指标,输出至主控终端,筛查问题所在。
本发明的有益效果为:
1、本发明通过多源数据库储存优质、劣质水泥混凝土的各项参数数据,通过采集流下的水泥混凝土浆料平铺表面影像,来分析影像的颜色像素特征、筛选出影像中的气泡图像、获取气泡的直径数值、分析气泡大小是否均匀,与多源数据库中优质水泥混凝土的参数数据比对,确定品质,整个检测过程只需摄像头拍摄影像即可,方便快捷地进行质量评估,有利于实时进行质量把控,为生产提供便利。
2、本发明对比浆料平铺表面影像的颜色特征与多源数据库中优质、劣质水泥混凝土的颜色参数,判断浆料的颜色品质,对比影像中气泡图像的形状框架与多源数据库中不同气泡的形状框架,判断浆料上的气泡是否属于形态圆润的气泡或者异形气泡,对比影像中气泡的直径数值与多源数据库中气泡的参数,确定是否是大害泡、中害泡、低害泡、有益气泡,判断气泡的均匀性,来反应水泥混凝土的稳泡效果,从而综合判断水泥混凝土质量,使得检测评估更加准确。
3、本发明在确定品质不合格的时候,连接水泥混凝土搅拌站的所有设备运行日志,获取该水泥混凝土生产批次下拌合物的质量控制项目与指标,筛查问题所在,更加智能化。
附图说明
图1为本发明的组成图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例一
根据图1所示,本实施例提出了一种智能水泥混凝土搅拌站品质实时监控系统,包括采集中心、分析中心、多源数据库和智控中心,所述采集中心包括样本影像采集中心和影像处理模块,所述分析中心包括颜色分析模块、气泡分析模块、均匀度分析模块和对比模块,所述多源数据库包括优质、劣质水泥混凝土的各项参数数据;
在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,所述样本影像采集中心采集流下的水泥混凝土浆料平铺表面影像,所述影像处理模块用于对影像进行清晰化处理,所述颜色分析模块用于分析影像的颜色像素特征,所述气泡分析模块基于多源数据库中的气泡形状框架特征,筛选出影像中的气泡图像,并等比例对气泡图像进行矢量化测量,获取气泡的直径数值,所述均匀度分析模块基于气泡分析模块分析的气泡图像,分析气泡大小是否均匀,所述对比模块用于将分析的颜色像素特征、气泡的形状框架特征、气泡的直径数值与多源数据库中优质水泥混凝土的参数数据比对,确定品质。本发明通过多源数据库储存优质、劣质水泥混凝土的各项参数数据,通过采集流下的水泥混凝土浆料平铺表面影像,来分析影像的颜色像素特征、筛选出影像中的气泡图像、获取气泡的直径数值、分析气泡大小是否均匀,与多源数据库中优质水泥混凝土的参数数据比对,确定品质,整个检测过程只需摄像头拍摄影像即可,方便快捷地进行质量评估,有利于实时进行质量把控,为生产提供便利。
所述采集中心、分析中心、多源数据库和智控中心均基于Windows系统,以计算机作为主控终端。主控终端具备显示器,用于显示监控监测数据。
所述样本影像采集中心包括摄像头、定时采集模块和通讯传输模块,所述摄像头位于搅拌站作业现场,所述定时采集模块在每批次搅拌完工出料时,驱动摄像头运行,在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,采集流下的水泥混凝土浆料平铺表面影像。所述通讯传输模块为现场建立与主控终端网络连接的枢纽中心,且将摄像头上传的影像数据进行解析处理分类,并匹配主控终端的解析协议,将影像数据传输给主控终端。
所述影像处理模块包括降噪模块和清晰化模块,所述降噪模块采用空域像素特征去噪算法对器械三视角图进行降噪,所述清晰化模块通过框架DeblurGAN-v2增加浆料平铺表面影像的清晰度。框架DeblurGAN-v2具体为:将GAN用于图像去模糊,生成器用于生成清晰图像,鉴别器区分真实且清晰图像与造假或模糊图像,在生成器部分引入特征金字塔网络,这种特征重用的结构可大幅降低计算时间和模型size,且这种结构允许使用不同的CNN骨干网,为一种计算量可伸缩的结果,在鉴别器部分,保留DeblurGAN中PatchGAN鉴别器,对图像Patch进行鉴别,还引入全局鉴别器,称此为双尺度鉴别器,处理图像的模糊。
所述多源数据库包括优质、劣质水泥混凝土的各项参数数据,并具体包括优质、劣质水泥混凝土的颜色、大害泡、中害泡、低害泡、有益气泡的尺寸以及形状框架特征模型,所述多源数据库连接建筑材料网获取最新数据,并提供数据检索功能。混凝土中产生的气泡,100μm以上的称之为大害泡,100~50μm的叫中害泡,50~20μm的叫低害泡或无害泡,20μm以下的称有益气泡,混凝土中含气量适当,微小气泡在分布均匀且密闭独立条件下,在混凝土施工过程中具有一定的稳定性,从混凝土结构理论上来说,这种微小气泡形成的空隙属于毛细孔范围或称无害孔、少害孔,它不但不会降低强度,还会大大提高混凝土的耐久性。
