CN111754563A - 一种落锤撕裂试验断面剪切面积百分比自动测量的方法 - Google Patents
一种落锤撕裂试验断面剪切面积百分比自动测量的方法 Download PDFInfo
- Publication number
- CN111754563A CN111754563A CN202010451396.7A CN202010451396A CN111754563A CN 111754563 A CN111754563 A CN 111754563A CN 202010451396 A CN202010451396 A CN 202010451396A CN 111754563 A CN111754563 A CN 111754563A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- section
- gray
- gray level
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012360 testing method Methods 0.000 title claims abstract description 37
- 238000010008 shearing Methods 0.000 title claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 7
- 238000007657 chevron notch test Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 239000003208 petroleum Substances 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 3
- 229910000831 Steel Inorganic materials 0.000 description 9
- 239000010959 steel Substances 0.000 description 9
- 238000005422 blasting Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009863 impact test Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，首选采集断口图像，然后通过对标准量块进行测量，确保成像图片的像素与实际物理长度的计量溯源，再确定净截面选区，采用灰度直方图规定化进行图像增强；其次通过最大类间方差阈值分割对图像进行特征值识别和分割，区分出来韧性截面，并二值化图像，最后通过统计特征区域内的像素点，计算出韧性断面的面积，进而计算出试样的剪切面积。该方法利用数字图像处理方法测量落锤撕裂试验的剪切面积，降低试验人员的劳动强度，提高测量的准确性，强化试验结果的客观性及可溯性。实现产品化后，将广泛将用于石油管材的质量检验中，提升整个实验行业的质量技术水平，高效准确的得到剪切面积的百分比。
Description
技术领域
本发明涉及质量检验领域，具体为一种落锤撕裂试验断面剪切面积百分比自动测量的方法。
背景技术
石油与天然气是现代工业的“血液”，与能源输运有关的材料研发以及管网工程建设亦在国民经济发展中占据着不可或缺的重要地位。随着油气资源在已探明储量地区的日益枯竭，勘采向边远、极地及海洋等地质条件恶劣且未探明储量的地区延伸已成为当务之急。受低温、地质活动频繁等外部条件影响，以及内高压、厚壁与大口径管线的工艺条件所需，高强高韧管线钢产品如X70，X80等都需具有足够的韧断止裂能力，以防止管线在泄漏燃爆等事故中发生长距离断裂扩展的灾难性事故。
评估金属材料韧性优劣，通常采用的方法为：(1)小尺寸的采用夏比冲击试验。(2)中等尺寸的采用落锤撕裂试验(Drop Weight Tear Test，DWTT)。(3)全尺寸采用模拟实际管道的全尺寸所体***试验。其中落锤撕裂试验原理为采用一定能量的重锤，以一定的速度，在一定的温度下将带有缺口的试样一次冲断，从而评价试样断口的形貌。
落锤撕裂试验的结果主要是断口形貌与温度间的关系，从而确定管线钢的韧脆转变温度，也可以测试试样断裂过程中的冲击吸收能量。试验中采用全壁厚或接近全壁厚的试样测试管线钢管的韧性，因而更接近实际管道的应力、应变状态，而且试样尺寸较大，可以保证试时裂纹有完整的起裂和扩展过程，是评估材料起裂、裂纹扩展、动态断裂韧性等特征参量的较为经济可行的试验研究方法，是联系小尺寸夏比冲击试验和实物***试验之间必不可少的桥梁和纽带。
试验过程使用的方法主要有《铁素体钢落锤撕裂试验方法》(GB/T8363)、《管线钢管落锤撕裂试验方法》(SY/T 6476)及《管线钢落锤撕裂试验》(API RP 5L3)三个标准。实验人员主要通过对试样断口有效区域内韧性断面(即剪切断面)所占的面积百分比来判定钢材的韧性。若剪切面积百分比低于50％，，钢材为不安全脆断行为，高于85％则表明有一定的止裂能力的韧断行为，一直以来，实验人员主要通过手工测量与图谱对比方法进行剪切面积百分比的计算，测量结果受制于实验人员的经验及人为因素，不利于实验结果的重现及客观性评价。因此需要一种简便、客观的评价方法来提升现阶段的实验水平。
发明内容
针对现有技术中剪切面积百分比的计算存在误差的问题，本发明提供一种落锤撕裂试验断面剪切面积百分比自动测量的方法，采用数字图像处理技术、CCD图像传感器，对采集的试样断口进行智能识别与判断，进而定量计算出剪切面积的百分比。提高检测水平，保障实验数据的客观性及实验结果的溯源。
本发明是通过以下技术方案来实现：
