[发明专利]一种基于支持向量机的混凝土智能振捣方法在审

专利信息
申请号: 202310090559.7 申请日: 2023-02-09
公开(公告)号: CN116309334A 公开(公告)日: 2023-06-23
发明(设计)人: 吴克洋;王帅;王爱勋;李文祥;陆通;陶志红;奚邦凤;王波;冯友雄;杨宏正;冯文康;江炼文;罗丰;谢帆;张新亮;王理;杨威;钱晨;杜光谦;杨天东 申请(专利权)人: 武汉建工集团股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T1/00;G06V10/764;G06V10/774;G06V10/80;G06V10/50;G06V10/54
代理公司: 武汉宇晨专利事务所(普通合伙) 42001 代理人: 王敏锋
地址: 430056 湖北省武汉市沌口经济开发*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 支持 向量 混凝土 智能 方法
【说明书】:

发明公开了一种基于支持向量机的混凝土智能振捣方法,包括:采集人工振捣模式漏振、缺振及振捣适度状态下振捣棒周围混凝土图像,并以此为样本进行支持向量机训练;通过泵送设备将混凝土卸料至施工区域;启动振捣电机,同时摄像头启动,采集振捣过程中混凝土图像,实时上传至计算机;将混凝土图像输入至训练完成的支持向量机模型,获取实时混凝土振捣图像在支持向量机训练空间中的位置;关闭振动电机,缓慢拔出振捣棒,进行下一区域混凝土振捣。本发明能够解决骨料颗粒整形效果依赖人工、无法批量处理、效率低下的问题。本发明结合图像识别灰度共生矩阵计算、图像方向梯度特征提取、支持向量机机器学习技术对混凝土振捣工艺进行控制。

技术领域

本发明涉及建筑工程的技术领域,尤其涉及一种基于支持向量机的混凝土智能振捣方法。

背景技术

混凝土作为建筑工程生产建设中必不可少的材料,其生产工艺与浇筑质量影响着建筑物整体强度。混凝土浇筑工艺流程为脚手架搭建-支模版-混凝土坍落度监测-混凝土浇筑-混凝土振捣-混凝土磨光-混凝土养护。混凝土振捣是其浇筑工艺中非常重要的部分,在生产过程中漏振或振捣不足,会导致结构出现蜂窝麻面、狗洞等质量问题,而过度振捣则会导致混凝土局部离析,粗骨料与细骨料分离,混凝土失去强度。

现阶段一般采用人工手持振捣棒的方式进行混凝土振捣,靠建筑工人的经验判断混凝土振捣是否适度,浇筑质量难以保证。随着建筑行业智能化进程的推进,使用机器人替代人工进行施工作业已成为未来发展趋势,需要一种智能化方法指挥机器人进行混凝土振捣作业,如何将人工经验传授给机器人,成为了智能化时代施工技术人员需要面对的难题。

发明内容

针对现有技术中的不足,本发明所要解决的技术问题是在于提供一种基于支持向量机的混凝土智能振捣方法,结合图像识别灰度共生矩阵计算、图像方向梯度特征提取、支持向量机机器学习技术,使用信息化技术对混凝土振捣工艺进行控制。

为了实现上述的目的,本发明采用以下技术措施:

一种基于支持向量机的混凝土智能振捣方法,包括以下步骤:

S10、采集人工振捣模式漏振、缺振及振捣适度状态下振捣棒周围混凝土图像,并以此为样本进行支持向量机训练;

S20、通过泵送设备将混凝土卸料至施工区域;

S30、启动振捣电机,同时摄像头启动,采集振捣过程中混凝土图像,实时上传至计算机;

S40、将混凝土图像输入至步骤S10中训练完成的支持向量机模型,获取实时混凝土振捣图像在支持向量机训练空间中的位置;

S50、持续振捣,直至实时混凝土振捣图像在支持向量机训练空间中位于适度振捣区域,关闭振动电机,缓慢拔出振捣棒,进行下一区域混凝土振捣。

进一步的,所述步骤S10中的支持向量机训练包括以下步骤:

S11、将步骤S10中采集的图像分为训练组与测试组,分别占图像总数80%与20%;

S12、分别计算训练组与测试组图像0°、45°、90°、135°方向灰度共生矩阵,归一化得到灰度共生矩阵特征向量;

S13、分别计算训练组与测试组归一化图像方向梯度特征向量;

S14、联立图像方向梯度特征向量与灰度共生矩阵特征向量,得到支持向量机特征向量;

S15、定义训练组图像支持向量机特征值,漏振、缺振图像该值为1,适度振捣图像特征值为-1;

S16、构建训练空间,训练空间的维数与支持向量机特征向量的维数相同;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉建工集团股份有限公司,未经武汉建工集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310090559.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top