CN112611754A - 一种清水混凝土外观质量评价方法 - Google Patents
一种清水混凝土外观质量评价方法 Download PDFInfo
- Publication number
- CN112611754A CN112611754A CN202011154621.7A CN202011154621A CN112611754A CN 112611754 A CN112611754 A CN 112611754A CN 202011154621 A CN202011154621 A CN 202011154621A CN 112611754 A CN112611754 A CN 112611754A
- Authority
- CN
- China
- Prior art keywords
- concrete
- detected
- fair
- area
- appearance quality
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007547 defect Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000004075 alteration Effects 0.000 claims abstract description 21
- 238000013441 quality evaluation Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 14
- 241000931705 Cicada Species 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000003705 background correction Methods 0.000 claims description 5
- 239000002390 adhesive tape Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 2
- 238000009827 uniform distribution Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 20
- 238000006073 displacement reaction Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000011158 quantitative evaluation Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 241000264877 Hippospongia communis Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种清水混凝土外观质量评价方法，具体包括以下步骤：首先确定受检清水混凝土的图像采集面积，然后分别采集受检清水混凝土的色差、气泡和缺陷的图像；对采集到的色差、气泡和缺陷图像进行处理；现场测量清水混凝土的裂缝、明缝、禅缝和表面平整度；对色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度7个指标进行综合评分，根据综合评分对清灰混凝土的外观质量进行等级划分。本发明评价方法***的定量评价了清水混凝土的外观质量，避免了现有技术中对混凝土外观质量评价的片面性。
Description
技术领域
本发明涉及一种混凝土质量评价领域，具体地说，涉及一种清水混凝土外观质量评价方法。
背景技术
随着社会的发展，清水混凝土越来越受到关注，已成为房屋建设、市政工程、桥梁工程的新亮点。清水混凝土由于直接采用现浇混凝土的自然色作为饰面的混凝土工程，因此在满足混凝土力学性和耐久性的同时，也要保证外观效果。在现有规范中，《清水混凝土应用技术规程》(JGJ 169-2009)对清水混凝土的颜色、修补、气泡、裂缝、光洁度、对拉螺栓孔眼、明缝、蝉缝等因素进行了规定，其中色差、气泡、裂缝和缺陷作为外观质量的关键因素，其评价大多以人眼观察、定性评价的方式进行。由于清水混凝土外观质量的主要特性指标缺乏定量评价的统一标准，导致建设单位在其定义与质量标准的认知上差异较大，工程质量的参差不齐，限制了清水混凝土的推广和应用。因此，为了推动清水混凝土在工程中的广泛应用，进行清水混凝土外观质量的定量评价方法研究，具有很强的现实意义。
发明内容
