一种新拌自密实混凝土工作性能检测方法及装置

摘要

本申请提供一种新拌自密实混凝土工作性能检测方法及装置，所述方法包括：对获取到的每帧坍落扩展度图像进行校正；对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标；所述混凝土性能指标包括流动时间、最大扩展直径及离析程度。本申请能够通过轮廓识别技术计算新拌自密实混凝土的流动时间、最大扩展直径及离析程度，检测新拌自密实混凝土的工作性能。

说明书

技术领域

本申请涉及混凝土工作性能检测技术领域，具体是一种新拌自密实混凝土工作性能检测方法及装置。

背景技术

自密实混凝土(Self-Consolidating Concrete，以下简称SCC)是一种高性能混凝土，能够在自身重力的作用下流动密实，具有很好均质性。为保证工程的施工质量，在进行实际浇筑前，必须对SCC的工作性能进行检测。常用的SCC工作性能检测方法是做坍落扩展度试验。通过坍落扩展度试验可测得两个重要指标，坍落扩展度mini-SF及流动时间T

传统的SCC扩展度测量方法多采用人工测量。测量人员采用钢尺测量mini-SF，使用肉眼及秒表预估T

通常，在坍落扩展度试验结束后，还需对SCC进行离析程度的判断。SCC的离析是指混凝土中的粗骨料没有被细骨料和水泥浆均匀、充分地包裹。在混凝土坍落扩展度试验结束后，如若发现粗骨料在中央堆集或边缘有水泥浆析出，则表明此混凝土发生了离析。现有的方法是以石子径向分布梯度来表征SCC的离析程度，此方法需要选定一些特定点，如图2所示，并将石子取出计数，根据石子径向分布梯度，如图3所示，计算密度才可知SCC的离析程度。

SCC作为一种具有诸多优点的高性能混凝土，应用前景非常广泛。但迄今为止尚未有一个一致认同的离析程度判定方法。对SCC离析程度的表征方法，还存在无法量化、模糊等问题，绝大多数情况仍以目测作为唯一的表征手段。且在测量坍落扩展度mini-SF和流动时间T

发明内容

针对现有技术中的问题，本申请提供一种新拌自密实混凝土工作性能检测方法及装置，能够通过轮廓识别技术得到新拌自密实混凝土的流动时间、最大扩展直径及离析程度。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种新拌自密实混凝土工作性能检测方法，包括：

对获取到的每帧坍落扩展度图像进行校正；

对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标。

进一步地，所述对获取到的每帧坍落扩展度图像进行校正，包括：

针对所述获取到的每帧坍落扩展度图像进行边缘检测，得到对应的帧内所有物体的边缘轮廓图像；

从所述帧内所有物体的边缘轮廓图像中查找底板边缘轮廓图像，并确定所述底板边缘轮廓图像的轮廓坐标信息；

根据所述轮廓坐标信息生成对应的底板角点坐标信息；

根据所述底板角点坐标信息校正所述每帧坍落扩展度图像。

进一步地，所述混凝土性能指标包括：流动时间及最大扩展直径，所述对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标，包括：

基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别；

根据轮廓识别结果生成扩展时间与扩展直径的关系曲线，得到所述流动时间及所述最大扩展直径。

进一步地，所述混凝土性能指标包括：离析程度，所述对校正后的最后一帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标，包括：