一种落锤撕裂试验断面剪切面积百分比自动测量的方法，包括以下步骤：
步骤1、采集断口的图像；
步骤2、对标准量块进行测量，并根据图像分辨率，确定图像中每个像素的面积单元；
步骤3、根据像素的面积识别样品厚度，确定净截面选区；
步骤4、采用灰度直方图对采集图像中设定区域图像进行图像增强；
步骤5、对设定区域图像进行特征值识别和分割，区分出韧性区域的截面；
步骤6、统计特征区域内的像素点，计算出韧性断面的面积，进而计算出试样的剪切面积。
优选的，步骤1中采用CCD图像传感器采集图像。
优选的，步骤3中确定净截面选区的方法如下：
当样品厚度小于等于设定厚度，试样横截面上自压制缺口根部或人字型缺口的尖端起减去样品厚度，再从锤击侧减去试样厚度后的截面为净截面选区；
当样品厚度大于设定厚度，净截面为试样横截面自压制缺口或人字型缺口的尖端起和从锤击侧各减去设定厚度的截面。
优选的，步骤4中图像增强的方法如下：
步骤3.1、对原始图像进行直方图均衡化处理；
其中，N为图像中的总像素，L为灰度级总数，rk为第k个灰度级的值，rk的像素数目为nk,rk的像素出现的概率为pr(rk)，0≤rk≤1，k为0至L-1之间的整数，T(rk)表示变换函数，sk为原始图像变换后的灰度值；
步骤3.2、对设定区域图像进行直方图均衡化处理；
其中，pz(rz)表示在设定区域图像中灰度级rz的像素出现的概率，G(Zk)表示变换函数，vk为设定区域图像变换后的灰度值；
步骤3.3、采用与设定区域图像变换后的灰度值vk最接近的原始图像变换后的灰度值sk代替设定区域图像变换后的灰度值vk，并用G-1(s)求逆变换得到逆变函数z’k；
步骤3.4、根据逆变函数z’k得到相应的设定区域图像的灰度概率密度pz(zk)，完成图像强化。
优选的，步骤5中采用最大类间方差阈值分割方法对图像进行特征值识别和分割。
优选的，所述特征值识别和分割的方法具体如下：
设图像的灰度等级范围为[1,2,…,m]，对应灰级i的像素为ni，整幅图像总个数N＝n1+n2+…+nm，则对应灰级i的像素概率分布如下：
若整幅图像以灰度级t为阈值，且分为两类C0与C1，其中，C0类灰级范围[1,…,t],C1类为[t+1,…,m]，这两类概率为如下：
这C0与C1的均值分别为：
整体图像灰度平均值μ与阈值为t时的灰度平均值μ(t)如下：
全部采样的灰度平均值如下
μ＝woμ0+w1μ1
C0与C1两组间的方差为：
在1至m之间改变t，求解令maxδ2(t)时的t*，得到阈值，并通过阈值将图像进行二值化。
优选的，步骤6中剪切面积的计算方法如下：
设图像中像数为“1”像素点为脆性面，通过统计数值为“1”的像素点及步骤2得出的每个像素的面积单元，计算剪切面积的面分比。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提供的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，首选采集断口图像，然后通过对标准量块进行测量，确保成像图片的像素与实际物理长度的计量溯源，再确定净截面选区，采用灰度直方图规定化进行图像增强；其次通过最大类间方差阈值分割对图像进行特征值识别和分割，区分出来韧性截面，并二值化图像，最后通过统计特征区域内的像素点，计算出韧性断面的面积，进而计算出试样的剪切面积。该方法利用数字图像处理方法测量落锤撕裂试验的剪切面积，降低试验人员的劳动强度，提高测量的准确性，强化试验结果的客观性及可溯性。实现产品化后，将广泛将用于石油管材的质量检验中，提升整个实验行业的质量技术水平，高效准确的得到剪切面积的百分比。
附图说明
图1为本发明第一种典型断口形貌示意图；
图2为本发明第二种典型断口形貌示意图；
图3为本发明第三种典型断口形貌示意图；
图4为本发明落锤断裂实验断口截面实例图；
图5为本发明数字图像和二维数组转化图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
一种落锤撕裂试验断面剪切面积百分比自动测量的方法，包括以下步骤：
1)通过CCD图像传感器，采集断口图像；
通过CCD摄像机对焊缝截面试样进行数据采集，将光信息号转化为数字图像信号，并以灰度图的格式进行存储和显示。
参阅图5，数字图像由一个一个点组成的阵列。计算机在进行数字图像处理中，通过二维数组来存放和计算图像。
二维数组的行对应图像的高，二维数组的列对应图像的宽。二维数组的元素对应图像的像素，二维数组元素的值就是像素的灰度值。
2)确定基本计算单元，通过对标准量块进行测量，确保成像图片的像素与实际物理长度的计量溯源。
参阅图1-3，通过对已知大小的标准量块进行采集，以及图像分辨率的大小，进而计算出每个像素所占的面积单元。
3)识别样品厚度，确定净截面选区；
参阅图3，1)样品厚度小于等于19.0mm的试样，在试样横截面上从压制缺口根部或人字型缺口的尖端起扣除一个样品厚度并从锤击侧扣除一个样品厚度后截面。
2)厚度大于19.0mm的试样，净截面是在试样横截面上从压制缺口或人字型缺口的尖端起和从锤击侧各扣除19.0mm厚的截面。
4)采用灰度直方图对设定区域图像进行图像增强；
1)对原始图像进行直方图均衡化处理
其中N为数字图像中的总像素，灰度级总数为L个，第k个灰度级的值为rk，图像中具有灰度级rk的像素数目为nk,图像中灰度级rk的像素出现的概率为pr(rk)，rk大于等于0，小于等于1，k为0至L-1之间的整数。T(rk)表示变换函数，sk为原始图像变换后的灰度值。
2)对设定区域图像采用同样的方法进行直方图均衡化处理
设定区域图像为期望得到的图像，即突出有效区域的灰度范围，增强某个灰度值范围的对比度。pz(rz)表示在设定区域图像中灰度级rz的像素出现的概率。G(Zk)表示变换函数，vk为设定区域图像变换后的灰度值。