所述颜色分析模块利用HOG特征提取算法,提取浆料平铺表面影像的颜色特征,所述气泡分析模块包括参数转换模块、筛选模块和测量模块,所述参数转换模块用于将浆料平铺表面影像的纹理区域进行点、线、面拉伸以及矢量化,确定该处区域的形状框架,所述筛选模块用于将该处区域的形状框架与多源数据库中气泡的形状框架特征模型进行比对,筛选出影像中的气泡图像,所述测量模块用于将气泡图像基于现实进行等比例调节,接着进行矢量化测量,获取气泡的直径数值。利用HOG特征提取算法,将一个image(要检测的目标或者图片):灰度化(将图像看做一个x,y,z(灰度)的三维图像);采用Gamma校正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的对比度,降低图像局部的阴影和光照变化所造成的影响,同时可以抑制噪音的干扰;计算图像每个像素的梯度(包括大小和方向);主要是为了捕获轮廓信息,同时进一步弱化光照的干扰;将图像划分成小cells(例如6*6像素/cell);统计每个cell的梯度直方图(不同梯度的个数),即可形成每个cell的descriptor;将每几个cell组成一个block(例如3*3个cell/block),一个block内所有cell的特征descriptor串联起来便得到该block的HOG特征descriptor;将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image(要检测的目标)的HOG特征descriptor,这个就是最终的可供分类使用的特征向量了,以此获得颜色特征。
所述均匀度分析模块用于综合统计图像中所有气泡的直径数值,以此根据不同气泡的尺寸数据判断气泡的均匀性,来反应水泥混凝土的稳泡效果。浆料从管子流出后气泡大小均匀,泡大小适合,形态圆润有光泽证明气泡质量很好、稳泡效果很好、气泡出来后各部位近乎相同,没有太大差异。
所述对比模块包括结论总结模块和报表输出模块,所述结论总结模块对比浆料平铺表面影像的颜色特征与多源数据库中优质、劣质水泥混凝土的颜色参数,判断浆料的品质;接着对比浆料平铺表面影像中气泡图像的形状框架与多源数据库中不同气泡的形状框架特征模型,判断浆料上的气泡是否属于形态圆润的气泡或者异形气泡;然后对比浆料平铺表面影像中气泡的直径数值与多源数据库中气泡的参数,确定该气泡属于大害泡、中害泡、低害泡、有益气泡中的一种,所述报表输出模块综合结论总结模块和均匀度分析模块分析的数据,生成实时监测报表,输出至主控终端。优秀的混凝土的颜色与原混凝土相似度极高。普通的与原混凝土基本相似。而劣质的则是发青发黑。优质的混凝土气泡大小均匀,泡大小适合,形态圆润有光泽。
实施例二
根据图1所示,本实施例提出了一种智能水泥混凝土搅拌站品质实时监控系统,包括采集中心、分析中心、多源数据库和智控中心,所述采集中心包括样本影像采集中心和影像处理模块,所述分析中心包括颜色分析模块、气泡分析模块、均匀度分析模块和对比模块,所述多源数据库包括优质、劣质水泥混凝土的各项参数数据;
在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,所述样本影像采集中心采集流下的水泥混凝土浆料平铺表面影像,所述影像处理模块用于对影像进行清晰化处理,所述颜色分析模块用于分析影像的颜色像素特征,所述气泡分析模块基于多源数据库中的气泡形状框架特征,筛选出影像中的气泡图像,并等比例对气泡图像进行矢量化测量,获取气泡的直径数值,所述均匀度分析模块基于气泡分析模块分析的气泡图像,分析气泡大小是否均匀,所述对比模块用于将分析的颜色像素特征、气泡的形状框架特征、气泡的直径数值与多源数据库中优质水泥混凝土的参数数据比对,确定品质。本发明通过多源数据库储存优质、劣质水泥混凝土的各项参数数据,通过采集流下的水泥混凝土浆料平铺表面影像,来分析影像的颜色像素特征、筛选出影像中的气泡图像、获取气泡的直径数值、分析气泡大小是否均匀,与多源数据库中优质水泥混凝土的参数数据比对,确定品质,整个检测过程只需摄像头拍摄影像即可,方便快捷地进行质量评估,有利于实时进行质量把控,为生产提供便利。
所述采集中心、分析中心、多源数据库和智控中心均基于Windows系统,以计算机作为主控终端。主控终端具备显示器,用于显示监控监测数据。
所述智控中心包括结论接收模块和流程追查模块,所述结论接收模块接收确定的水泥混凝土品质的数据结果,当确定品质不合格的时候,所述流程追查模块连接水泥混凝土搅拌站的所有设备运行日志,获取该水泥混凝土生产批次下拌合物的质量控制项目与指标,输出至主控终端,筛查问题所在。本发明在确定品质不合格的时候,连接水泥混凝土搅拌站的所有设备运行日志,获取该水泥混凝土生产批次下拌合物的质量控制项目与指标,筛查问题所在,更加智能化。
