CN114688981A - 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质 - Google Patents
一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质 Download PDFInfo
- Publication number
- CN114688981A CN114688981A CN202210250841.2A CN202210250841A CN114688981A CN 114688981 A CN114688981 A CN 114688981A CN 202210250841 A CN202210250841 A CN 202210250841A CN 114688981 A CN114688981 A CN 114688981A
- Authority
- CN
- China
- Prior art keywords
- value
- thickness
- steel bar
- standard deviation
- composite steel
- 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
Images
Classifications
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质,方法包括:对复合钢筋的端面图像预处理,提取复合钢筋覆层内外侧轮廓;提取覆层外侧轮廓的外接矩形,并将外接矩形的中心点确定为复合钢筋的圆心;过圆心均匀地做N条直线,利用最小半径法得到覆层在与每条直线相交处的厚度,统计所有覆层厚度的最小值、极差值、平均值以及标准差;利用组合赋权得到最小值、极差值以及标准差这3个指标的组合权重;最后根据覆层厚度的最小值、极差值和标准差这3个指标以及对应的权重,累加求和确定复合钢筋覆层厚度均匀性的评估值。本发明能够有效识别复合钢筋的覆层厚度,并且能对覆层厚度均匀性进行有效评价。
Description
技术领域
本发明涉及覆层厚度检测领域,具体涉及一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质。
背景技术
世界最高的桥梁前100名中,我国占83%;世界最长的桥梁前100名中,我国占79%,其中前15名中占据10座,均在最近十年建成。我国沿海港口、码头已有万吨级泊位数量增加至2138个,填海造岛工程的总投资已超3000亿元。但由于海洋严酷的腐蚀环境,我国海工结构在使用15年后构件破坏率达45%,20年达后80%。我国每年因腐蚀造成的损失超过2亿元,其中海洋腐蚀所造成的损失占总腐蚀的约三分之一。国外以美国为例,截止2019年,共有42.3万座混凝土桥梁存在较大程度的腐蚀,每年有150~200座桥梁部分或完全倒塌,倒塌桥梁的平均年寿命不足20年。
针对日益严重的钢筋混凝土腐蚀问题,已有现有技术利用净界面组坯技术与形性协调制造技术成功轧制出一种复合钢筋,该复合钢筋外层为不锈钢,能够很好地防止腐蚀剂对钢筋自身的腐蚀,芯部金属为HRB400,能满足力学性能要求。国标GB/T36707-2018规定,为保证复合钢筋在严酷海洋环境下的长期有效防腐,钢筋覆层厚度需大于0.17mm。并且覆层厚度分布越均匀,可有效减少组坯时不锈钢管的厚度,进而降低成本。但是目前缺乏覆层厚度的精准检测装置及均匀性评价方法,专利号:CN202011495555.X公布了一种不锈钢复合钢筋厚度识别方法,装置及存储介质,该装置利用图像处理得到覆层厚度的轮廓,然后过圆心画直线,通过求解直线与内外层轮廓的交点,得到覆层厚度值,这个方法存在两个不足,一、覆层厚度轮廓并非一个规则的圆,因此通过求解直线与内外层轮廓的交点,得到的覆层厚度值通常大于覆层真实厚度;二、该专利缺少对覆层厚度的评价方法。专利号:CN201510058139.6设计了一种过渡层厚度检测方法,其工作原理为:应用扫描电镜和能谱仪在钛钢复合板中间进行成分分析,然后根据两个不同成分的材料上成分浓度梯度与距离的关系实现对过渡层定量测定,该方法的不足在于:其主要针对微观元素扩散距离的测量,并不能对宏观覆层厚度进行检测;专利号:CN201810275208.2设计了一种复合板整板面厚度比自动检测的装置,根据检测到反射波的时间和超声波在复层材料中的传播声速计算出复层及基层的厚度。该装置的不足之处在于:复合钢筋表面为圆弧形,并且有横肋、纵肋分布,超声探头无法有效覆盖表面,因此该装置无法对复合钢筋进行覆层厚度测量;
综上所述,上述检测方法均无法有效识别复合钢筋的覆层厚度,并且也无法对覆层厚度均匀性进行有效评价。因此,目前急需设计一种复合钢筋覆层厚度识别及厚度均匀性评价方法。
发明内容
本发明提供一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质,以解决现有技术中无法有效识别复合钢筋的覆层厚度且无法对覆层厚度均匀性进行有效评价的技术问题。