基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别；

根据轮廓识别结果得到所述离析程度。

进一步地，基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别，包括：

根据获取到的每帧坍落扩展度图像中各像素点的灰度值计算各像素点之间的相似度；

建立所述相似度处于预设范围内的各像素点所组成的轮廓。

进一步地，基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别，包括：

根据获取到的最后一帧坍落扩展度图像中各像素点的HSV数值，得到最后一帧坍落扩展度图像的HSV数值范围；

根据所述最后一帧HSV数值范围对最后一帧坍落扩展度图像进行轮廓识别。

进一步地，根据轮廓识别结果得到所述离析程度，包括：

在轮廓区域内进行网格划分，分别得到每个网格中的特征参数；所述石子特征参数包括：石子数量及石子露出浆体的表面积；

根据所述每个网格中的石子特征参数计算所述离析程度。

第二方面，本申请提供一种新拌自密实混凝土工作性能检测装置，包括：

校正单元，用于对获取到的每帧坍落扩展度图像进行校正；

指标确定单元，用于对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标。

进一步地，所述校正单元，包括：

轮廓检测模块，用于针对所述获取到的每帧坍落扩展度图像进行边缘检测，得到对应的帧内所有物体的边缘轮廓图像；

轮廓坐标确定模块，用于从所述帧内所有物体的边缘轮廓图像中查找底板边缘轮廓图像，并确定所述底板边缘轮廓图像的轮廓坐标信息；

角点坐标确定模块，用于根据所述轮廓坐标信息生成对应的底板角点坐标信息；

校正模块，用于根据所述底板角点坐标信息校正所述每帧坍落扩展度图像。

进一步地，所述混凝土性能指标包括：流动时间及最大扩展直径，所述指标确定单元，包括：

每帧轮廓识别模块，用于基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别；

时间直径确定模块，用于根据轮廓识别结果生成扩展时间与扩展直径的关系曲线，得到所述流动时间及所述最大扩展直径。

进一步地，所述混凝土性能指标包括：离析程度，所述指标确定单元，包括：

最后一帧轮廓识别模块，用于基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别；

离析程度确定模块，用于根据轮廓识别结果得到所述离析程度。

进一步地，所述每帧轮廓识别模块，包括：

相似度确定子模块，用于根据获取到的每帧坍落扩展度图像中各像素点的灰度值计算各像素点之间的相似度；

每帧轮廓识别子模块，用于建立所述相似度处于预设范围内的各像素点所组成的轮廓。

进一步地，所述最后一帧轮廓识别模块，包括：

最后一帧数值范围确定子模块，用于根据获取到的最后一帧坍落扩展度图像中各像素点的HSV数值，得到最后一帧坍落扩展度图像的HSV数值范围；

最后一帧轮廓识别子模块，用于根据所述最后一帧HSV数值范围对最后一帧坍落扩展度图像进行轮廓识别。

进一步地，所述离析程度确定模块，包括：

石子特征确定子模块，用于在轮廓区域内进行网格划分，分别得到每个网格中的石子特征参数；所述石子特征参数包括：石子数量及石子露出浆体的表面积；

离析程度确定子模块，用于根据所述每个网格中的石子特征参数计算所述离析程度。

第三方面，本申请提供一种电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述新拌自密实混凝土工作性能检测方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述新拌自密实混凝土工作性能检测方法的步骤。

针对现有技术中的问题，本申请提供一种新拌自密实混凝土工作性能检测方法，能够通过计算新拌自密实混凝土的流动时间、最大扩展直径及离析程度，检测新拌自密实混凝土的工作性能。

附图说明

图1为现有技术中进行坍落扩展度试验检测的示意图；

图2为现有技术中获得离析程度时取特定点的示意图；

图3为现有技术中进行石子径向分布梯度统计分析的示意图；

图4为本申请实施例中新拌自密实混凝土工作性能检测方法的流程图；

图5为本申请实施例中对获取到的每帧坍落扩展度图像进行校正的流程图；

图6为本申请实施例中得到混凝土性能指标的流程图之一；

图7为本申请实施例中得到混凝土性能指标的流程图之二；

图8为本申请实施例中进行轮廓识别的流程图之一；

图9为本申请实施例中进行轮廓识别的流程图之二；

图10为本申请实施例中根据轮廓识别结果得到离析程度的流程图；

图11为本申请实施例中新拌自密实混凝土工作性能检测装置的结构图；

图12为本申请实施例中校正单元的结构图；

图13为本申请实施例中指标确定单元的结构图的结构图之一；

图14为本申请实施例中指标确定单元的结构图的结构图之二；

图15为本申请实施例中每帧轮廓识别模块的结构图；

图16为本申请实施例中最后一帧轮廓识别模块的结构图；

图17为本申请实施例中离析程度确定模块的结构图；

图18为本申请实施例中的电子设备的结构示意图；

图19为本申请实施例中的底板的四个角点；

图20为本申请实施例中的校正后的坍落扩展度图像；

图21为本申请实施例中的扩展时间与扩展直径的关系曲线示意图；

图22为本申请实施例中的Mask图像中水平方向与垂直方向的边界点示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图4，为了能够得到新拌自密实混凝土的流动时间、最大扩展直径及离析程度，本申请提供一种新拌自密实混凝土工作性能检测方法，包括：