本发明的目的是提供一种清水混凝土外观质量评价方法，***的定量评价了清水混凝土的外观质量，避免了现有技术中对混凝土外观质量评价的片面性和不准确性。
为了解决上述技术问题，本发明公开了一种清水混凝土外观质量评价方法，具体包括以下步骤：
步骤1，首先确定受检清水混凝土的图像采集面积，然后分别采集受检清水混凝土的色差、气泡和缺陷的图像；
步骤2，对步骤1采集到的色差、气泡和缺陷图像进行处理；
步骤3，现场测量清水混凝土的裂缝、明缝、禅缝和表面平整度；
步骤4，对色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度7个指标进行综合评分，根据综合评分对清灰混凝土的外观质量进行等级划分。
进一步地，步骤1中确定受检混凝土的图像采集面积，具体为：测定受检混凝土的总面积，按面积百分比例计算其图像采集面积，其中图像采集面积大于等于受检混凝土总面积的50％。
进一步地，步骤1中受检清水混凝土的色差和气泡图像的采集，采用均匀分布法，具体为：
1.1，用单一灰度值的背景板制作清水混凝土图像灰度校准板，在背景板上利用剪裁工具，将其分割成多个固定尺寸的图像采集区，保证图像采集区尺寸、形状的一致性以及分布的均匀性；
1.2，使用前，将清水混凝土图像灰度校准板利用纳米双面胶固定在受检的清水混凝土表面，保证清水混凝土图像灰度校准板与受检表面接触良好；
1.3，利用三脚架将照相机固定在距清水混凝土2米的位置，在自然光下，利用白平衡板进行白平衡校正；
1.4，保持相机与受检面角度为60°～90°，在自然光下，进行受检混凝土图像采集。
进一步地，步骤1中受检清水混凝土的缺陷采用针对性定点采集法进行图像采集，具体为：在受检清水混凝土表面粘贴标尺，用三脚架将照相机固定在距清水混凝土2米的位置，保持相机与受检面的角度为60°～90°，在自然光下，在受检清水混凝土所有范围内，对清水混凝土缺陷部位进行定点采样。
进一步地，步骤2中色差图像处理具体为：
(1)对色差图像进行二值化处理，分别获得不同图像采集区四周灰度校准板的平均灰度值；
(2)对色差图像进行消除背景处理，测校准板平均灰度，使其差值小于1；
(3)对每个图像采集区的平均灰度值及其标准差进行统计，分析其最大最小值及平均标准差。
进一步地，步骤2中气泡图像的处理具体为：
(1)对受检清水混凝土的气泡图像进行二值化、背景校正、尺寸校准；
(2)设定阈值，识别不同图像采集区的气泡个数、半径和面积；
(3)计算不同图像采集区的气泡总面积，获得采样范围内气泡面积比，气泡最大半径及单位面积上气泡数量，通过不同图像采集区气泡个数与平均气泡判断气泡分散性。
进一步地，步骤2中缺陷图像的处理具体为：
(1)对受检清水混凝土的缺陷图像进行尺寸校准、缺陷区域手动勾选；
(2)计算缺陷区域面积及缺陷区域面积占受检混凝土总面积的百分比。
进一步地，步骤3中清水混凝土裂缝的测量按定点采集法进行测量，检测受检区域清水混凝土全部裂缝，利用裂缝综合测试仪测量裂缝的宽度及深度；清水混凝土明缝、蝉缝、表面平整度采用均匀分布法，按不小于30％的比例进行测量，利用清水混凝土平整度测定仪测试受检混凝土表面的平整度以及禅缝的错台。
进一步地，步骤4具体为：
(1)将色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度规定为一级指标，一级指标所包含的不同影响因素为二级指标，得出清水混凝土外观质量目标评价的层次划分图；
(2)构造判断矩阵，进行层次分解
按二级指标、一级指标的顺序分别建立判断矩阵、利用最大特征值法计算各指标的权值，并检验判断矩阵的一致性；
(3)对具有二级指标的一级指标及综合指标进行分值计算
一级指标分值的计算公式：
式中：i为第i个一级指标；
j为第j个二级指标；
ωij为第i个一级指标的第j个二级指标的权值；
Bij为第i个一级指标的第j个二级指标的分值；
Bi为第i个一级指标的分值。
综合评分值得计算公式：
式中：ωi为第i个一级指标的权值；
C为目标总评分值。
最后根据计算综合评分确定清水混凝土外观质量等级。
与现有技术相比，本发明可以获得包括以下技术效果：
1.本发明在全面考虑了清水混凝土色差、气泡、裂缝和缺陷等外观质量的关键因素，通过现场测量、图像采集、图像处理及综合评价，建立了清水混凝土外观质量评价方法。
2.本发明实现了色差、气泡、缺陷的定量评价，消除了定性评价过程中人为影响因素对评价的主观性。
3.本发明中包含了清水混凝土图像灰度校准板，对受检混凝土图像的色差进行校正，避免了图像采集过程中因外界光照不均引入的误差，使用简便。
