ОЦЕНКА СОЛЕОБРАЗОВАНИЯ НА ЦЕМЕНТНЫХ КОМПОЗИТАХ ПО ОТСКАНИРОВАННЫМ ИЗОБРАЖЕНИЯМ Текст научной статьи по специальности «Технологии материалов»

СТРОИТЕЛЬНОЕ МАТЕРИАЛОВЕДЕНИЕ

УДК 620.1:691.32 DOI: 10.22227/1997-0935.2020.11.1523-1533

Оценка солеобразования на цементных композитах по отсканированным изображениям

В.Т. Ерофеев1, В.В. Афонин1, Т.Ф. Ельчищева2, М.М. Зоткина1, И.В. Ерофеева1

1 Национальный исследовательский Мордовский государственный университет имени Н.П. Огарева

(МГУ им. Н.П. Огарева); г. Саранск, Россия; 2 Тамбовский государственный технический университет (ТГТУ); г. Тамбов, Россия

АННОТАЦИЯ

Введение. Предлагается инженерная методика оценки солеобразования на поверхности цементных композитов при экспонировании в неблагоприятных условиях эксплуатации. В основу методики положен метод гистограмм по определению доминирующей яркости полутонового изображения отсканированных цементных композитов. Критерием ранжирования композитов служит относительная безразмерная величина — метрика, получаемая в результате сравнения яркости полутонового изображения с уровнем яркости белого цвета.

Материалы и методы. Выбраны три типа состава композитов в количестве 21 наименования, каждый из которых содержит три образца — контрольный и образцы, экспонированные в течение 15 и 45 суток при повышенной влажности и положительных температурах. Каждый состав композитов представлен отсканированным растровым изображением поверхности образцов. Изображения в дальнейшем подвергаются компьютерной цифровой обработке с помощью программы, составленной на языке программирования С++, и библиотеки технического зрения OpenCV. Это позволяет использовать имеющиеся методы и классы как для программной алгоритмизации поставленной задачи, так и для применения преобразования полноцветного изображения RGB в полутоновое изображение. Такие изображения используются для вычисления гистограмм, по которым определяется доминантный уровень яркости, который, в свою очередь, позволяет определить числовую метрику для количественной оценки солеобразования на поверхности образцов цементных композитов по их отсканированным изображениям. < И

Результаты. Приведено описание программного алгоритма определения солеобразования на поверхности образ- ( с цов цементных композитов, прошедших эксплуатационные испытания в условиях повышенной влажности при по- з Н ложительных температурах. Показаны особенности ранжирования образцов цементных композитов по значениям 5? к уровня доминирующей яркости относительно яркости контрольных образцов. Сравнительный анализ исследования ™

О S

представлен в виде числовых данных и пояснительных диаграмм.

Выводы. На основе проведенного программного моделирования показана целесообразность применения разработанной методики для оценки солеобразования на поверхности цементных композитов и других строительных мате- • . риалов, склонных к солеобразованию. o S

n S

КлючЕВыЕ слОВА: цементные композиты, солеобразование, гистограмма, доминантный уровень яркости, У _

RGB, полутоновое изображение, экспонирование o 9

Г —

Благодарности. Публикуется при поддержке гранта РФФИ РМ № 18-48-130013 «Комплексное исследование физи- a § ко-химических процессов в композиционных материалах на основе эпоксидных смол и других синтетических поли- o 5 меров, перспективных для применения в строительстве». ш "

О i ° n

ДлЯ ЦИТИРОВАНИЯ: Ерофеев В.Т., Афонин В.В., Ельчищева Т.Ф., Зоткина М.М., Ерофеева И.В. Оценка со- s ш леобразования на цементных композитах по отсканированным изображениям // Вестник МГСУ. 2020. Т. 15. Вып. 11. U S С. 1523-1533. DOI: 10.22227/1997-0935.2020.11.1523-1533 i N

П 2 ш 0

Using scanned images to estimate salt formation on the surface C g

of cement composites C °

о

о

It — d i r =!

cd cd

Vladimir T. Erofeev1, Victor V. Afonin2, Tatiana F. Elchishcheva1,

Marina M. Zotkina1, Irina V. Erofeeva1 U o

1 National Research Ogarev Mordovia State University; Saransk, Russian Federation; 3 1

2 Tambov State Technical University (TSTU); Tambov, Russian Federation ® w

5 B

ABSTRACT S □

U> <

Introduction. An engineering method is proposed for assessing salt formation on the surface of cement composites ex- e O

posed to adverse operating conditions. The technique is based on the histogram method used to determine the dominant w 1

brightness of the half-tone image of scanned cement composites. The criterion for ranking composites is a relative dimen- , ,

sionless value — a metric obtained by comparing the brightness of a grayscale image with the brightness level of white. 2 2

