- 综合排序
- 最热优先
- 最新优先
- 来自专栏landv
混凝土自动点击——按键精灵
413 LeftClick 1 Delay 300 SayString "13900000000" MoveTo 875, 551 LeftClick 1 Delay 300 SayString "混凝土
1.4K20发布于 2018-05-24 - 来自专栏AI研习社
深度学习混凝土结构裂纹检测
混凝土建筑裂缝 原标题 | CONTRIBUTE Detection of Surface Cracks in Concrete Structures using Deep Learning 作者 | 此外，我们在现实世界的数据上测试了该模型，发现该模型在检测混凝土和非混凝土结构示例道路的表面裂缝方面是准确的。该代码在我的Github上的链接上开源。 数据集 ---- 对于此博客，我们使用的是公开可用的混凝土裂缝图像数据集（详情可见今日第二篇内容）。 数据集包含20,000张有裂缝的混凝土结构图像和20,000张无裂缝的图像。该数据集是由458张高分辨率图像（4032x3024像素）生成的。数据集中的每个图像都是227 x 227像素的RGB图像。 如下图所示，该模型能够通过处理图像上的100个切片来检测混凝土中很长的裂缝 混凝土裂缝检测。左图为原图。右图红色区域是有裂纹的预测，绿色区域是无裂纹的预测 此外，我也在道路裂缝上测试了该模型。
3.5K31发布于 2020-02-12 - 来自专栏用户9688323的专栏
钢筋与混凝土的相互作用
但是，两种材料性能相差巨大，比如钢筋的弹性模量比混凝土高出一个数量级，而且其应力-应变关系在受拉区和受压区对称分布，混凝土则不同。 2.受拉刚化效应 受拉构件或梁受拉区混凝土开裂后，裂缝截面上的混凝土退出工作，但裂缝间的混凝土继续承受拉力，使得混凝土内钢筋的平均应变或总变形小于钢筋单独受力时的相应变形，有利于减小裂缝宽度和增大构件的刚度 这种效应对于研究钢筋混凝土构件在混凝土开裂后的荷载-变形特性是重要的。 若分析素混凝土结构，（*tension stiffness）即素混凝土的单轴受拉应力-应变曲线，可直接按照规范附录C的建议取用；若分析钢筋混凝土结构，（*tension stiffness）为考虑了纵筋有利作用的混凝土受拉应力 两者的差别如下图所示，其中虚线为素混凝土单轴受拉曲线，实线为考虑混凝土受拉刚化效应后的曲线。 受拉刚化效应的大小与配筋率、钢筋与混凝土间的粘结力的大小等因素有关。
1.4K50编辑于 2022-06-20 - 来自专栏用户9688177的专栏
混凝土塑性损伤CDP模型的几个问题
在以往的课程和技文中都曾描述过混凝土塑性损伤（CDP）模型，但由于描述不够完整、清晰，还是给读者和学员留下不少的疑问，在这里表示歉意。 混凝土输入的是真实应力应变曲线还是名义应力应变曲线？ 2010规范用C50混凝土损伤塑性本构关系数据曾经在课程中说过CDP的本构模型，重点提到了本构的静水压力相关性，但并没有给出直观的对比曲线，所以大家印象不深刻，还是会提出诸如：为什么单元应力比定义的屈服强度还大的问题 结论： 该模型每增加2MPa围压，混凝土强度增加近10MPa，因此围压对CDP材料的屈服强度有极大影响。 在复杂的工况作用下，单元往往都会受到周边混凝土或钢筋的限制，因此超过单轴抗压强度也就不足为怪了。
2.7K20编辑于 2022-05-23 - 来自专栏数据科学和人工智能
爱数科案例 | 混凝土抗压强度预测
作为一种常见的建筑材料，混凝土的强度（抗压能力）对于建筑的安全性具有重要影响。混凝土的强度受到一系列因素的影响，包括混凝土成分、气候条件、混凝土使用时长等。 在本案例中，首先对混凝土强度数据集进行数据预处理和探索性数据分析，然后使用K近邻回归和决策树回归预测混凝土抗压强度，并探究各因素对混凝土抗压强度的影响程度。 1. 读数据表 首先，读取混凝土强度数据集，该数据集共包含1030个样本，9个变量；其中前7个变量为混凝土中各成分的含量。 混凝土强度分布 接下来绘制混凝土强度的直方图。可以看到，该变量略微右偏，大致分布在0-100之间。 5. 水泥含量与混凝土强度的关系 然后以水泥含量为X轴，混凝土强度为Y轴绘制散点图。 这说明决策树回归模型对混凝土抗压强度预测得更为准确。