4.本发明中包含了清水混凝土平整度测定仪，代替现有检测方法中利用靠尺和塞尺的检测方法，可大幅增加取样点频次，减少操作过程的复杂性，检测过程快速、简便。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例1中清水混凝土图像灰度校准板的示意图；
图2是本发明实施例1中缺陷处针对性定点采样图；
图3是本发明实施例1中采集到的五张色差图像的色差分析图；
图4是本发明实施例1中气泡图像背景校正后的图像；
图5是本发明实施例1中二值化气泡识别图；
图6是本发明实施例1中受检区缺陷采集图像I；
图7是本发明实施例1中受检区缺陷采集图像II；
图8是本发明实施例1中受检区缺陷采集图像I的图像处理图；
图9是本发明实施例1中受检区缺陷采集图像II的图像处理图；
图10是本发明实施例1中平整度测试仪测禅缝错台高度差，其中A为禅缝前，B为禅缝后；
图11是本发明实施例1中不同测点距离波动图；
图12是本发明实施例1中清水混凝土外观质量目标评价的层次划分图。
具体实施方式
以下将配合实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本发明公开了一种清水混凝土外观质量评价方法，具体包括以下步骤：
步骤1，首先确定受检清水混凝土的图像采集面积，然后分别采集受检清水混凝土的色差、气泡和缺陷的图像；
确定受检混凝土的图像采集面积，具体为：测定受检混凝土的总面积，按面积百分比例计算其图像采集面积，其中图像采集面积大于等于受检混凝土总面积的50％；
受检清水混凝土的色差和气泡图像的采集，采用均匀分布法，具体为：
1.1，制作由单一灰度值的背景板制作清水混凝土图像灰度校准板，在背景板上利用剪裁工具，将其分割成多个固定尺寸的图像采集区，保证图像采集区尺寸、形状的一致性以及分布的均匀性；
1.2，使用前，将清水混凝土图像灰度校准板利用纳米双面胶固定在受检的清水混凝土表面，保证清水混凝土图像灰度校准板与受检表面接触良好；
1.3，利用三脚架将照相机固定在距清水混凝土2米的位置，在自然光下，利用白平衡板进行白平衡校正；
1.4，保持相机与受检面角度为60°～90°，在自然光下，进行受检混凝土图像采集。
受检清水混凝土的缺陷采用针对性定点采集法进行图像采集，具体为：在受检清水混凝土表面粘贴标尺，保持相机与受检面角度的60°～90°，在自然光下，在受检清水混凝土所有范围内，对清水混凝土缺陷部位进行定点采样。
步骤2，对步骤1采集到的色差、气泡和缺陷图像进行处理
色差图像处理具体为：
(1)对色差图像进行二值化处理，分别获得不同图像采集区四周灰度校准板的平均灰度值；
(2)对色差图像进行消除背景处理，测校准板平均灰度，使其差值小于1；
(3)对每个图像采集区的平均灰度值及其标准差进行统计，分析其最大最小值及平均标准差。
气泡图像的处理具体为：
(1)对受检清水混凝土的气泡图像进行二值化、背景校正、尺寸校准；
(2)设定阈值，识别不同图像采集区的气泡个数、半径和面积；
(3)计算不同图像采集区的气泡总面积，获得采样范围内气泡面积比，气泡最大半径及单位面积上气泡数量，通过不同图像采集区气泡个数与平均气泡判断的气泡分散性。
缺陷图像的处理具体为：(缺陷包含蜂窝、麻面、孔洞、砂带、冷接缝)
(1)对受检清水混凝土的缺陷图像进行尺寸校准、缺陷区域手动勾选；
(2)计算缺陷区域面积及缺陷区域面积占受检混凝土总面积的百分比。
步骤3，现场测量清水混凝土的裂缝、明缝、禅缝和表面平整度。
清水混凝土裂缝的测量按定点采集法进行测量，检测受检区域清水混凝土全部裂缝，利用裂缝综合测试仪测量裂缝的宽度及深度；清水混凝土明缝、蝉缝、表面平整度采用均匀分布法，按不小于30％的比例进行测量，利用清水混凝土平整度测定仪测试受检混凝土表面的平整度以及禅缝的错台。
清水混凝土平整度测定仪由激光位移传感器与精密轨道构成。通过移动固定在精密轨道上的激光位移传感器，测定传感器到混凝土表面的距离。
将轨道紧贴受检清水混凝土表面，将激光位移传感器从轨道的一端向另一端移动，记录不同位置激光位移传感器与清水混凝土表面的距离。以轨道两端与清水混凝土表面的距离平均值为零点，统计不同测点的距离，计算清水混凝土的平整度。
步骤4，对色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度7个指标进行综合评分，根据综合评分对清灰混凝土的外观质量进行等级划分。
具体为：
(1)将色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度规定为一级指标，一级指标所包含的不同影响因素为二级指标，得出清水混凝土外观质量目标评价的层次划分图；