3)使用与vk接近的sk代替vk，并用G-1(s)求逆变换即可得到zk
4)根据一系列zk求出相应的pz(zk)
5)采用最大类间方差阈值分割对图像进行特征值识别、分割，区分出来韧性与脆性的截面，并二值化图像；
最大类间方差阈值分割是在判别与最小二乘法原理的基础上推导出来的，把图像中的灰度直方图在某一阈值处分割成两组，当被分成的两组间方差为最大时，决定为阈值。具体数学表示如下:
一幅图像的灰度等级范围为[1,2,…,m],对应灰级i的像素为ni,整幅图像总个数N＝n1+n2+…+nm,则对应灰级i的像素概率分布为
若整幅图像以灰度级t为阈值,且分为两类C0与C1。其中C0类灰级范围[1,…,t],C1类为[t+1,…,m]。这两类概率为
这两类的均值分别为：
全部采样的灰度平均值分别为：μ＝woμ0+w1μ1
两组间的方差为：
在1至m之间改变t,求解令上式最大值时的t,即maxδ2(t)时的t*,此值便为阈值。通过阈值将图像进行二值化。
6)通过统计特征区域内的像素点，计算出韧性断面的面积，进而计算出试样的剪切面积。
将图像中像数为“1”像素点识别为脆性面，通过统计数值为“1”的像素点及步骤2得出的基本数量单元，计算出剪切面积的面分比。
本发明提供的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，通过CCD图像传感器，采集断口图像，然后通过对标准量块进行测量，确保成像图片的像素与实际物理长度的计量溯源，再识别样品厚度，确定净截面选区，采用灰度直方图规定化进行图像增强；再通过最大类间方差阈值分割对图像进行特征值识别和分割，区分出来韧性与脆性的截面，并二值化图像，最后通过统计特征区域内的像素点，计算出韧性断面的面积，进而计算出试样的剪切面积。该方法利用数字图像处理方法测量落锤撕裂试验的剪切面积，降低试验人员的劳动强度，提高测量的准确性，强化试验结果的客观性及可溯性。实现产品化后，将广泛将用于石油管材的质量检验中，提升整个实验行业的质量技术水平，高效准确的得到剪切面积的百分比。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (7)
1.一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，包括以下步骤：
步骤1、采集断口的图像；
步骤2、对标准量块进行测量，并根据图像分辨率，确定图像中每个像素的面积单元；
步骤3、根据像素的面积识别样品厚度，确定净截面选区；
步骤4、采用灰度直方图对采集图像中设定区域图像进行图像增强；
步骤5、对设定区域图像进行特征值识别和分割，区分出韧性区域的截面；
步骤6、统计特征区域内的像素点，计算出韧性断面的面积，进而计算出试样的剪切面积。
2.根据权利要求1所述的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，步骤1中采用CCD图像传感器采集图像。
3.根据权利要求1所述的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，步骤3中确定净截面选区的方法如下：
当样品厚度小于等于设定厚度，试样横截面上自压制缺口根部或人字型缺口的尖端起减去样品厚度，再从锤击侧减去试样厚度后的截面为净截面选区；
当样品厚度大于设定厚度，净截面为试样横截面自压制缺口或人字型缺口的尖端起和从锤击侧各减去设定厚度的截面。
4.根据权利要求1所述的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，步骤4中图像增强的方法如下：
步骤3.1、对原始图像进行直方图均衡化处理；
其中，N为图像中的总像素，L为灰度级总数，rk为第k个灰度级的值，rk的像素数目为nk，rk的像素出现的概率为pr(rk)，0≤rk≤1，k为0至L-1之间的整数，T(rk)表示变换函数，sk为原始图像变换后的灰度值；
步骤3.2、对设定区域图像进行直方图均衡化处理；
其中，pz(rz)表示在设定区域图像中灰度级rz的像素出现的概率，G(Zk)表示变换函数，vk为设定区域图像变换后的灰度值；
步骤3.3、采用与设定区域图像变换后的灰度值vk最接近的原始图像变换后的灰度值sk代替设定区域图像变换后的灰度值vk，并用G-1(s)求逆变换得到逆变函数z’k；
步骤3.4、根据逆变函数z’k得到相应的设定区域图像的灰度概率密度pz(zk)，完成图像强化。
5.根据权利要求1所述的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，步骤5中采用最大类间方差阈值分割方法对图像进行特征值识别和分割。
6.根据权利要求1所述的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，所述特征值识别和分割的方法具体如下：
设图像的灰度等级范围为[1，2，...，m]，对应灰级i的像素为ni，整幅图像总个数N＝n1+n2+...+nm，则对应灰级i的像素概率分布如下：
若整幅图像以灰度级t为阈值，且分为两类C0与C1，其中，C0类灰级范围[1，...，t]，C1类为[t+1，...，m]，这两类概率为如下：
这C0与C1的均值分别为：
整体图像灰度平均值μ与阈值为t时的灰度平均值μ(t)如下：
全部采样的灰度平均值如下
μ＝woμ0+w1μ1
C0与C1两组间的方差为：
在1至m之间改变t，求解令maxδ2(t)时的t*，得到阈值，并通过阈值将图像进行二值化。
7.根据权利要求1所述的一种落锤撕裂试验断面剪切面积百分比自动测量的方法，其特征在于，步骤6中剪切面积的计算方法如下：