2.1K20编辑于 2022-03-30 - 来自专栏深度学习和计算机视觉
使用深度学习检测混凝土结构中的表面裂缝
混凝土建筑裂缝 介绍 表面裂缝检测是监测混凝土结构健康的一项重要任务。如果裂纹发展并继续扩展，它们会减少有效承载表面积，并且随着时间的推移会导致结构失效。 此外，我们在现实世界的数据上测试了模型，发现该模型在检测混凝土和非混凝土结构示例道路中的表面裂缝方面是准确的。该代码在Github上的链接上开源。 数据集 在这篇文章中，我们使用了公开可用的混凝土裂缝图像数据集，该数据集由 20,000 张有裂缝的混凝土结构图像和 20,000 张无裂缝的图像组成。 为了测试这一点，我们随机拍摄了混凝土开裂结构和路面裂缝的图像，这些图像比我们的训练图像大得多。请记住，该模型是在 227,227 像素的切片上训练的。我们现在将输入图像分成小块并对其进行预测。 如下图所示，该模型能够通过处理图像上的 100 多个补丁来检测混凝土中很长的裂缝。 混凝土裂缝检测。左原图。右侧红色区域是有裂纹的预测，绿色区域是无裂纹的预测 此外，也在道路裂缝上测试了该模型。
1.3K30编辑于 2022-02-12 - 来自专栏新智元
「AI配比」混凝土经Meta数据中心测试，减少40%碳排放
现在，科学家通过AI创建混凝土配方，以最大限度地减少环境负担，同时满足工程性能要求，包括抗压强度等。 研究人员使用混凝土抗压强度数据集来训练CVAE模型，这个数据集包含了1030个训练示例。 研究表明，CVAE可以设计出比现有配方碳排放低得多的AI混凝土配方，实验通过生成更好的样本，从而实现了碳排放量减少。 这些圆柱体照片是根据新配方制作的混凝土结构，正在实验室进行压缩测试。 这是5种AI生成的混凝土试验抗压强度结果，以及相应的碳排放量统计。 研究表明，使用这个模型生成的混泥土配方，碳排放量与原有数据进行对比，AI混凝土配方大约将二氧化碳排放量减半。
96230编辑于 2022-05-05 混凝土缺陷检测数据集VOC+YOLO格式7513张7类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7513 标注数量(xml文件个数)：7513 标注数量(txt文件个数)：7513 标注类别数：7 标注类别名称:["Armatura in vista","Delaminazione","Efflorescenza","Fessura","Scaling","Spalling","Tracce di ruggine"] 每个类别标注的框数： Armatura in vista 框数 = 8286 Delaminazione 框数 = 1005 Efflorescenza 框数 = 4421 Fessura 框数 = 11287 Scaling 框数 = 240 Spalling 框数 = 7731 Tracce di ruggine 框数 = 7354 总框数：40324 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：对应中文类别 [“可见裂斑”、“分层”、“风化”、“缝隙”、“剥落”、“脱落”、“锈迹”] 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
24510编辑于 2025-07-16- 来自专栏镁客网
科学家研发可自行修补裂缝混凝土，真菌是关键 | 黑科技