(2)构造判断矩阵，进行层次分解
按二级指标、一级指标的顺序分别建立判断矩阵、利用最大特征值法计算各指标的权值，并检验判断矩阵的一致性；
(3)对具有二级指标的一级指标及综合指标进行分值计算；
一级指标分值的计算公式：
式中：i为第i个一级指标；
j为第j个二级指标；
ωij为第i个一级指标的第j个二级指标的权值；
Bij为第i个一级指标的第j个二级指标的分值；
Bi为第i个一级指标的分值。
综合评分值得计算公式：
式中：ωi为第i个一级指标的权值；
C为目标总评分值。
最后根据计算综合评分确定清水混凝土外观质量等级。
本发明清水混凝土外观质量评价方法具有以下优点：
1.本发明在全面考虑了清水混凝土色差、气泡、裂缝和缺陷等外观质量的关键因素，通过现场测量、图像采集、图像处理及综合评价，建立了清水混凝土外观质量评价方法。
2.本发明实现了色差、气泡、缺陷的定量评价，消除了定性评价过程中人为影响因素对评价的主观性。
3.本发明中包含了清水混凝土图像灰度校准板，对受检混凝土图像的色差进行校正，避免了图像采集过程中因外界光照不均引入的误差，使用简便。
4.本发明中包含了清水混凝土平整度测定仪，代替现有检测方法中利用靠尺和塞尺的检测方法，可大幅增加取样点频次，减少操作过程的复杂性，检测过程快速、简便。
实施例1
一种清水混凝土外观质量评价方法，其主要操作包括以下内容：
步骤1，首先确定受检清水混凝土的图像采集面积，然后分别采集受检清水混凝土的色差、气泡和缺陷的图像；
图像采集用到的工具包括：白平衡板、清水混凝土图像灰度校准板、标尺、照相机、三角架。
(1)测定受检混凝土的总面积8.10m2，其中受检清水混凝土的色差、气泡采用均匀分布法，不小于受检混凝土总面积的50％，取样面积为4.05m2；受检混凝土的缺陷采用针对性定点采集法，在受检混凝土全部范围内进行图像采集；
(2)清水混凝土图像灰度校准板由单一灰度值的背景板制作而成，背景板灰度值为255，大小为90cm×90cm，在背景板上利用剪裁工具，将其均匀分割成出9个大小为20cm×20cm的图像采集区，如图1所示；
(3)使用前，将清水混凝土图像灰度校准板利用纳米双面胶固定在受检的清水混凝土表面，保证清水混凝土图像灰度校准板与受检表面接触良好；
(4)利用三脚架将照相机固定在距清水混凝土2米的位置，在自然光下，利用白平衡板进行白平衡校正；
(5)保持相机与受检面角度为60°～90°，在自然光下，进行受检混凝土的色差和气泡的图像采集；
(6)在受检混凝土表面粘贴标尺，保持相机与受检面角度为60°～90°，在自然光下，在受检混凝土所有范围内，对混凝土缺陷部位进行定点采样，如图2所示。
步骤2，对步骤1采集到的色差、气泡和缺陷图像进行处理；
2.1色差处理
利对采集的五张图像进行灰度分析，分析步骤如下：
(1)对采集图像进行二值化处理，分别获得不同图像采集区四周灰度校准板的平均灰度值。
(2)对图像进行消除背景处理，测校准板平均灰度，使其差值小于1。
(3)对每个图像采集区的平均灰度值及其标准差进行统计，分析其最大最小及平均标准差。
对采集的五张图的处理结果见下图3，处理数据见表1。
表1图像色差分析数据汇总表
得到单个图像采集区内灰度值标准差最大值为6.38，采样面积内灰度值平均标准差为3.46。
2.2气泡处理
(1)对受检清水混凝土图像进行二值化、背景校正、尺寸校准，图像背景校正后如图4所示，二值化后气泡识别图如图5所示；
(2)设定阈值，识别不同图像采集区的气泡个数、半径和面积；
(3)计算不同图像采集区的气泡总面积，获得采样范围内气泡面积比，气泡最大半径与单位面积上气泡数量，通过不同图像采集区气泡个数与平均气泡差判断气泡的分散性。
采样区气泡总面积为397.28mm2，占采样区总面积的0.01％；气泡最大半径为3.46mm。
2.3缺陷处理(蜂窝、麻面、孔洞、砂带、冷接缝)
(1)采用针对性定点采集法进行图像采集，图像采集前，粘贴标尺，标识缺陷部位的尺寸；受检区缺陷采集图像如图6和图7所示；
(2)由于缺陷的灰度往往与其他部位灰度近似相同，故很难在软件中利用智能识别提取缺陷，需要在软件中进行手动框选，框选后进行面积测量；图6和图7的缺陷处理如图8和图9所示；
(3)利用图像上的标尺，计算缺陷区域面积为168.94m2，缺陷区域面积占受检混凝土总面积的百分比为0.42％。
步骤3，现场测量清水混凝土的裂缝、明缝、禅缝和表面平整度；
(1)现场测试项目包括清水混凝土裂缝、明缝、蝉缝、表面平整度四项内容。其中清水混凝土裂缝的测量按定点采集法进行测量，检测受检区域清水混凝土全部裂缝；清水混凝土明缝、蝉缝、采用均匀分布法，测量不小于其各自总长度的30％，表面平整度按30％随机抽查，采用平整度测试仪在现场进行表面平整度的检测，之后对其数据进行处理分析。