为实现上述技术目的,本发明采用如下技术方案:
一种复合钢筋覆层厚度识别及厚度均匀性评价方法,包括:
对复合钢筋的端面图像进行预处理,然后提取复合钢筋的覆层内外侧轮廓,并对像素进行标定;
提取覆层外侧轮廓的外接矩形,并将外接矩形的中心点确定为复合钢筋的圆心;
过圆心均匀地做N条直线,利用最小半径法得到覆层在与每条直线相交处的厚度,统计所有覆层厚度的最小值、极差值、平均值以及标准差;
利用组合赋权得到最小值、极差值以及标准差这3个指标的组合权重;最后根据覆层厚度的最小值、极差值和标准差这3个指标以及对应的权重,累加求和确定复合钢筋覆层厚度均匀性的评估值。
进一步的,复合钢筋的端面图像,是对复合钢筋端面进行腐蚀和打磨之后采集到的端面图像,打磨后的端面与钢筋的轴向垂直。
进一步的,所述利用最小半径法得到覆层在与每条直线相交处的厚度,包括:
S3.1,将当前计算的直线表示为ln,设直线ln与覆层内侧轮廓相交于Sn点,其坐标为Sn(xsn,ysn),n=1,2,…,N,n用于区分不同的直线;初始化圆半径rn;
S3.2,以Sn为圆心、rn为半径画圆Cn,求解圆Cn与覆层外侧轮廓的交点;若交点数量为0则执行步骤S3.3,若交点数量为1则执行步骤3.4,若交点数量为2则执行步骤3.5;
S3.3,将半径rn的数值以步长Δ1递增,然后返回步骤S3.2;
S3.4,将当前的半径值作为覆层在与直线ln相交处的厚度Tn;
S3.5,设两个交点坐标分别为h1(xh1,yh1)和h2(xh2,yh2),然后计算两点之间的距离K:若K值大于预设值δ时,将半径rn的数值以步长Δ2递减,然后返回步骤3.2;若K值小于预设值δ时,将当前的半径值作为覆层在与直线ln相交处的厚度Tn。
进一步的,过圆心均匀地做的直线条数为N=40。
进一步的,圆半径rn的初始化值为0.1mm,Δ1=0.1mm,δ=0.01mm,Δ2=0.001mm。
进一步的,利用组合赋权得到最小值、极差值以及标准差这3个指标的组合权重,具体为:
采用层次分析法计算最小值、极差值以及标准差这3个指标的主观权重aj,j用于区分不同的指标;基于多种轧制孔型的复合钢筋的覆层厚度数据,采用熵值法计算最小值、极差值以及标准差这3个指标的客观权重bj;然后根据主观权重与客观权重,按公式计算最小值、极差值以及标准差这3个指标的组合权重ωj,m=3表示指标的数量为3。
进一步的,采用层次分析法计算最小值、极差值以及标准差这3个指标的主观权重aj,方法为:
基于最小值、极差值和标准差这3个指标的两两相对重要性,构建判断矩阵;
运用方根法,计算判断矩阵A的特征向量M和最大特征根λmax;
根据最大特征λmax计算一致性指标C.I.,查表得到平均随机一致性指标R.I.,再根据C.I.和R.I.确定是否通过一次性检验;
若通过一次性检验,则将特征向量W中的元素进行归一化处理,所得即为最小值、极差值和标准差这3个指标的主观权重。
进一步的,基于多种轧制孔型的复合钢筋的覆层厚度数据,采用熵值法计算最小值、极差值以及标准差这3个指标的客观权重bj,方法为:
首先,将每种轧制孔型的复合钢筋的覆层厚度数据作为1个样本,共有n个样本;其中包括覆层厚度的最小值、极差值和标准差这3个指标的数值,将第i个样本的第j个指标的数值表示为xij;
然后,对各样本的指标数值进行平移,其中覆层厚度的最小值和标准差这2个正向指标的平移公式为:
覆层厚度的极差值这个负向指标的平移公式为:
式中,xij'表示第i个样本的第j个指标平移后得到的数值;
再计算各指标的信息熵:
式中,ej表示第j个指标的信息熵,Pij表示第j个指标下第第i个样本所占的权重;
最后,根据信息熵计算各指标的客观权重bj:
一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现上述任一项所述的复合钢筋覆层厚度识别及厚度均匀性评价方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的复合钢筋覆层厚度识别及厚度均匀性评价方法。
有益效果
本发明提供了一种复合钢筋覆层厚度识别及厚度均匀性评价方法,具有以下优点:
1)本识别方法检测结果可靠,识别精度可达um级。
2)本识别方法为无接触式检测,不需要接触试样,从数据采集到数据输出只需要40ms,在保证检测结果精准的同时,极大地提高了检测效率。
附图说明
图1是本申请实施例提供的复合钢筋打磨腐蚀后的端面示意图;
图2是本申请实施例提供的覆层轮廓提取示意图;
图3是本申请实施例提供的轮廓垂直最小矩形示意图;
图4是本申请实施例提供的Sn点圆方程与外轮廓交点为0时示意图;
图5是本申请实施例提供的Sn点圆方程与外轮廓交点为1时示意图;
图6是本申请实施例提供的Sn点圆方程与外轮廓交点为2时示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
如图1所示,本发明的一个实施例,提供了一种复合钢筋覆层厚度识别及厚度均匀性评价方法,包括:
