一、DIC技术设备
DIC技术全称Digital Image Correlation,是一种非接触式的应力测试方法。DIC测试所需的设备包括高分辨率相机、两个馏分法固支式标点或汞池、加密DDS片(Dicdata Sheet),以及DIC分析软件等。
其中,相机的像素数目应该大于100万且高速(大于200帧/秒),可以通过红外摄像机、高速相机、线阵相机等方式实现。
标点的作用是定义技术观测窗口,其中任意两个馏分法固支式标点或汞池之间表示小窗口,一般选择两个窗口的大小不能超过2mm,并在进行实验前进行标记与校正。
DDS片是DIC测试中的数据采集卡,用于存储图像数据并将其转化成数字信号,DIC分析软件则可以将这些数据进行自动处理和分析。
二、DIC技术是什么意思
DIC技术是一种非接触式的应力测试方法,可以通过将图像视为载荷与位移之间的映射关系,直接获得测试件表面应变状态。相比于传统的应变测试方法,如应变计、型材伸缩计等,DIC技术不需要接触测试区域,因此可以避免材料刚度等因素对测试结果产生的影响。
三、DIC技术原理
DIC技术的原理可以简单概括为光学成像与计算机图像处理。比如,我们可以通过连续拍摄测试物表面的两幅图像,通过对比这两幅图像,可以得到被测点位移的大小或方向等信息,并进而求出被测点的应变。
成像的方法包括二维平面图像或三维图像,通常采用二维平面图像的方法进行实验。DIC技术对测试对象的表面有一定的平滑度要求,并且需要对比的参考点必须在相机视野内。
四、DIC技术全称
DIC技术全程Digital Image Correlation,主要是使用计算机技术,对高分辨率照片进行处理,从而求出在两幅照片之间物体的变形量,计算出物体表面的应力分布情况。
五、DIC技术介入
近年来,DIC技术在岩土工程中的应用已经越来越广泛。采用DIC技术可以对试验体的应变场、亚像素的位移和变形场进行精确的测量,并提供可靠的测试结果。在土体、混凝土等岩土材料及岩石试件的破坏试验或荷载试验中,DIC技术可以为研究该材料的力学性质提供有力的支持和保障。
六、DIC技术检测选取
在进行DIC检测前,需要对测试对象进行一定的准备工作。首先需要对测试对象表面进行平整处理,以确保成像的准确性。其次需要对测试对象表面进行标点操作,用于参照测试对象的表面变形状态。还需要在测试时保证光源的一致性,避免环境灰度和光线的波动等因素对测试结果产生干扰。
七、DIC技术研究现状
目前,DIC技术已经在岩土工程中被广泛应用。研究学者们也在持续不断的探索如何提高DIC技术的检测精度、准确度和实用性。例如,一些学者采用新型的标点技术和计算机算法,以提高DIC技术的检测效率和准确度。此外,还有学者致力于开发新的高速相机和光学成像探测技术,以应对DIC技术在复杂应力情况下的应用需求。
# Python实现DIC技术
import cv2
import numpy as np
# 获得测试物图像的信息
def get_image_points(filename):
# 下采样,减少计算量
img = cv2.resize(cv2.imread(filename), (0, 0), None, 0.5, 0.5)
# 转换成灰度图像,减少计算量和噪声干扰
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 对图像进行标点,定义ROI
ret, thresh = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
x, y, w, h = cv2.boundingRect(cnt)
# 返回测试物图像的关键点坐标以及ROI
return [np.array([[x, y], [x + w, y], [x + w, y + h], [x, y + h]], dtype=np.float32)], thresh[y:y + h, x:x + w]
# DIC测试函数
def dic_test(image1, image2, keypoints1, keypoints2):
# 计算关键点之间的位移
p1, st, err = cv2.calcOpticalFlowPyrLK(image1, image2, keypoints1, None, winSize=(21, 21), maxLevel=3)
p2, st, err = cv2.calcOpticalFlowPyrLK(image2, image1, p1, None, winSize=(21, 21), maxLevel=3)
# 计算前后两次位移之间的差值
d = abs(keypoints1 - p2).reshape(-1, 2).max(-1)
good = d < 1.5
# 计算DIC分析结果
if np.sum(good) > 20:
src_pts = keypoints1[good == 1]
dst_pts = keypoints2[good == 1]
homography, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
transform_image = cv2.warpPerspective(image2.copy(), homography, image2.shape[:2][::-1])
# 返回对测试物表面的变形状态分析结果
return transform_image
else:
return None
if __name__ == '__main__':
# 加载测试物图像,获得其关键点
img1, image1 = get_image_points('1.jpg')
img2, image2 = get_image_points('2.jpg')
keypoints1 = img1[0]
keypoints2 = img2[0]
# 进行DIC测试
result = dic_test(image1, image2, keypoints1, keypoints2)
# 显示DIC分析结果
if result is not None:
cv2.imshow('DIC Image', np.hstack([image2, result]))
cv2.waitKey()
八、DIC技术教学
DIC技术的教学需要涵盖计算机图像处理、光学成像、软件使用等多个领域的知识。除了理论知识外,学生还需要进行实际操作。在学习DIC技术时,需要注意对测试对象的准备工作及DIC测试所需要的设备的运用,以免对测试结果产生影响。
需要注意的是,DIC技术在应用中还存在一些局限性。例如在复杂的物理学中,DIC技术可能难以满足实际测试的需求。因此,在实际应用中,需要根据具体的应用要求,合理选择合适的测试方法。