设图像中像数为“1”像素点为脆性面，通过统计数值为“1”的像素点及步骤2得出的每个像素的面积单元，计算剪切面积的面分比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010451396.7A CN111754563A (zh) | 2020-05-25 | 2020-05-25 | 一种落锤撕裂试验断面剪切面积百分比自动测量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010451396.7A CN111754563A (zh) | 2020-05-25 | 2020-05-25 | 一种落锤撕裂试验断面剪切面积百分比自动测量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111754563A true CN111754563A (zh) | 2020-10-09 |
Family
ID=72674430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010451396.7A Pending CN111754563A (zh) | 2020-05-25 | 2020-05-25 | 一种落锤撕裂试验断面剪切面积百分比自动测量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111754563A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112975282A (zh) * | 2021-02-09 | 2021-06-18 | 芜湖造船厂有限公司 | 用于确定夏比冲击试验试样缺口加工位置的方法 |
| CN114544632A (zh) * | 2022-02-28 | 2022-05-27 | 陕西正通煤业有限责任公司 | 一种基于块体图像识别的煤岩冲击能量计算方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103486985A (zh) * | 2013-09-07 | 2014-01-01 | 鞍钢股份有限公司 | 一种落锤撕裂试样断口剪切面积检测方法 |
| CN106097365A (zh) * | 2016-06-21 | 2016-11-09 | 齐齐哈尔华工机床股份有限公司 | 金属落锤撕裂dwtt断口图像自动评定方法 |
| KR101677370B1 (ko) * | 2015-06-05 | 2016-11-18 | 주식회사 포스코 | Ｄｗｔｔ 시험 파면율 자동평가장치 및 방법 |
| CN106442122A (zh) * | 2016-09-19 | 2017-02-22 | 哈尔滨工业大学 | 基于图像分割和辨识的钢材料落锤撕裂试验断口韧性断面百分比检测方法 |
| CN108133463A (zh) * | 2017-12-14 | 2018-06-08 | 中国北方车辆研究所 | 一种直方图均衡化图像的降噪方法及*** |
| CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
-
2020
- 2020-05-25 CN CN202010451396.7A patent/CN111754563A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103486985A (zh) * | 2013-09-07 | 2014-01-01 | 鞍钢股份有限公司 | 一种落锤撕裂试样断口剪切面积检测方法 |
| KR101677370B1 (ko) * | 2015-06-05 | 2016-11-18 | 주식회사 포스코 | Ｄｗｔｔ 시험 파면율 자동평가장치 및 방법 |
| CN106097365A (zh) * | 2016-06-21 | 2016-11-09 | 齐齐哈尔华工机床股份有限公司 | 金属落锤撕裂dwtt断口图像自动评定方法 |
| CN106442122A (zh) * | 2016-09-19 | 2017-02-22 | 哈尔滨工业大学 | 基于图像分割和辨识的钢材料落锤撕裂试验断口韧性断面百分比检测方法 |
| CN108133463A (zh) * | 2017-12-14 | 2018-06-08 | 中国北方车辆研究所 | 一种直方图均衡化图像的降噪方法及*** |
| CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
Non-Patent Citations (3)
| Title |
|---|
| 周飞达 等: ""基于语义分割的DWTT断口图像识别和评定方法研究"", 《石油管材与仪器》, pages 1 * |
| 国家机械工业委员会统编: "《金属机械性能》", vol. 1, 31 December 1988, 机械工业出版社, pages: 242 - 243 * |
| 李晓星 等: ""基于数字图像相关技术的裂纹扩展测量"", 《理化检验-物理分册》, vol. 54, pages 2 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112975282A (zh) * | 2021-02-09 | 2021-06-18 | 芜湖造船厂有限公司 | 用于确定夏比冲击试验试样缺口加工位置的方法 |
| CN114544632A (zh) * | 2022-02-28 | 2022-05-27 | 陕西正通煤业有限责任公司 | 一种基于块体图像识别的煤岩冲击能量计算方法 |