步骤1,对复合钢筋的端面图像进行预处理,然后提取复合钢筋的覆层内外侧轮廓,并对像素进行标定;
首先对复合钢筋端面图像打磨、腐蚀,使得复合钢筋端面垂直于钢筋的轴向;然后利用工业相机采集复合钢筋端面图像如图1所示,并用findContours函数提取复合钢筋覆层的内外层轮廓,如图2所示。
步骤2,提取覆层外侧轮廓的外接矩形,并将外接矩形的中心点确定为复合钢筋的圆心;
采用boundingRect函数求解轮廓的垂直边界最小矩形,即外接矩形,如图3所示。可以得到矩形左上点坐标A1(x1,y1)和右下点坐标A2(x2,y2),然后计算圆心O(x3,y3)的坐标:圆心坐标计算公式为:
步骤3,过圆心均匀地做N条直线,利用最小半径法得到覆层在与每条直线相交处的厚度,统计所有覆层厚度的最小值、极差值、平均值以及标准差;
过圆心O(x3,y3)做40条直线,每条直线相隔9°,再利用最小半径法,得到每条直线所对应的覆层厚度,并通过后续计算得到覆层厚度的最小值、极差值、平均值以及标准差。
利用最小半径法得到覆层在与每条直线相交处的厚度,包括:
S3.1,将当前计算的直线表示为ln,设直线ln与覆层内侧轮廓相交于Sn点,其坐标为Sn(xsn,ysn),n=1,2,…,N,n用于区分不同的直线;初始化圆半径rn;
S3.2,以Sn为圆心、rn为半径画圆Cn,求解圆Cn与覆层外侧轮廓的交点;若交点数量为0时,如图4所示,执行步骤S3.3,若交点数量为1时,如图5所示,执行步骤3.4,若交点数量为2时,如图5所示,执行步骤3.5;
S3.3,将半径rn的数值以步长Δ1递增,然后返回步骤S3.2;
S3.4,将当前的半径值作为覆层在与直线ln相交处的厚度Tn;
S3.5,设两个交点坐标分别为h1(xh1,yh1)和h2(xh2,yh2),然后计算两点之间的距离K:若K值大于预设值δ时,将半径rn的数值以步长Δ2递减,然后返回步骤3.2;若K值小于预设值δ时,将当前的半径值作为覆层在与直线ln相交处的厚度Tn;两点之间的距离K的计算公式如下:
K=[(xh1-xh2)2+(yh1-yh2)2]1/2
另外,根据40个覆层厚度的值来计算钢筋覆层厚度的最小值、极差值、平均值以及标准差等,计算方法如下:
钢筋覆层厚度的最小值Tmin:
Tmin=min{T1、T2、T3、…T40}
钢筋覆层厚度的极差值T极差:
T极差=Tmax-Tmin
钢筋覆层厚度的标准差T标准差:
步骤4,利用组合赋权得到最小值、极差值以及标准差这3个指标的组合权重;最后根据覆层厚度的最小值、极差值和标准差这3个指标以及对应的权重,累加求和确定复合钢筋覆层厚度均匀性的评估值。包括:
步骤4.1,采用层次分析法计算最小值、极差值以及标准差这3个指标的主观权重aj,j用于区分不同的指标;具体地,
步骤4.1.1,基于最小值、极差值和标准差这3个指标的两两相对重要性,构建判断矩阵;
步骤4.1.2,运用方根法,计算判断矩阵A的特征向量M和最大特征根λmax;
步骤4.1.3,根据最大特征λmax计算一致性指标C.I.,查表得到平均随机一致性指标R.I.,再根据C.I.和R.I.确定是否通过一次性检验;
步骤4.1.4,若通过一次性检验,则将特征向量W中的元素进行归一化处理,所得即为最小值、极差值和标准差这3个指标的主观权重。
本实施例构建判断矩阵A:
相应得到特征向量和权重向量分别为:特征根为λmax=4.05,C.I.=0.017,C.R.=0.019<0.1,因此,上述判断矩阵A通过一次性检验,可以取最小值、极差值和标准差这3个指标的权重分别为0.472、0.17、0.285。
步骤4.2,基于多种轧制孔型的复合钢筋的覆层厚度数据,采用熵值法计算最小值、极差值以及标准差这3个指标的客观权重bj;具体地,
步骤4.2.1,将每种轧制孔型的复合钢筋的覆层厚度数据作为1个样本,共有n个样本;其中包括覆层厚度的最小值、极差值和标准差这3个指标的数值,将第i个样本的第j个指标的数值表示为xij;
步骤4.2.2,为避免求熵值时对数的无意义,需要对各样本的指标数值进行平移。对于数值越大对整体影响有益的指标,称为正向指标;对于数值越小对整体影响越有益的指标,称为负向指标。
其中覆层厚度的最小值和标准差这2个正向指标的平移公式为:
覆层厚度的极差值这个负向指标的平移公式为:
式中,xij'表示第i个样本的第j个指标平移后得到的数值;
步骤4.2.3,计算各指标的信息熵:
式中,ej表示第j个指标的信息熵,Pij表示第j个指标下第第i个样本所占的权重;
步骤4.2.4,根据信息熵计算各指标的客观权重bj:
以下表1给出5组条件的轧制参数,即有5个不同的复合钢筋覆层样本,基于该5个样本采用熵值法得到覆层厚度的最小值、极差值和标准差这3个指标的权重分别为:0.28,0.3,0.42。
表1五组仿真试验条件
由上述得到的各指标的主观权重和客观权重,可得最小值、极差值以及标准差这3个指标的组合权重分别为0.432,0.168,0.395。