Materials and methods. We selected three types of compositions of composites in the amount of 21 items; each of them 2 2

contains three samples — a control sample and samples exposed to high humidity and positive temperatures for 15 and 45 00 days. Each composition is represented by a scanned raster image of the sample surface. The images are further subjected

© В.Т. Ерофеев, В.В. Афонин, Т.Ф. Ельчищева, М.М. Зоткина, И.В. Ерофеева, 2020 Распространяется на основании Creative Commons Attribution Non-Commercial (CC BY-NC)

1523

to digital processing using a software program written in the C++ programming language and the OpenCV technical vision library. This allows you to use the available methods and classes to develop algorithms to solve the problem in question and to convert a full-color RGB image to a grayscale image. Such images are used to analyze histograms, which determine the dominant level of brightness to determine the numerical metric for quantifying the salt formation on the surface of cement composite samples on the basis of their scanned images.

Results. A description of the software algorithm, used to detect salt formation on the surface of cement composite specimens that have passed performance tests under high humidity conditions at positive temperatures, is presented. The method of ranking cement composite samples using the values of their dominant brightness relative to the brightness of control samples is shown. The comparative analysis of the study is presented in the form of numerical data and explanatory diagrams. Conclusions. Software modeling is employed to demonstrate the expediency of the methodology for the assessment of salt formation on the surface of cement composites and other building materials prone to salt formation.

KEYwoRDs: cement composites, salt formation, histogram, dominant brightness level, RGB, grayscale image, exposure

Acknowledgements: Published with the support from RFBR RM grant No. 18-48-130013 "Comprehensive study of physical and chemical processes in composite materials containing epoxy resins and other synthetic polymers, having strong potential for use in construction".

FoR CITATIoN: Erofeev V.T., Afonin V.V., Elchishcheva T.F., Zotkina M.M., Erofeeva I.V. Using scanned images to estimate salt formation on the surface of cement composites. Vestnik MGSU [Monthly Journal on Construction and Architecture]. 2020; 15(11):1523-1533. DOI: 10.22227/1997-0935.2020.11.1523-1533 (rus.).

ВВЕДЕНИЕ

Цементные композиты и другие строительные материалы постоянно изучаются различными исследователями и научными школами. Большое внимание уделяется поведению цементных композитов о о и строительных конструкций в экстремальных ус-

м м

о о ловиях эксплуатации [1-9].

С>1 С>1 Определенные исследования связаны с соле-т- т- образованием на цементных композитах и строи-15 ® тельных материалах [10-13]. Как показано в перес in численных источниках, эти работы имеют важное щ in практическое значение. Поэтому в данной статье ^ также затрагиваются вопросы солеобразования £ на цементных композитах, выдержанных в экстре-о — мальных эксплуатационных условиях. В основу

н £

. > исследований положено предположение, что визу-^ ф альным результатом солеобразования является из-Ü -3 менение яркости поверхности композитов в сторо-Sну ее приближения к белому цвету. В связи с этим g У применяются методы цифровой обработки отскани--о рованных изображений образцов композитов, вы° держанных в неблагоприятных условиях. В частного S

z .2 сти, предлагается применение метода гистограмм,

$ 2 с помощью которого определяется доминантный

i= уровень яркости соответствующего полутонового

^ о изображения. Предварительно осуществляется пре-

§ образование полноцветного изображения цветовой

cd модели RGB (Red, Green, Blue - красный, зеленый,

r-i. синий цвета, аддитивная цветовая модель изо-о

бражения) в полутоновое изображение в оттенках

z £ серого цвета (grayscale). Для этого используются

от классы и методы библиотеки технического зрения

* • OpenCV. Существующие в настоящее время различ-

W 5) ные методы и приемы оценки качества растровых

S ^ изображений включают также оценку качества це-

| ментных композитов и других строительных мате-

¡Е = риалов [14-24].

Ф ¡R При цифровой обработке изображений с помоев >

щью метода гистограмм имеются определенные на-

работки, которые с успехом применяются в различных сферах [25-32]. С помощью метода гистограмм можно получить интегральную оценку распределения яркости изображений. Этот метод положен в основу разработанной авторами методики определения количества солей на поверхности цементных композитов, экспонированных в неблагоприятных условиях.