据报道，为了延长混凝土的使用年限，减少裂缝出现，科学家近日在混凝土里添加真菌，这些真菌可以修补裂缝。 研究人员来自纽约州立宾汉顿大学和纽泽西州立罗格斯大学，他们使用的真菌，被称为里氏木霉，将孢子混入混凝土中，顽强的真菌可以保持休眠数月或数年，其间几乎不消耗任何营养，当混凝土龟裂时，孢子遇到了空气和水中， 真菌可以在混凝土内生长，经代谢作用产生副产品“碳酸钙”。 碳酸钙(又可称为石灰石)正是水泥与混凝土的主成份，虽然它并不完全是混凝土(还缺了黏土)，但确实可以填补裂缝，阻止混凝土进一步的裂解，这样将大大延长混凝土结构的使用寿命。 但目前这项研究还处于初期阶段，所以不可能在短时间内看到真菌填充混凝土的全过程，研究人员最需要了解的是，如何确保真菌可以在混凝土内存活很长一段时间，并且承受普通的混凝土制作过程的添加剂，而不会死亡，因此还需要很多测试
46330发布于 2018-05-29 混凝土缺陷检测数据集VOC+YOLO格式7513张7类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7513 标注数量(xml文件个数)：7513 标注数量(txt文件个数)：7513 标注类别数：7 标注类别名称:["Armatura in vista","Delaminazione","Efflorescenza","Fessura","Scaling","Spalling","Tracce di ruggine"] 每个类别标注的框数： Armatura in vista 框数 = 8286 Delaminazione 框数 = 1005 Efflorescenza 框数 = 4421 Fessura 框数 = 11287 Scaling 框数 = 240 Spalling 框数 = 7731 Tracce di ruggine 框数 = 7354 总框数：40324 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：对应中文类别 [“可见裂斑”、“分层”、“风化”、“缝隙”、“剥落”、“脱落”、“锈迹”] 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
37700编辑于 2025-07-15- 来自专栏明天依旧可好的专栏
机器学习第4天：预测1立方米混凝土抗压强度
在可视化这步时却发现发现影响混凝土抗压强度的八个因素与它本身并不构成线性关系（查阅相关资料后证明这些因素与混凝土抗压强度是存在线性关系的）。 ? 下图可以明显看出1立方米混凝土抗压强度在185、195、205、230处是受到除水分之外的其他因素的干扰，加上我这次数据量也仅1030条，让原本应该为线状散点图呈现了下面的样子 ? 细颗料（单位：千克） Age： 天数 （已经使用的天数） Concrete compressive strength：1立方米混凝土抗压强度 dataframe["Coarse Aggregate"], cars['Concrete compressive strength'], alpha=0.3) ax5.set_title('1立方米混凝土抗压强度与粗颗粒含量之间的关系 ax7.scatter(dataframe["Age"], cars['Concrete compressive strength'], alpha=0.3) ax7.set_title('1立方米混凝土抗压强度与时间之间的关系
1.2K31发布于 2020-08-06 - 来自专栏工程监测
安装表面应变计的方法及注意事项
安装表面应变计的方法及注意事项表面应变计被广泛用于水利工程和混凝土结构中，用于测量埋设点的线性变形（应变）和应力，同时也可以测量温度。它们可以分为表面安装式和埋入式两种。 在回填应变计周围的混凝土时，需要采取谨慎施工措施，剔除混凝土中粒径大于 70mm 的骨料，人工分层振捣密实。回填料最终应超出应变计表面1.5m以上。振捣器与仪器的最大距离应大于振动半径并不小于 1m。 2、单向应变计单向应变计可在混凝土振捣后及时在埋设部位造孔（槽）埋设，或在预制钢筋骨架上固定。 这有助于在浇筑混凝土时保持仪器正确的位置和方向，并使其保持不变。根据应变计组在混凝土内的位置，可以采用预埋锚杆或带锚杆的预制混凝土块来固定支座位置和方向。 混凝土结构表面安装时，可以使用高强度胶将传感器及夹具贴在结构物表面，同时加上保护罩。