S401：对获取到的每帧坍落扩展度图像进行校正；

S402：对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标。

可以理解的是，本申请实施例可以移动设备或计算机设备作为执行主体，执行本申请具体实施方式中的步骤。在实际工程中，当需采用本申请所述的方法进行新拌自密实混凝土工作性能检测时，可先利用移动设备上的摄像头录制新拌自密实混凝土坍落扩展度试验的全过程，并将录制好的视频存入移动设备的存储器中。然后将视频按帧进行提取，得到每帧坍落扩展度图像，将每帧坍落扩展度图像进行灰度处理后，可以对每帧坍落扩展度图像进行校正。在对每帧坍落扩展度图像进行校正后，可以利用轮廓识别技术得到扩展时间与扩展直径的关系曲线，最终得到混凝土性能指标中的流动时间及最大扩展直径两个指标；另可通过在轮廓区域内进行网格划分得到混凝土性能指标中的离析程度这一指标。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够通过计算新拌自密实混凝土的流动时间、最大扩展直径及离析程度，检测新拌自密实混凝土的工作性能。

参见图5，对获取到的每帧坍落扩展度图像进行校正，包括：

S501：针对所述获取到的每帧坍落扩展度图像进行边缘检测，得到对应的帧内所有物体的边缘轮廓图像；

S502：从所述帧内所有物体的边缘轮廓图像中查找底板边缘轮廓图像，并确定所述底板边缘轮廓图像的轮廓坐标信息；

S503：根据所述轮廓坐标信息生成对应的底板角点坐标信息；

S504：根据所述底板角点坐标信息校正所述每帧坍落扩展度图像。

可以理解的是，本申请实施例先用Canny边缘检测算子对每帧坍落扩展度图像进行边缘检测。在检测过程中，可将每帧坍落扩展度图像中的所有物体掏空，只剩边缘，从而得到帧内所有物体的边缘轮廓图像。由于在进行新拌自密实混凝土坍落扩展度试验时，需将新拌自密实混凝土放在一块底板上进行试验，因此每帧坍落扩展度图像中都会包含一块底板。一般而言，相较于每帧坍落扩展度图像中的其他物体，底板的边缘轮廓最大，因此利用跨平台计算机视觉和机器学习软件库OpenCV中的函数findcounter及drawcounter可很容易地将底板的边缘轮廓找到，并按顺时针方向将底板的边缘轮廓点绘出来。这样一来，由于底板通常为一正方形，底板的四个角点可通过点绘出来的线条得以确定，参见图19。一般而言，组成底板边缘轮廓的点的各坐标可以保存于一二维数组中，数组中的每一元素表示边缘轮廓中一个点的坐标信息，沿轮廓按顺时针方向储存。数组中最小的横坐标X

在进行坐标计算时，可以使用底板的实际值进行定位计算也可使用坍落扩展度图像中各点的像素值进行定位计算，像素值与实际值转换公式如下：

其中，p为目标长度的像素尺寸，d为坍落扩展度图像的位深度，l为目标长度的实际尺寸，2.54为英寸转为厘米的换算。利用此公式可将底板的实际尺寸转化为像素尺寸，便于进行底板的透视变换。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够对获取到的每帧坍落扩展度图像进行校正。

参见图6，所述混凝土性能指标包括：流动时间及最大扩展直径，所述对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标，包括：

S601：基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别；

可以理解的是，本申请实施例将校正后的每帧坍落扩展度图像加载到背景消除模型中可去除每帧坍落扩展度图像中的背景，这些背景包括但不限于底板，从而得到仅含新拌自密实混凝土的Mask图像。其中，背景消除模型能够针对视频中处于动态的物体进行分离。本申请实施例采用跨平台计算机视觉和机器学习软件库OpenCV中的函数BackgroundSubtractorKNN进行。

然后，采用分水岭算法继续对上述Mask图像进行边缘检测及轮廓识别，此时采用的是跨平台计算机视觉和机器学习软件库OpenCV中的函数Threshold。分水岭算法是一种图像区域分割方法，在分割的过程中，会先获取图像中各像素点的灰度值，然后根据各像素点的灰度值计算各像素点之间的相似度，从而将在空间位置上相近且灰度值相近的像素点互相连接起来，构成一个封闭的轮廓，最终完成对校正后的每帧坍落扩展度图像进行轮廓识别。经过这样识别后，可以去除Mask图像中的光影等噪声干扰，从而获得更加纯粹的每帧坍落扩展度图像，利于下一步骤处理，具体步骤可以参见S801～S802。