(2)在受检区域内未发现有裂缝。
(3)禅缝为模板之间拼接缝，蝉缝采用均匀分布法，测量不小于其各自总长度的30％的方法进行抽检，利用平整度测试仪测试蝉缝的错台高度差，以一组为例见图10，利用其经过禅缝前后的距离差即为禅缝错台高度差。
现场对受检区蝉缝的错台高度差，采用均匀分布法按总长度的30％的进行检测，经过检测结果的分析其错台高度差均小于2mm。
(4)利用清水混凝土平整度测定仪测试受检混凝土表面的平整度。
清水混凝土平整度测定仪由激光位移传感器与精密轨道构成，滑块轨道净行程1.5m，轨道平整度为±0.01mm；激光位移传感器为模拟量输出型，测量中心距离为60mm，测量范围为±35mm，测量精度为±0.01mm。激光位移传感器固定于精密轨道的滑块上方，可随滑块在轨道的长度方向来回滑动。
将轨道紧贴受检混凝土表面，从精密轨道的一端为起点，移动速度为50mm/s，同时记录激光位移传感器距清水混凝土表面的距离，统计不同测点到激光位移传感器所在理想平面的距离，计算混凝土的平整度。
表面平整度按30％随机抽查，采用1.5m的平整度测试仪在现场进行表面平整度的检测，之后对其数据进行处理分析。
统计不同测点的距离，计算清水混凝土表面平整度，以其中一组测量结果为例，见图11，1.5m内最大最小值得偏差为1.45mm，抽检的30％中，每组的最大最小值偏差均<2.25mm。
步骤4，对色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度7个指标进行综合评分，根据综合评分对清灰混凝土的外观质量进行等级划分。
4.1确定总目标，进行层次分解
本***总目标是清水混凝土外观质量，规范中提出的评价指标为直接影响因素，将其规定为一级指标，一级指标所包含的不同影响因素为二级指标，得出清水混凝土外观质量目标评价的层次划分图，如图12所示。
(1)色差，清水混凝土色差评价等级的划分如表2所示。
表2清水混凝土色差评价等级的划分
(2)气泡，清水混凝土气泡定量评价等级划分如表3所示。
表3清水混凝土气泡定量评价等级划分
(3)缺陷，缺陷等级划分如表4所示。
表4缺陷等级划分表
(4)裂缝，裂缝评价等级划分如表5所示。
表5裂缝评价等级的划分
(5)明缝，明缝评价等级划分如表6所示。
表6明缝评价等级划分
(6)禅缝，禅缝评价等级划分如表7所示。
表7禅缝评价等级划分
(7)表面平整度，表面平整度评价等级划分如表8所示。
表8表面平整度评价等级划分
4.2构造判断矩阵、计算指标权重值
按二级指标、一级指标的顺序分别建立判断矩阵、利用最大特征值法计算各指标的权值，并检验判断矩阵的一致性。表9为气泡二级指标判断矩阵，表10为裂缝二级指标判断矩阵，表11为一级指标判断矩阵。
表9气泡二级指标判断矩阵
表10裂缝二级指标判断矩阵
表11一级指标判断矩阵
4.3综合评价
(1)对工程受检区按7个指标选用采样或现场测试，进行图像分析和检测数据分析得到各因子层定量化测值，对7个指标各因子层按4.1中规定进行打分。
(2)按下式对一级指标气泡和裂缝分值进行计算：
一级指标气泡的评分值：
经过4.1节的分析，对受检区各指标进行分析和量化打分，结果见下表13。
表13受检区各指标量化分值
(3)按下式进行综合评分值的计算
按照综合评分对清水混凝土外观质量进行等级划分。
表14清水混凝土外观质量综合评价等级
根据计算综合评分在综合评价等级表14中确定清水混凝土外观质量为合格。
上述说明示出并描述了发明的若干优选实施例，但如前所述，应当理解发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离发明的精神和范围，则都应在发明所附权利要求的保护范围内。
Claims (9)
1.一种清水混凝土外观质量评价方法，其特征在于，具体包括以下步骤：
步骤1，首先确定受检清水混凝土的图像采集面积，然后分别采集受检清水混凝土的色差、气泡和缺陷的图像；
步骤2，对步骤1采集到的色差、气泡和缺陷图像进行处理；
步骤3，现场测量清水混凝土的裂缝、明缝、禅缝和表面平整度；
步骤4，对色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度7个指标进行综合评分，根据综合评分对清灰混凝土的外观质量进行等级划分。
2.根据权利要求1所述的清水混凝土外观质量评价方法，其特征在于，步骤1中确定受检混凝土的图像采集面积，具体为：测定受检混凝土的总面积，按面积百分比例计算其图像采集面积，其中图像采集面积大于等于受检混凝土总面积的50％。