步骤4.4,根据根据覆层厚度的最小值、极差值和标准差这3个指标以及对应的权重,累加求和确定复合钢筋覆层厚度均匀性的评估值:
Q=ωminTmin+ω极差T极差+ω标准差T标准差=0.432Tmin+0.168T极差+0.395T标准差。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (10)
1.一种复合钢筋覆层厚度识别及厚度均匀性评价方法,其特征在于,包括:
对复合钢筋的端面图像进行预处理,然后提取复合钢筋的覆层内外侧轮廓,并对像素进行标定;
提取覆层外侧轮廓的外接矩形,并将外接矩形的中心点确定为复合钢筋的圆心;
过圆心均匀地做N条直线,利用最小半径法得到覆层在与每条直线相交处的厚度,统计所有覆层厚度的最小值、极差值、平均值以及标准差;
利用组合赋权得到最小值、极差值以及标准差这3个指标的组合权重;最后根据覆层厚度的最小值、极差值和标准差这3个指标以及对应的权重,累加求和确定复合钢筋覆层厚度均匀性的评估值。
2.根据权利要求1所述的方法,其特征在于,复合钢筋的端面图像,是对复合钢筋端面进行腐蚀和打磨之后采集到的端面图像,打磨后的端面与钢筋的轴向垂直。
3.根据权利要求1所述的方法,其特征在于,所述利用最小半径法得到覆层在与每条直线相交处的厚度,包括:
S3.1,将当前计算的直线表示为ln,设直线ln与覆层内侧轮廓相交于Sn点,其坐标为Sn(xsn,ysn),n=1,2,…,N,n用于区分不同的直线;初始化圆半径rn;
S3.2,以Sn为圆心、rn为半径画圆Cn,求解圆Cn与覆层外侧轮廓的交点;若交点数量为0则执行步骤S3.3,若交点数量为1则执行步骤3.4,若交点数量为2则执行步骤3.5;
S3.3,将半径rn的数值以步长Δ1递增,然后返回步骤S3.2;
S3.4,将当前的半径值作为覆层在与直线ln相交处的厚度Tn;
S3.5,设两个交点坐标分别为h1(xh1,yh1)和h2(xh2,yh2),然后计算两点之间的距离K:若K值大于预设值δ时,将半径rn的数值以步长Δ2递减,然后返回步骤3.2;若K值小于预设值δ时,将当前的半径值作为覆层在与直线ln相交处的厚度Tn。
4.根据权利要求1所述的方法,其特征在于,过圆心均匀地做的直线条数为N=40。
5.根据权利要求1所述的方法,其特征在于,圆半径rn的初始化值为0.1mm,Δ1=0.1mm,δ=0.01mm,Δ2=0.001mm。
7.根据权利要求6所述的方法,其特征在于,采用层次分析法计算最小值、极差值以及标准差这3个指标的主观权重aj,方法为:
基于最小值、极差值和标准差这3个指标的两两相对重要性,构建判断矩阵;
运用方根法,计算判断矩阵A的特征向量M和最大特征根λmax;
根据最大特征λmax计算一致性指标C.I.,查表得到平均随机一致性指标R.I.,再根据C.I.和R.I.确定是否通过一次性检验;
若通过一次性检验,则将特征向量W中的元素进行归一化处理,所得即为最小值、极差值和标准差这3个指标的主观权重。
8.根据权利要求6所述的方法,其特征在于,基于多种轧制孔型的复合钢筋的覆层厚度数据,采用熵值法计算最小值、极差值以及标准差这3个指标的客观权重bj,方法为:
首先,将每种轧制孔型的复合钢筋的覆层厚度数据作为1个样本,共有n个样本;其中包括覆层厚度的最小值、极差值和标准差这3个指标的数值,将第i个样本的第j个指标的数值表示为xij;
然后,对各样本的指标数值进行平移,其中覆层厚度的最小值和标准差这2个正向指标的平移公式为:
覆层厚度的极差值这个负向指标的平移公式为:
式中,xij'表示第i个样本的第j个指标平移后得到的数值;
再计算各指标的信息熵:
式中,ej表示第j个指标的信息熵,Pij表示第j个指标下第第i个样本所占的权重;
最后,根据信息熵计算各指标的客观权重bj:
9.一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器实现如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250841.2A CN114688981B (zh) | 2022-03-15 | 2022-03-15 | 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210250841.2A CN114688981B (zh) | 2022-03-15 | 2022-03-15 | 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114688981A true CN114688981A (zh) | 2022-07-01 |
CN114688981B CN114688981B (zh) | 2023-01-31 |
Family