该智能水泥混凝土搅拌站品质实时监控系统通过多源数据库储存优质、劣质水泥混凝土的各项参数数据,通过采集流下的水泥混凝土浆料平铺表面影像,来分析影像的颜色像素特征、筛选出影像中的气泡图像、获取气泡的直径数值、分析气泡大小是否均匀,与多源数据库中优质水泥混凝土的参数数据比对,确定品质,整个检测过程只需摄像头拍摄影像即可,方便快捷地进行质量评估,有利于实时进行质量把控,为生产提供便利。且本发明对比浆料平铺表面影像的颜色特征与多源数据库中优质、劣质水泥混凝土的颜色参数,判断浆料的颜色品质,对比影像中气泡图像的形状框架与多源数据库中不同气泡的形状框架,判断浆料上的气泡是否属于形态圆润的气泡或者异形气泡,对比影像中气泡的直径数值与多源数据库中气泡的参数,确定是否是大害泡、中害泡、低害泡、有益气泡,判断气泡的均匀性,来反应水泥混凝土的稳泡效果,从而综合判断水泥混凝土质量,使得检测评估更加准确。同时,本发明在确定品质不合格的时候,连接水泥混凝土搅拌站的所有设备运行日志,获取该水泥混凝土生产批次下拌合物的质量控制项目与指标,筛查问题所在,更加智能化。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种智能水泥混凝土搅拌站品质实时监控系统,包括采集中心、分析中心、多源数据库和智控中心,其特征在于:所述采集中心包括样本影像采集中心和影像处理模块,所述分析中心包括颜色分析模块、气泡分析模块、均匀度分析模块和对比模块,所述多源数据库包括优质、劣质水泥混凝土的各项参数数据;
在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,所述样本影像采集中心采集流下的水泥混凝土浆料平铺表面影像,所述影像处理模块用于对影像进行清晰化处理,所述颜色分析模块用于分析影像的颜色像素特征,所述气泡分析模块基于多源数据库中的气泡形状框架特征,筛选出影像中的气泡图像,并等比例对气泡图像进行矢量化测量,获取气泡的直径数值,所述均匀度分析模块基于气泡分析模块分析的气泡图像,分析气泡大小是否均匀,所述对比模块用于将分析的颜色像素特征、气泡的形状框架特征、气泡的直径数值与多源数据库中优质水泥混凝土的参数数据比对,确定品质。
2.根据权利要求1所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述采集中心、分析中心、多源数据库和智控中心均基于Windows系统,以计算机作为主控终端。
3.根据权利要求2所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述样本影像采集中心包括摄像头、定时采集模块和通讯传输模块,所述摄像头位于搅拌站作业现场,所述定时采集模块在每批次搅拌完工出料时,驱动摄像头运行,在水泥混凝土搅拌站搅拌后的水泥混凝土浆料排出落入容器的过程中,采集流下的水泥混凝土浆料平铺表面影像。
4.根据权利要求3所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述通讯传输模块为现场建立与主控终端网络连接的枢纽中心,且将摄像头上传的影像数据进行解析处理分类,并匹配主控终端的解析协议,将影像数据传输给主控终端。
5.根据权利要求4所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述影像处理模块包括降噪模块和清晰化模块,所述降噪模块采用空域像素特征去噪算法对器械三视角图进行降噪,所述清晰化模块通过框架DeblurGAN-v2增加浆料平铺表面影像的清晰度。
6.根据权利要求5所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述多源数据库包括优质、劣质水泥混凝土的各项参数数据,并具体包括优质、劣质水泥混凝土的颜色、大害泡、中害泡、低害泡、有益气泡的尺寸以及形状框架特征模型,所述多源数据库连接建筑材料网获取最新数据,并提供数据检索功能。
7.根据权利要求6所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述颜色分析模块利用HOG特征提取算法,提取浆料平铺表面影像的颜色特征,所述气泡分析模块包括参数转换模块、筛选模块和测量模块,所述参数转换模块用于将浆料平铺表面影像的纹理区域进行点、线、面拉伸以及矢量化,确定该处区域的形状框架,所述筛选模块用于将该处区域的形状框架与多源数据库中气泡的形状框架特征模型进行比对,筛选出影像中的气泡图像,所述测量模块用于将气泡图像基于现实进行等比例调节,接着进行矢量化测量,获取气泡的直径数值。
8.根据权利要求7所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述均匀度分析模块用于综合统计图像中所有气泡的直径数值,以此根据不同气泡的尺寸数据判断气泡的均匀性,来反应水泥混凝土的稳泡效果。
9.根据权利要求8所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述对比模块包括结论总结模块和报表输出模块,所述结论总结模块对比浆料平铺表面影像的颜色特征与多源数据库中优质、劣质水泥混凝土的颜色参数,判断浆料的品质;接着对比浆料平铺表面影像中气泡图像的形状框架与多源数据库中不同气泡的形状框架特征模型,判断浆料上的气泡是否属于形态圆润的气泡或者异形气泡;然后对比浆料平铺表面影像中气泡的直径数值与多源数据库中气泡的参数,确定该气泡属于大害泡、中害泡、低害泡、有益气泡中的一种,所述报表输出模块综合结论总结模块和均匀度分析模块分析的数据,生成实时监测报表,输出至主控终端。