S602：根据轮廓识别结果生成扩展时间与扩展直径的关系曲线，得到所述流动时间及所述最大扩展直径。

可以理解的是，通过轮廓识别结果可以得出每帧坍落扩展度图像中新拌自密实混凝土的轮廓曲线。此时可以再次利用跨平台计算机视觉和机器学习软件库OpenCV中的函数findcounter及drawcounter，按顺时针方向将每帧中的新拌自密实混凝土的边缘轮廓点绘出来。一般而言，组成新拌自密实混凝土边缘轮廓的点的各坐标可以保存于一二维数组中，数组中的每一元素表示边缘轮廓中一个点的坐标信息，沿轮廓按顺时针方向储存。在数组中可以找到，最小的横坐标X

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标，即流动时间及最大扩展直径。

参见图7，所述混凝土性能指标包括：离析程度，所述对校正后的最后一帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标，包括：

S701：基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别；

S702：根据轮廓识别结果得到所述离析程度。

可以理解的是，本申请实施例将校正后的最后一帧坍落扩展度图像加载到背景消除模型中可去除每帧坍落扩展度图像中的背景，这些背景包括但不限于底板，从而得到最后一帧坍落扩展度图像所对应的仅含新拌自密实混凝土的Mask图像。

为了对最后一帧坍落扩展度图像进行轮廓识别，本申请实施例首先需要获得这张图像中各像素点在HSV色彩空间下的颜色取值，从而根据上述颜色取值将新拌自密实混凝土所在的区域识别出来，具体步骤可以参见S901～S902；然后，将该区域划分成60mm×60mm的网格；接下来再计算每个网格的面积，也就是3600mm2以及每个网格中所包含的石子数量。在计算每个网格中所包含的石子数量时，本申请实施例采用分水岭算法先分割出石子轮廓，并计算出各轮廓的质心及石子露出浆体的表面积，由质心的个数可得石子数量，同时可以通过观察石子露出浆体的表面积更好地判断离析程度。这里的石子数量及石子露出浆体的表面积可以统称为石子特征参数。其中，得到石子数量后，可以计算石子的分布率，也就是石子数量与该区域面积的比值，并根据石子的分布率判定新拌自密实混凝土的离析程度，具体步骤可以参见S1001～S1002。

在本申请实施例中，离析程度的判断标准可以按照下表执行：

本申请实施例中的石子分布率均值的计算公式可以为：

其中，α表示石子分布率均值，m表示各分割区域内的石子数量，S表示各分割区域的面积，是一常数，在本申请实施例中为3600mm

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标，即离析程度。

参见图8，基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别，包括：

S801：根据获取到的每帧坍落扩展度图像中各像素点的灰度值计算各像素点之间的相似度；

S802：建立所述相似度处于预设范围内的各像素点所组成的轮廓。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别。

参见图9，基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别，包括：

S901：根据获取到的最后一帧坍落扩展度图像中各像素点的HSV数值，得到最后一帧坍落扩展度图像的HSV数值范围；

S902：根据所述最后一帧HSV数值范围对最后一帧坍落扩展度图像进行轮廓识别。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别。

参见图10，根据轮廓识别结果得到所述离析程度，包括：

S1001：在轮廓区域内进行网格划分，分别得到每个网格中的石子数量；

S1002：根据所述每个网格中的石子数量计算所述离析程度。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够根据轮廓识别结果得到所述离析程度。

基于同一发明构思，本申请实施例还提供了一种新拌自密实混凝土工作性能检测装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于新拌自密实混凝土工作性能检测装置解决问题的原理与新拌自密实混凝土工作性能检测方法相似，因此新拌自密实混凝土工作性能检测装置的实施可以参见基于软件性能基准确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

参见图11，为了能够得到新拌自密实混凝土的流动时间、最大扩展直径及离析程度，从而检测新拌自密实混凝土的工作性能，本申请提供一种新拌自密实混凝土工作性能检测装置，包括：校正单元1101及指标确定单元1102。