ID=82139254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210250841.2A Active CN114688981B (zh) | 2022-03-15 | 2022-03-15 | 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114688981B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205282A (zh) * | 2022-08-30 | 2022-10-18 | 南通钇龙玻璃制品有限公司 | 一种用于铅酸蓄电池的玻璃纤维隔板均匀性评估方法 |
CN117190887A (zh) * | 2023-11-06 | 2023-12-08 | 深圳市磐锋精密技术有限公司 | 一种手机生产用气凝胶厚度自动检测*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292731A (zh) * | 2013-05-16 | 2013-09-11 | 浙江大学 | 一种熊猫型保偏光纤端面几何参数检测的装置和方法 |
CN104634800A (zh) * | 2015-02-04 | 2015-05-20 | 攀钢集团攀枝花钢铁研究院有限公司 | 钛钢复合板过渡层厚度定量测定方法 |
WO2016101182A1 (zh) * | 2014-12-23 | 2016-06-30 | 清华大学 | 基于贝叶斯网络和极限学习机的区间型指标预报方法 |
CN108489434A (zh) * | 2018-03-30 | 2018-09-04 | 燕山大学 | 一种可实现复合板厚度比自动检测的装置及方法 |
CN110020815A (zh) * | 2019-05-07 | 2019-07-16 | 云南电网有限责任公司 | 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法 |
WO2019227293A1 (zh) * | 2018-05-28 | 2019-12-05 | 株洲齿轮有限责任公司 | 轮齿齿廓平滑度的评估方法及轮齿齿廓的修形方法 |
CN111091309A (zh) * | 2020-01-14 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种电动汽车充电网络运行经济效益评价方法 |
CN112541632A (zh) * | 2020-12-15 | 2021-03-23 | 江苏大学 | 一种基于多属性决策的驾驶行为安全性评估方法 |
CN112598723A (zh) * | 2020-12-17 | 2021-04-02 | 中南大学 | 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质 |
-
2022
- 2022-03-15 CN CN202210250841.2A patent/CN114688981B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292731A (zh) * | 2013-05-16 | 2013-09-11 | 浙江大学 | 一种熊猫型保偏光纤端面几何参数检测的装置和方法 |
WO2016101182A1 (zh) * | 2014-12-23 | 2016-06-30 | 清华大学 | 基于贝叶斯网络和极限学习机的区间型指标预报方法 |
CN104634800A (zh) * | 2015-02-04 | 2015-05-20 | 攀钢集团攀枝花钢铁研究院有限公司 | 钛钢复合板过渡层厚度定量测定方法 |
CN108489434A (zh) * | 2018-03-30 | 2018-09-04 | 燕山大学 | 一种可实现复合板厚度比自动检测的装置及方法 |
WO2019227293A1 (zh) * | 2018-05-28 | 2019-12-05 | 株洲齿轮有限责任公司 | 轮齿齿廓平滑度的评估方法及轮齿齿廓的修形方法 |
CN110020815A (zh) * | 2019-05-07 | 2019-07-16 | 云南电网有限责任公司 | 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法 |
CN111091309A (zh) * | 2020-01-14 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种电动汽车充电网络运行经济效益评价方法 |
CN112541632A (zh) * | 2020-12-15 | 2021-03-23 | 江苏大学 | 一种基于多属性决策的驾驶行为安全性评估方法 |
CN112598723A (zh) * | 2020-12-17 | 2021-04-02 | 中南大学 | 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