3.根据权利要求2所述的清水混凝土外观质量评价方法，其特征在于，步骤1中受检清水混凝土的色差和气泡图像的采集，采用均匀分布法，具体为：
1.1，制作由单一灰度值的背景板制作清水混凝土图像灰度校准板，在背景板上利用剪裁工具，将其分割成多个固定尺寸的图像采集区，保证图像采集区尺寸、形状的一致性以及分布的均匀性；
1.2，使用前，将清水混凝土图像灰度校准板利用纳米双面胶固定在受检的清水混凝土表面，保证清水混凝土图像灰度校准板与受检表面接触良好；
1.3，利用三脚架将照相机固定在距清水混凝土2米的位置，在自然光下，利用白平衡板进行白平衡校正；
1.4，保持相机与受检面角度为60°～90°，在自然光下，进行受检混凝土图像采集。
4.根据权利要求2所述的清水混凝土外观质量评价方法，其特征在于，步骤1中受检清水混凝土的缺陷采用针对性定点采集法进行图像采集，具体为：在受检清水混凝土表面粘贴标尺，用三脚架将照相机固定在距清水混凝土2米的位置，保持相机与受检面角度为60°～90°，在自然光下，在受检清水混凝土所有范围内，对清水混凝土缺陷部位进行定点采样。
5.根据权利要求1所述的清水混凝土外观质量评价方法，其特征在于，步骤2中色差图像处理，具体为：
(1)对色差图像进行二值化处理，分别获得不同图像采集区四周灰度校准板的平均灰度值；
(2)对色差图像进行消除背景处理，测校准板平均灰度，使其差值小于1；
(3)对每个图像采集区的平均灰度值及其标准差进行统计，分析其最大最小值及平均标准差。
6.根据权利要求1所述的清水混凝土外观质量评价方法，其特征在于，步骤2中气泡图像的处理具体为：
(1)对受检清水混凝土的气泡图像进行二值化、背景校正、尺寸校准；
(2)设定阈值，识别不同图像采集区的气泡个数、半径和面积；
(3)计算不同图像采集区的气泡总面积，获得采样范围内气泡面积比，气泡最大半径及单位面积上气泡数量，通过不同图像采集区气泡个数与平均气泡判断气泡分散性。
7.根据权利要求1所述的清水混凝土外观质量评价方法，其特征在于，步骤2中缺陷图像的处理具体为：
(1)对受检清水混凝土的缺陷图像进行尺寸校准、缺陷区域手动勾选；
(2)计算缺陷区域面积及缺陷区域面积占受检混凝土总面积的百分比。
8.根据权利要求1所述的清水混凝土外观质量评价方法，其特征在于，步骤3中清水混凝土裂缝的测量按定点采集法进行测量，检测受检区域清水混凝土全部裂缝，利用裂缝综合测试仪测量裂缝的宽度及深度；清水混凝土明缝、蝉缝、表面平整度采用均匀分布法，按不小于30％的比例进行测量，利用清水混凝土平整度测定仪测试受检混凝土表面的平整度以及禅缝的错台。
9.根据权利要求1所述的清水混凝土外观质量评价方法，其特征在于，步骤4具体为：
(1)将色差、气泡、缺陷、裂缝、明缝、禅缝和表面平整度规定为一级指标，一级指标所包含的不同影响因素为二级指标，得出清水混凝土外观质量目标评价的层次划分图；
(2)构造判断矩阵，进行层次分解
按二级指标、一级指标的顺序分别建立判断矩阵、利用最大特征值法计算各指标的权值，并检验判断矩阵的一致性；
(3)对具有二级指标的一级指标及综合指标进行分值计算
一级指标分值的计算公式：
式中：i为第i个一级指标；
j为第j个二级指标；
ωij为第i个一级指标的第j个二级指标的权值；
Bij为第i个一级指标的第j个二级指标的分值；
Bi为第i个一级指标的分值；
综合评分值得计算公式：
式中：ωi为第i个一级指标的权值；
C为目标总评分值；
最后根据计算综合评分确定清水混凝土外观质量等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011154621.7A CN112611754B (zh) | 2020-10-26 | 2020-10-26 | 一种清水混凝土外观质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011154621.7A CN112611754B (zh) | 2020-10-26 | 2020-10-26 | 一种清水混凝土外观质量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112611754A true CN112611754A (zh) | 2021-04-06 |
| CN112611754B CN112611754B (zh) | 2023-12-29 |
Family
