详情

原文传递一种3D打印混凝土性能的虚拟检测仪及检测方法

专利名称：	一种3D打印混凝土性能的虚拟检测仪及检测方法
摘要：	本发明公开了一种混凝土性能的虚拟检测仪及检测方法，属于混凝土检测领域。本发明由拍照单元、数据输入单元、计算单元以及结果输出单元组成，通过预置混凝土性能预测模型，将拍照单元中获取的待测混凝土试块的原始图像及配合比数据代入该混凝土性能预测模型中，即可得到对应的混凝土性能预测值，包括混凝土抗压强度实验后的破坏图像、混凝土抗压强度及坍落度，以获得混凝土强度和流动性指标，解决了现有技术中混凝土强度及坍落度检测需要繁琐、耗时、耗力的人工实验的问题，且整个检测过程简单，容易实现，结构简洁、小型化。通过本发明的虚拟检测仪及检测方法对混凝土进行虚拟检测，可以有效降低成本，绿色环保。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	华中科技大学
发明人：	周诚;丁烈云;唐斌;陈睿;蒋伟光;覃文波;尹紫微;祝倩;吴浩正
专利状态：	有效
申请日期：	2019-03-04T00:00:00+0800
发布日期：	2019-07-12T00:00:00+0800
申请号：	CN201910158774.X
公开号：	CN110006896A
代理机构：	华中科技大学专利中心
代理人：	尚威;李智
分类号：	G01N21/84(2006.01);G;G01;G01N;G01N21
申请人地址：	430074 湖北省武汉市洪山区珞喻路1037号
主权项：	1.一种混凝土性能的虚拟检测仪，其特征在于，包括：拍照单元、数据输入单元、计算单元以及结果输出单元：所述拍照单元，包括光源、实验台、摄影棚和存储服务器，以及普通CCD相机、红外热成像相机、紫外CCD相机、近红外CCD相机中的至少一个；所述光源放置固定于摄影棚内，用于提供均匀的光照条件；所述实验台固定于摄影棚内且位置恒定，用于放置待测混凝土试块；所述普通CCD相机、所述红外热成像相机、所述紫外CCD相机、所述近红外CCD相机的摄像头一一对应布置于所述摄影棚四壁，且均对准待测混凝土试块中心，用于拍摄待测混凝土试块的原始图像及原位抗压强度测试后的破坏图像；所述存储服务器用于存储上述四种相机中的至少一个拍摄获取的图像，并传入数据输入单元；所述数据输入单元，包括图像接收模块、人工操作模块和数据集成模块；所述图像接收模块用于接受所述拍照单元传输的图像数据；所述人工操作模块用于人工输入待测混凝土试块的配合比数据；所述数据集成模块将图像接收模块和人工操作模块收到的数据进行整理和集成，并统一传入计算单元；所述计算单元内置有预训练的混凝土性能预测模型，所述计算单元用于将数据输入单元传来的数据输入预训练的混凝土性能预测模型，得到混凝土的抗压强度、坍落度数据和抗压强度测试后的模拟图像数据，并将数据传入所述结果输出单元进行输出。 2.根据权利要求1所述的一种混凝土性能的虚拟检测仪，其特征在于，多个光源均匀放置于摄影棚内不同位置处，且光照强度恒定，使摄影棚内待测混凝土试块所受光照强度均匀且恒定不变；所述混凝土性能预测模型，是通过预先收集的多组混凝土原始图像和对应的抗压强度实验后破坏图像、混凝土配合比以及混凝土的抗压强度及坍落度数据形成数据库，并通过深度学习方式训练获得；将当前待测混凝土试块的原始图像、混凝土配合比输入所述混凝土性能预测模型即可得到混凝土抗压强度实验后破坏图像、混凝土的抗压强度以及坍落度数据。 3.基于权利要求1或2所述的一种混凝土性能的虚拟检测仪的检测方法，其特征在于，包括如下步骤：第一步，将待测混凝土试块放于实验台规定位置上；第二步，开启摄影棚内部光源，开启普通CCD相机、红外热成像相机、紫外CCD相机、近红外CCD相机，使之处于待机状态；第三步，通过普通CCD相机、红外热成像相机、紫外CCD相机、近红外CCD相机，获得待测混凝土试块的原始图像，传入数据输入单元；第四步，输入待测混凝土试块的配合比数据，此时数据输入单元整合数据信息，传入计算单元；第五步，计算单元将接收的原始图像及配合比数据代入混凝土预测模型，得到预测结果传入结果输出单元进行显示；预测结果包括混凝土抗压强度实验后的破坏图像、混凝土的抗压强度以及坍落度数据。 4.如权利要求3所述的检测方法，其特征在于，所述混凝土预测模型的预训练方法如下：按照标准混凝土强度检测方法及坍落度检测方法对不同混凝土进行试验，并通过所述拍照单元在与正式检测时同等的光照条件下获取图像数据，从而获得混凝土原始图像X1、抗压强度实验后破坏图像Y3、混凝土配合比X2、混凝土的抗压强度及坍落度的试验样本数据，然后以混凝土原始图像X1、混凝土配合比X2为输入数据，对应的混凝土的抗压强度Y1、混凝土坍落度Y2、抗压强度实验后破坏图像Y3为输出数据，通过数据拟合获得X2到Y1、Y2的映射关系，通过深度学习方式建立X1到Y3的映射关系，从而获得混凝土性能预测模型f(X1，X2)；对于实验获得的待测混凝土试块的原始图像X1、混凝土配合比X2，代入上述混凝土性能预测模型f(X1，X2)中，即可得到对应的混凝土性能预测结果(Y1，Y2，Y3)＝f(X1，X2)。 5.如权利要求4所述的检测方法，其特征在于，通过深度学习方式建立X1到Y3的映射关系的方法如下：步骤1：构造原始GAN网络模型，其中包含一个RGB转换器、一个生成器和一个判别器；RGB转换器用于将图片的0～255的RGB值除以255，转换为0～1的值，输入至生成器；步骤2：然后，初始化模型参数和判别器的输出权重；步骤3：利用样本数据库中的混凝土原始图像X1及其对应的抗压强度实验后破坏图像Y3对GAN模型进行训练；具体地： 3.1、从样本数据库中随机抽取一个混凝土原始图像X1及其对应的破坏图像Y3，将X1输入RGB转换器，在RGB转换器中将X1的0～255的RGB值除以255，转换为0～1的值； 3.2、将步骤3.1获得的0～1的值输入生成器，生成虚假图像M； 3.3、将虚假图像M和原始图像X1对应的破坏图像Y3分别输入至判别器，获得对应的判别结果；本步骤中，破坏图像Y3是来自样本数据库的真实值，虚假图像M是生成器生成的虚假值； 3.4、记录判别器进行判断后的损失函数值；损失函数的表达式为：其中，x表示判别器输入的真实数据，即Y3；E表示数学期望，D(x)表示判别器对输入数据的判别，下标p-data(x)表示x所属的数据集数据的分布；z表示判别器输入的虚假数据，即M，下标pz(z)表示z的数据分布，λ为超参数； 3.5、将判别器的损失函数值返回至生成器； 3.6、重复步骤3.1～3.5，更换X1及对应的Y3进行后续的网络训练，直至判别器输出结果接近0.5；此时的RGB转换器和生成器共同构成X1→Y3的预测模型，其包含了X1→Y3的映射关系。
所属类别：	发明专利