60840编辑于 2023-11-13 - 来自专栏振弦传感器
振弦式孔隙水压力计的结构组成及工作原理
图片振弦式孔隙水压力计是一种用于测量土壤或岩石中孔隙水压力的仪器，适用于长期埋设在水工建筑物或其它混凝土建筑物及地基内，测量结构物或地基内部的孔隙水压力，并可同步测量埋设点的温度。 安装及埋设方法在岩土工程中，孔隙水压力计用于观测岩体，土体和混凝土内的孔隙（渗透）水压力。 4、混凝土浇筑时孔隙水压力计的埋设图片在混凝土内埋设孔压计，其细砂包体积应为 1000 平方厘米。将准备好的孔压计固定在设计位置上，排好电缆，浇筑混凝土，应勿使水泥浆浸入孔压计内部。 在施工缝上埋设孔压计，应在浇筑下层混凝土时，靠缝隙面预留一个深 30cm、直径 20cm的孔，在预留孔内铺上一层细砂，将孔隙水压力计放在砂垫层上，再用细砂将仪器埋好，孔口放一盖板，即可浇筑混凝土在实际测试过程中
59330编辑于 2023-10-26 基于yolov5的混凝土缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
【算法介绍】 基于YOLOv5的混凝土缺陷检测系统是一项利用深度学习技术，特别是YOLOv5算法，实现对混凝土结构中缺陷进行自动检测和识别的系统。 该系统通过收集大量的混凝土图像数据，并标注缺陷区域，如裂缝、空洞、剥落等，利用这些数据训练YOLOv5模型。 该系统可以实时运行，对混凝土结构进行不间断的检测，及时发现潜在的缺陷问题，并通知相关部门进行维修处理，从而避免更大的损坏和安全事故的发生。 相比传统的人工巡检方式，该系统能够自动化检测混凝土缺陷，减少人力成本，提高检测效率，为混凝土结构的维护和保养提供了有效的技术支持。 此外，基于YOLOv5的混凝土缺陷检测系统还具有广泛的应用前景，可以适用于不同类型的混凝土结构，包括桥梁、隧道、建筑等，为基础设施的安全和可靠性提供有力保障。
26810编辑于 2025-07-16- 来自专栏工程监测
振弦式应变计埋设与安装
振弦式应变计埋设与安装GEO久岩系列振弦式应变计用于长期埋设在混凝土结构的梁、柱、桩基、军便梁、支撑、挡土墙、水工建筑物、衬砌、墩与底脚及其岩中，监测其应力与应变，并可同步测量埋设点的温度，也可选择热敏电阻作为测温元件 下面主要对大体积混凝土内应变计埋设情况进行叙述：b) 应变计附件主要有支座、支杆和预埋件，按照埋设点的高程、设计的方向及埋设部位，考虑混凝土的浇注进度，将预埋件埋设在先浇注的混凝土内，预埋件的螺纹部分应用纱布及牛皮纸包裹好 d) 当混凝土浇注到接近埋设高程时，用适当尺寸的挡板挡好埋设点周围的混凝土，取下预埋件的 裹布，旋上支座和各方向的支杆。 f) 仪器周围的混凝土应先剔除料径大于 8 ㎝的骨料，然后回填，并用人工方法小心捣实混凝土。g) 有关电缆接长方法及观测时间、基准值选择请参考有关书籍。
52840编辑于 2022-11-21 - 来自专栏工程监测
振弦式表面应变计在岩土工程中应用
振弦式表面应变计在岩土工程中应用振弦式表面应变计是一种可以测量土体表面和混凝土结构应变变化的设备。 它使用了振弦原理，即通过在振弦上应用点荷载来激发振动并测量振幅，然后根据振幅的变化来计算土体表面或混凝土结构的应变情况。在岩土工程中，振弦式表面应变计有广泛的应用，下面将详细介绍其应用情况。 图片3.混凝土结构监测振弦式表面应变计可以用于混凝土结构的应变监测。在混凝土结构的设计和施工中，应变是一个非常关键的参数。 振弦式表面应变计可以实时测量混凝土结构的应变情况，从而帮助工程师了解结构的稳定性和安全性，及时发现潜在的问题。4.桥梁结构监测振弦式表面应变计也可以用于桥梁结构的应变监测。 图片在岩土工程中，振弦式表面应变计是一种非常重要的设备，它可以帮助工程师实时监测土体和混凝土结构的应变情况，提高工程的稳定性和安全性。