李丕武: "折射波地震勘探中上覆层综合速度对下伏界面深度解释的理论误差", 《人民黄河》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205282A (zh) * | 2022-08-30 | 2022-10-18 | 南通钇龙玻璃制品有限公司 | 一种用于铅酸蓄电池的玻璃纤维隔板均匀性评估方法 |
CN117190887A (zh) * | 2023-11-06 | 2023-12-08 | 深圳市磐锋精密技术有限公司 | 一种手机生产用气凝胶厚度自动检测*** |
CN117190887B (zh) * | 2023-11-06 | 2024-01-30 | 深圳市磐锋精密技术有限公司 | 一种手机生产用气凝胶厚度自动检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN114688981B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114688981B (zh) | 一种复合钢筋覆层厚度识别及厚度均匀性评价方法、设备及介质 | |
US11506650B2 (en) | Method for automatic quantitative statistical distribution characterization of dendrite structures in a full view field of metal materials | |
Lv et al. | Steel corrosion prediction based on support vector machines | |
CN109886939B (zh) | 基于张量投票的桥梁裂缝检测方法 | |
CN108846888A (zh) | 一种古木建筑构件精细尺寸信息自动化提取方法 | |
CN114862266A (zh) | 一种基于大数据的工业产品生产质量监测分析*** | |
CN108920861B (zh) | 一种含裂纹梁结构单元损伤因子的等效方法 | |
CN109840715A (zh) | 一种基于改进雷达图的船舶动力***综合评估方法 | |
WO2021087842A1 (zh) | 一种混凝土表面三维粗糙度的测量方法 | |
CN114234819A (zh) | 基于三维激光扫描的钢筋部品质量自动化检测方法 | |
CN114387332B (zh) | 一种管道测厚方法及装置 | |
CN107330886B (zh) | 一种表面微小损伤的高精度量化方法 | |
CN110110640B (zh) | 一种定量计算指纹变形大小的方法 | |
CN112598723A (zh) | 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质 | |
Bruno et al. | Decay detection in historic buildings through image-based deep learning | |
CN114997514A (zh) | 一种夯土遗址裂隙病害发育程度评价及预测方法 | |
CN109471998A (zh) | 一种基于三维分形维数的腐蚀疲劳剩余寿命预测方法 | |
Kang et al. | Development of a Model for Recognizing Cracks on Concrete Surfaces Using Digital Image Processing Techniques | |
CN115935129B (zh) | 一种土壤分尺度重金属浓度值确定方法和装置 | |
CN114819768B (zh) | 一种电容器引出线焊接控制*** | |
CN111830131A (zh) | 一种铸坯中心疏松或缩孔的定量方法 | |
Scott | The case of surface texture parameter RSm | |
Kang et al. | Construction of concrete surface crack recognition model based on digital image processing technology | |
CN115236092B (zh) | 基于光学手段的古琴表面材料破损检测识别方法 | |
Jiang et al. | Time-dependent reliability of corroded circular steel tube structures: Characterization of statistical models for material properties |
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 |