ID=75224450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011154621.7A Active CN112611754B (zh) | 2020-10-26 | 2020-10-26 | 一种清水混凝土外观质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112611754B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113340240A (zh) * | 2021-06-07 | 2021-09-03 | 高速铁路建造技术国家工程实验室 | 一种混凝土预制板平整度的检测***及其检测方法 |
| CN114842000A (zh) * | 2022-07-01 | 2022-08-02 | 杭州同花顺数据开发有限公司 | 一种内窥镜图像质量评估方法和*** |
| CN115097096A (zh) * | 2022-08-22 | 2022-09-23 | 天津美腾科技股份有限公司 | 避障检测***及方法 |
| CN117969535A (zh) * | 2024-04-01 | 2024-05-03 | 黑龙江省泰斯特森工程检测有限公司 | 一种路桥混凝土缺陷无损检测方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002257744A (ja) * | 2001-03-02 | 2002-09-11 | Takenaka Komuten Co Ltd | コンクリートの欠陥検査方法およびコンクリートの欠陥検査装置 |
| CN2935138Y (zh) * | 2006-05-25 | 2007-08-15 | 武汉理工大学 | 混凝土试件裂缝检测装置 |
| WO2016090883A1 (zh) * | 2014-12-12 | 2016-06-16 | 中国矿业大学 | 一种基于多源信息融合的采场顶板离层水害超前预报方法 |
| CN110349123A (zh) * | 2019-06-11 | 2019-10-18 | 东南大学 | 一种清水混凝土表观质量的定量评价方法 |
| CN111681289A (zh) * | 2020-06-10 | 2020-09-18 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及*** |
-
2020
- 2020-10-26 CN CN202011154621.7A patent/CN112611754B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002257744A (ja) * | 2001-03-02 | 2002-09-11 | Takenaka Komuten Co Ltd | コンクリートの欠陥検査方法およびコンクリートの欠陥検査装置 |
| CN2935138Y (zh) * | 2006-05-25 | 2007-08-15 | 武汉理工大学 | 混凝土试件裂缝检测装置 |
| WO2016090883A1 (zh) * | 2014-12-12 | 2016-06-16 | 中国矿业大学 | 一种基于多源信息融合的采场顶板离层水害超前预报方法 |
| CN110349123A (zh) * | 2019-06-11 | 2019-10-18 | 东南大学 | 一种清水混凝土表观质量的定量评价方法 |
| CN111681289A (zh) * | 2020-06-10 | 2020-09-18 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 冯树民: "《不快乐就去摄影 数码单反摄影快乐教程 全新版》", vol. 1, 中国地质大学出版社, pages: 232 - 247 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113340240A (zh) * | 2021-06-07 | 2021-09-03 | 高速铁路建造技术国家工程实验室 | 一种混凝土预制板平整度的检测***及其检测方法 |
| CN114842000A (zh) * | 2022-07-01 | 2022-08-02 | 杭州同花顺数据开发有限公司 | 一种内窥镜图像质量评估方法和*** |
| CN115097096A (zh) * | 2022-08-22 | 2022-09-23 | 天津美腾科技股份有限公司 | 避障检测***及方法 |