| CN114544632B (zh) * | 2022-02-28 | 2024-05-24 | 陕西正通煤业有限责任公司 | 一种基于块体图像识别的煤岩冲击能量计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shafeek et al. | Automatic inspection of gas pipeline welding defects using an expert vision system | |
| CN111754563A (zh) | 一种落锤撕裂试验断面剪切面积百分比自动测量的方法 | |
| Wang et al. | Quantitative evaluation of pit sizes for high strength steel: Electrochemical noise, 3-D measurement, and image-recognition-based statistical analysis | |
| Vivekananthan et al. | Concrete bridge crack detection by image processing technique by using the improved OTSU method | |
| Aydin et al. | Technical note the use of Brazilian test as a quantitative measure of rock weathering | |
| CN103593668B (zh) | 一种金属板材冲压接头力学性能试验裂纹自动识别方法 | |
| CN114492980B (zh) | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 | |
| Ge et al. | Determination of shear failure regions of rock joints based on point clouds and image segmentation | |
| CN111626358B (zh) | 一种基于bim图片识别的隧道围岩分级方法 | |
| CN111624146A (zh) | 一种定量表征致密储层全尺度孔径分布特征的方法 | |
| CN114998313A (zh) | 基于视觉定位的流体输送管管口毛刺识别定位方法 | |
| CN110991824B (zh) | 一种用于鉴定煤岩冲击倾向性的方法、装置及存储介质 | |
| Jeong et al. | Deep learning-based indentation plastometry in anisotropic materials | |
| CN106442122A (zh) | 基于图像分割和辨识的钢材料落锤撕裂试验断口韧性断面百分比检测方法 | |
| CN113884430A (zh) | 一种基于图像识别的金属腐蚀程度的综合评价方法及装置 | |
| Khoury et al. | Environmental influences on the engineering behavior of unsaturated undisturbed subgrade soils: Effect of soil suctions on resilient modulus | |
| CN115496706A (zh) | 一种基于数字图像处理的表面腐蚀比率测量方法 | |
| JP2000266613A (ja) | 材料破面解析装置および方法 | |
| Grønbech et al. | Preconsolidation of Søvind Marl—A Highly Fissured Eocene Clay | |
| Huang et al. | A Digital Evaluation Approach for Nodule Size Analysis of Pearlite Mixture Phase Structure in Steel | |
| Tong | AN ADAPTIVE BACKWARD IMAGE CORRELATION TECHNIQUE FOR DEFORMATION MAPPING OF A GROWING CRACK IN THIN SHEETS. | |
| Lemy et al. | A digital face mapping case study in an underground hard rock mine | |
| Mahmud et al. | Damaging fatigue cycles determination for random service loadings using mixed Weibull analysis | |
| Rios et al. | Correlations between Dynamic Penetrometer Light and Cone Penetration Tests in Intermediate Soils: a Statistical Comparison. | |
| Carson | An ultrasonic nondestructive test procedure for the early detection of fatigue damage and the prediction of remaining life. |
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 |