Как известно, гистограмма — это график распределения интенсивности в изображении [25, 26]. На горизонтальной оси графика откладывается шкала яркостей тонов от черного до белого, на вертикальной оси — число пикселей заданной яркости. Шаг по оси абсцисс соответствует одному уровню яркости, всего имеется 256 значений уровня. В данном случае метод гистограмм используется не для улучшения качества изображения, а для выявления особенностей поверхности образцов материала, произошедших в результате экспонирования цементных композитов при неблагоприятных условиях эксплуатации. Для этого определяется доминирующий уровень яркости, который сравнивается с величиной яркости белого цвета. На основе этого устанавливаются те изображения композитов, у которых доминантный уровень яркости гистограммы приближается к белому цвету, соответствующему величине уровня, равной 255.

МАТЕРИАЛЫ И МЕТОДЫ

Всего было изготовлено три группы составов цементных композитов. В качестве основы в составах всех композитов применялся цемент ульяновский ПЦ500 Д0. В первой группе в состав композитов дополнительно вводились следующие компоненты: вода; гиперпластификатор (ГП) МеШих 164№; суперпластификаторы (СП) «ФортрайсТМ» Стронг и Хидетал-П-5; микрокремнезем (МК), песок молотый (микрокварц); песок фракции 0-0,63 мм и песок фракции 0,63-2,5 мм.

1524

Во второй группе в состав вводились: вода; ГП Melflux 5581; МК, песок молотый (микрокварц); песок фракции 0,63-2,5 мм; биоцидные добавки — MultiDEZ Дезинфектант, Teflex Универсальный, Тефлекс-Антиплесень и Ультрадез-Био. В третьей группе в составе композитов присутствовала вода, неактивированная и активированная по различным режимам. Номера и имена составов цементных композитов приняты в соответствии с табл. 1.

Табл. 1. Составы цементных композитов Table 1. Compositions of cement composites

1-я группа 1st group 1 2 3 4 5 6 7 8 9

2-я группа 2st group Т1 Т2 Т3 Т5 Т6 Т8 Т9 Т17

3-я группа 3st group МО М1 М3 М6

Образцы цементных композитов испытыва-лись при повышенной влажности (98 %) и переменных повышенных температурах (от 23 до 60 °С) [3, 5] в течение 15 и 45 суток. В качестве материалов для исследования были приняты тестовые изображения, полученные в результате метода прямого сканирования [16]. Каждый состав композита имел три отсканированных изображения. Всего рассматривался 21 состав образцов и, соответственно, 63 изображения. Для проведения компьютерной обработки изображений поверхностей составы распределялись по каталогам.

Общая схема обработки изображений и определения доминантного уровня яркости показана на рис. 1.

Кроме определения доминантного уровня яркости, предлагается использовать специальный расчет числовой метрики, представляющей безразмерную величину и характеризующей степень приближения доминантной яркости отсканированного изображения к белому цвету.

При испытании серии образцов (img1, img2, ...) ожидаемо будет изменяться доминантный уровень яркости. Пусть будет т изображений в каждом каталоге (рис. 1). Тогда возможны два основных случая: когда доминантный уровень яркости т-го изображения превышает значение уровня яркости изображения контрольного образца и когда он меньше указанного уровня яркости. Это означает, что изображения цементных композитов могут быть разделены на две группы. Величина сравнения соответствует яркости, равной 255.

Считая, что рассматриваются не монохромные изображения, можно заключить, что они имеют начальный уровень яркости менее 255. Для заданного состава композита обозначим уровень яркости полутонового изображения контрольного образца через йКге^ а последнего — через аЕМ. Тогда расчет числовой метрики Б1 для первой группы изображений будет определяться по следующему выражению:

D1 =

255-((nd-¿First)

255

Очевидно, что если цветовые показатели поверхности образцов не меняются при экспонировании, то метрика будет стремиться к 1. Соответственно, в другом предельном случае метрика будет стремиться к нулю, указывая на возникновение со-леобразования на поверхности образцов.