32730编辑于 2023-07-21 - 来自专栏云上计算
旺链科技 | 让“上链”触手可及：VoneBaaS 赋能传统应用场景
比如，混凝土是人类用量最大的建筑材料，但城市拆迁及工程改造产生的大量废弃混凝土会给人居环境和生态系统带来负面影响。对于废弃混凝土的回收利用是一项巨大的工程，又因其涉及环节众多，监管成本非常高。 利用区块链技术不可篡改、可追溯的特性对废弃混凝土进行溯源，就能大大提高管理效率，进而带来显著的环保效益和经济效益。 经过反复沟通，旺链科技团队以VoneBaaS作为系统底座，帮助上海市搭建起建筑废弃混凝土回收利用溯源管理系统，实现了对建筑废弃混凝土“收、运、处、用”全流程的管理和追溯。 此外，回收、运输、加工处理、二次利用全过程流转信息也都将写入区块链，有助于提高废弃混凝土从处置到再生利用全过程的管理水平，实现建筑废弃混凝土的减量化、资源化、无害化。 图片上海石材行业协会团体标准试点规定废弃混凝土处置的工艺流程要求依托建筑废弃混凝土回收利用溯源管理系统，目前上海已初步构建起建筑废弃混凝土从产生、回收、再生产直至利用的闭环管理体系，涉及施工单位、监理单位
81050编辑于 2022-09-05 - 来自专栏囍楽云博客
高层建筑混凝土结构技术规程jgj3-2010-结构设计嵌固端如何确定？
前 言 建筑结构在进行结构分析计算之前必须首先确定结构嵌固端的所在位置，而嵌固端的选取按照《高层建筑混凝土结构技术规程》JGJ3-2010（以下简称“高规”）和《建筑抗震设计规范》GB5011- 地下室顶板满足梁板体系、最小板厚180、混凝土标号大于C30、最小配筋率0.25%等构造要求；地下一层梁、柱、墙等构件抗弯承载力做了提高，要求嵌固端下一层柱构件配筋单侧配筋是上层柱单侧配筋的1.1倍，梁构件支座部位按组合弯矩乘以 对一层地下室结构高层建筑混凝土结构技术规程jgj3-2010，嵌固端位置不同，虽然计算结果完全一致，但不符合规范精神，应尽量通过加大地下室相关范围构件截面尺寸，做到在地下室顶板嵌固。 程序在计算剪切刚度比的时候采用的是本层刚度与下一层的刚度比，因此，如果查看地下室顶板能否嵌固高层建筑混凝土结构技术规程jgj3-2010，带着地下室计算，查看正负0 层剪切刚度比RATX与RATY两值是否小于
2.2K20编辑于 2022-12-29 - 来自专栏工程监测
振弦传感器钢筋计埋设与安装方法及注意要点
振弦传感器钢筋计埋设与安装方法及注意要点振弦传感器钢筋计是一种常用于钢筋混凝土结构应变监测的传感器，其可以在钢筋受力时产生微小的振动信号，进而通过数据采集系统进行数据处理，得出钢筋受力状态的参数。 填充浇注混凝土钢筋计固化以后，需要在钢筋计周围填充浇注混凝土。填充混凝土的目的是为了固定钢筋计的位置，并且使其始终与钢筋处于同一水平面上。填充混凝土的同时，需要注意避免对钢筋计造成二次损伤。2.
48620编辑于 2023-11-15 智慧工地 AI 算法方案
质量管理系统利用 AI 图像识别技术对施工质量进行检测，如混凝土浇筑质量检测、钢筋绑扎质量检测等。对质量问题进行跟踪和管理，确保问题得到及时解决，提高施工质量。 （二）施工质量监控混凝土浇筑质量检测对混凝土浇筑过程进行实时监控，利用 AI 算法分析混凝土的浇筑质量，如表面平整度、密实度等。 及时发现混凝土浇筑过程中的质量问题，如漏振、过振等，并通知施工人员进行处理。钢筋绑扎质量检测通过图像识别技术检测钢筋的绑扎质量，包括钢筋间距、数量、绑扎牢固程度等。 ，对混凝土浇筑表面的图像进行分析，提取特征参数（如平整度、密实度等），并与预设的质量标准进行比较，判断混凝土浇筑质量是否合格。 质量评估：将提取的特征参数输入到训练好的质量评估模型中，模型输出混凝土浇筑质量的评估结果（合格或不合格）。
1K10编辑于 2024-11-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号