| CN115097096B (zh) * | 2022-08-22 | 2022-12-13 | 天津美腾科技股份有限公司 | 避障检测***及方法 |
| CN117969535A (zh) * | 2024-04-01 | 2024-05-03 | 黑龙江省泰斯特森工程检测有限公司 | 一种路桥混凝土缺陷无损检测方法及*** |
| CN117969535B (zh) * | 2024-04-01 | 2024-06-07 | 黑龙江省泰斯特森工程检测有限公司 | 一种路桥混凝土缺陷无损检测方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112611754B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112611754B (zh) | 一种清水混凝土外观质量评价方法 | |
| CN104697467B (zh) | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 | |
| CN109799195B (zh) | 一种激光诱导击穿光谱的高精度定量分析方法 | |
| CN107388962A (zh) | 一种木质板材翘曲的在线检测装置和检测方法 | |
| CN107561091A (zh) | 一种斜射式实木板材表面裂纹的检测***和检测方法 | |
| Vorburger et al. | Applications of cross-correlation functions | |
| CN102252971A (zh) | 一种芒果硬度快速检测方法 | |
| Sahay et al. | Understanding surface quality: beyond average roughness (Ra) | |
| KR20120088802A (ko) | 자동 부품 검증 시스템 | |
| CN113158558B (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
| CN102914479A (zh) | 布氏硬度自动测定方法 | |
| CN112101893A (zh) | 监理土建项目实验检测数字化流程和方法 | |
| CN111751383A (zh) | 融合散斑干涉和剪切散斑干涉的缺陷深度检测方法 | |
| Zhong et al. | Visual testing for fiber-reinforced composite materials | |
| CN115451800A (zh) | 一种水泥电杆便携现场测试成像仪测试方法 | |
| KR20030083359A (ko) | 영상처리장치를 이용한 구조물의 균열 자동 인식 방법 및그 분석장치 | |
| CN106706090A (zh) | 一种钢筋重量偏差检测仪器 | |
| Juno et al. | Investigating lighting and focus limitations of digital image correlation as a bridge inspection tool | |
| Singhatham et al. | Designing of welding defect samples for data mining in defect detection and classification using 3D geometric scanners | |
| RU2396177C1 (ru) | Способ обнаружения дефектов на поверхности катания колеса железнодорожного подвижного состава | |
| Bračun et al. | Surface defect detection on power transmission belts using laser profilometry | |
| CN112762856B (zh) | 一种用于扫描影响因素的评价方法 | |
| CN219495068U (zh) | 一种热轧带肋钢筋尺寸质量快速筛查卡具 | |
| CN116183576B (zh) | 一种基于内标法的煤尘中游离二氧化硅含量的测定方法 | |
| CN114998312B (zh) | 烟丝宽度检测方法、装置和存储介质 |
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 |