校正单元1101，用于对获取到的每帧坍落扩展度图像进行校正；

指标确定单元1102，用于对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标。

参见图12，所述校正单元1101，包括：轮廓检测模块1201、轮廓坐标确定模块1202、角点坐标确定模块1203及校正模块1204。

轮廓检测模块1201，用于针对所述获取到的每帧坍落扩展度图像进行边缘检测，得到对应的帧内所有物体的边缘轮廓图像；

轮廓坐标确定模块1202，用于从所述帧内所有物体的边缘轮廓图像中查找底板边缘轮廓图像，并确定所述底板边缘轮廓图像的轮廓坐标信息；

角点坐标确定模块1203，用于根据所述轮廓坐标信息生成对应的底板角点坐标信息；

校正模块1204，用于根据所述底板角点坐标信息校正所述每帧坍落扩展度图像。

参见图13，所述混凝土性能指标包括：流动时间及最大扩展直径，所述指标确定单元1102，包括：每帧轮廓识别模块1301及时间直径确定模块1302。

每帧轮廓识别模块1301，用于基于图像的灰度值对校正后的每帧坍落扩展度图像进行轮廓识别；

时间直径确定模块1302，用于根据轮廓识别结果生成扩展时间与扩展直径的关系曲线，得到所述流动时间及所述最大扩展直径。

参见图14，所述混凝土性能指标包括：离析程度，所述指标确定单元1102，包括：最后一帧轮廓识别模块1401及离析程度确定模块1402。

最后一帧轮廓识别模块1401，用于基于图像的HSV数值范围对校正后的最后一帧坍落扩展度图像进行轮廓识别；

离析程度确定模块1402，用于根据轮廓识别结果得到所述离析程度。

参见图15，所述每帧轮廓识别模块1301，包括：相似度确定子模块1501及每帧轮廓识别子模块1502。

相似度确定子模块1501，用于根据获取到的每帧坍落扩展度图像中各像素点的灰度值计算各像素点之间的相似度；

每帧轮廓识别子模块1502，用于建立所述相似度处于预设范围内的各像素点所组成的轮廓。

参见图16，所述最后一帧轮廓识别模块1401，包括：最后一帧数值范围确定子模块1601及最后一帧轮廓识别子模块1602。

最后一帧数值范围确定子模块1601，用于根据获取到的最后一帧坍落扩展度图像中各像素点的HSV数值，得到最后一帧坍落扩展度图像的HSV数值范围；

最后一帧轮廓识别子模块1602，用于根据所述最后一帧HSV数值范围对最后一帧坍落扩展度图像进行轮廓识别。

参见图17，所述离析程度确定模块1402，包括：石子特征确定子模块1701及离析程度确定子模块1702。

石子特征确定子模块1701，用于在轮廓区域内进行网格划分，分别得到每个网格中的石子特征参数；所述石子特征参数包括：石子数量及石子露出浆体的表面积；

离析程度确定子模块1702，用于根据所述每个网格中的石子特征参数计算所述离析程度。

从硬件层面来说，为了能够得到新拌自密实混凝土的流动时间、最大扩展直径及离析程度，从而检测新拌自密实混凝土的工作性能，本申请提供一种用于实现所述新拌自密实混凝土工作性能检测方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(Processor)、存储器(Memory)、通讯接口(Communications Interface)和总线；其中，所述处理器、存储器、通讯接口通过所述总线完成相互间的通讯；所述通讯接口用于实现所述新拌自密实混凝土工作性能检测装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的新拌自密实混凝土工作性能检测方法的实施例，以及新拌自密实混凝土工作性能检测装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。

在实际应用中，新拌自密实混凝土工作性能检测方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通讯模块(即通讯单元)，可以与远程的服务器进行通讯连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通讯链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

图18为本申请实施例的电子设备9600的系统构成的示意框图。如图18所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图18是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，新拌自密实混凝土工作性能检测方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

S401：对获取到的每帧坍落扩展度图像进行校正；

S402：对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够通过计算新拌自密实混凝土的流动时间、最大扩展直径及离析程度，检测新拌自密实混凝土的工作性能。

在另一个实施方式中，新拌自密实混凝土工作性能检测装置可以与中央处理器9100分开配置，例如可以将数据复合传输装置新拌自密实混凝土工作性能检测装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现新拌自密实混凝土工作性能检测方法的功能。

如图18所示，该电子设备9600还可以包括：通讯模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图18中所示的所有部件；此外，电子设备9600还可以包括图18中没有示出的部件，可以参考现有技术。

如图18所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通讯功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通讯模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通讯模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通讯终端的情况相同。

基于不同的通讯技术，在同一电子设备中，可以设置有多个通讯模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通讯模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的新拌自密实混凝土工作性能检测方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的新拌自密实混凝土工作性能检测方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

S401：对获取到的每帧坍落扩展度图像进行校正；

S402：对校正后的每帧坍落扩展度图像进行轮廓识别，得到混凝土性能指标。

从上述描述可知，本申请提供的新拌自密实混凝土工作性能检测方法，能够通过计算新拌自密实混凝土的流动时间、最大扩展直径及离析程度，检测新拌自密实混凝土的工作性能。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。