10.根据权利要求1-8中任意一项所述的一种智能水泥混凝土搅拌站品质实时监控系统,其特征在于:所述智控中心包括结论接收模块和流程追查模块,所述结论接收模块接收确定的水泥混凝土品质的数据结果,当确定品质不合格的时候,所述流程追查模块连接水泥混凝土搅拌站的所有设备运行日志,获取该水泥混凝土生产批次下拌合物的质量控制项目与指标,输出至主控终端,筛查问题所在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727513.1A CN116749343A (zh) | 2023-06-19 | 2023-06-19 | 一种智能水泥混凝土搅拌站品质实时监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727513.1A CN116749343A (zh) | 2023-06-19 | 2023-06-19 | 一种智能水泥混凝土搅拌站品质实时监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116749343A true CN116749343A (zh) | 2023-09-15 |
Family
ID=87960410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310727513.1A Pending CN116749343A (zh) | 2023-06-19 | 2023-06-19 | 一种智能水泥混凝土搅拌站品质实时监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116749343A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853483A (zh) * | 2024-03-05 | 2024-04-09 | 济宁市市政园林养护中心 | 一种混凝土搅拌质量智能分析方法 |
-
2023
- 2023-06-19 CN CN202310727513.1A patent/CN116749343A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853483A (zh) * | 2024-03-05 | 2024-04-09 | 济宁市市政园林养护中心 | 一种混凝土搅拌质量智能分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110118775B (zh) | 厂拌水泥稳定碎石骨料组成快速检测方法 | |
CN105699258B (zh) | 一种细骨料在线检测装置及方法 | |
CN101354241B (zh) | 集料数字图像评价方法 | |
CN105510195B (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
CN110458119A (zh) | 一种非接触式测量的混凝土骨料级配快速识别方法 | |
CN116749343A (zh) | 一种智能水泥混凝土搅拌站品质实时监控系统 | |
CN107621435A (zh) | 一种骨料在线监测装置 | |
CN102147402A (zh) | 机器视觉技术快速检测鸡蛋新鲜度的方法 | |
CN110021030A (zh) | 一种岩土体材料数字图像的分割阈值确定方法 | |
CN112634248B (zh) | 颗粒状原料粒度测量系统及方法、电子设备及存储介质 | |
CN107909584A (zh) | 一种通过冷料监控的沥青混合料级配预估方法 | |
CN112873533A (zh) | 混凝土自适应智能拌合方法及装置 | |
CN108153947B (zh) | 一种基于软岩现场状态的崩解特征的描述方法 | |
CN115456979A (zh) | 采用数字图像处理技术监控机制砂生产质量的方法 | |
CN113433306A (zh) | 一种松铺沥青路面施工评估分析方法 | |
CN111307070B (zh) | 基于数字图像处理对混凝土粗集料的棱角度测量方法 | |
CN112164029A (zh) | 一种用于加气混凝土孔结构的图像分析方法 | |
CN112906700A (zh) | 自密实混凝土图像语义分割方法、装置及数据集生成方法 | |
CN110517220A (zh) | 一种基于激光三维数据的集料表面数量检测方法 | |
CN101710989B (zh) | 一种对数字图像jpeg压缩的识别方法 | |
CN115880257A (zh) | 海洋多孔礁灰岩强度快速预测方法 | |
CN115876661A (zh) | 一种基于三维探地雷达图像的沥青路面空隙率评价方法 | |
CN115147392A (zh) | 一种基于改进YOLOv4的煤矸石检测方法和装置 | |
CN111797730B (zh) | 一种水泥熟料岩相自动分析方法 | |
CN114170427A (zh) | 基于雨胞的无线微波雨衰减模型ssim图像相似度评价方法 |
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 |