< п i H G Г

S 2

0 œ

n СО

1 s

y ->■ J со

u -

^ I

n °

S 3

о s

n)

СЛ '

CO CO

Рис. 1. Схема определения доминантного уровня яркости Fig. 1. Dominant brightness level identification flow chart

n S 0

SS66

r 6 c О

• ) n

® w

л ' (Л DO ■ T

s У с о <D *

ы ы о о 10 10 о о

1525

о о

сч N

о о

N N

к ш

U 3

> (Л

с и to in

U> щ

il <D <u

о ё

Вторая метрика Б2 определяется для второй группы изображений, когда доминантный уровень яркости не превышает При этом снача-

ла определяется уровень яркости гистограммы для предпоследнего испытания, например, с обозначением й?2М. Тогда величина сЕпаА может превышать или не превышать величину <з?2М. В последнем случае метрика Б2 будет определяться по выражению:

D2 =

255-((iret-iffind)

255

Если dEnd превышает с(2т&, то это означает, что возникает тенденция приближения доминантного уровня яркости к белому цвету. Поэтому следует наложить «штрафные санкции», т.е. численным образом зафиксировать данную нежелательную тенденцию:

D2 =

255 -((iret + (<ffind- ißnd))

255

Если учесть возможность возникновения отрицательной метрики, то расчет должен быть выполнен по формуле:

D2 =

((st +((nd-i/2nd)) -255

255

от " от E

— -ь^

^ ел .Е § с

Ю о

о Е

fe ° СП ^

v-

£ £

от °

>>

£ w

■S

iE 35

О (О

Метрика Б2 в общем случае принадлежит отрезку [0; 1]. При этом для образцов без солеобразования на их поверхности метрика Б2 стремится к единице.

При проведении численных экспериментов использовалась программа, написанная на языке программирования С++, и библиотека ОрепСУ в которой существуют методы по преобразованию цветовых пространств и вычислению гистограмм для полутоновых изображений.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Экспонирование исследуемых образцов цементных композитов выполнялось по следующему термоциклу:

1. Нагрев образцов композитов от комнатной температуры 23 до 60 °С при влажности 98 %, продолжительность нагрева около 5 мин.

2. Выдержка образцов при температуре 60 °С и влажности 98 % в течение 9 часов.

3. Естественное остывание образцов при выключенной камере до комнатной температуры 23 °С при влажности 98 % в течение не менее 5 часов.

4. Выдержка образцов при температуре 23 °С и влажности 98 % в течение 9 часов.

Точки временного сканирования образцов каждого из составов цементных композитов составляют 0, 15 и 45 суток. Рассматривался 21 состав материалов с приведенными выше обозначениями— 1, 2, 3, 4, 5, 6, 8, 9, 10, Т1, Т2, Т3, Т5, Т6, Т8, Т9, Т17, М0, М1, М3, М6. Всего исследовалось 63 образца.

Результаты обработки отсканированных изображений образцов цементных композитов сведе-

ны в табл. 2 и 3. При этом в табл. 2 представлены результаты ранжирования первой группы изображений, «худших» с точки зрения наличия высолов на поверхности образцов цементных композитов. В табл. 3 приведены результаты ранжирования второй группы изображений — «лучших» образцов с меньшим высаливанием на поверхности.

Установлено, что образец состава 8 является наиболее стойким к солеобразованию, а образец состава Т17 — менее стойкий к солеобразованию.

На рис. 2 и 3 показано изменение доминантных уровней яркости «лучшего» состава 8 и «худшего» состава Т17.

На рис. 4 и 5 приведены отсканированные изображения поверхностей образцов составов 8 и Т17, где рисунки под буквами a, b и c — продолжительность выдержки образцов до испытаний, соответственно, 0 суток (контрольный образец), 15 и 45 суток. Состав исследуемых цементных композитов отражен в табл. 4, 5 и 6.

Табл. 2. Результаты ранжирования первой группы изображений («худших») образцов Table 2. The 1st group of sample images (the worst ones). Ranking results

Имена / The names Метрика / Metrics

Т17 0,823529

М0 0,827451

М1 0,858824

М3 0,866667

Т2 0,886275

Т1 0,901961

2 0,933333

4 0,937255

9 0,937255

М6 0,949020

Т8 0,949020

Т6 0,956863

Т3 0,972549

10 0,976471

6 0,984314

Табл. 3. Результаты ранжирования второй группы изображений («лучших») образцов Table 3. The 2nd group of sample images (the best ones). Ranking results

Имена / The names Метрика / Metrics

8 0,976471

5 0,972549

Т5 0,972549

3 0,898039

1 0,584314

Т9 0,533333

1526

Рис. 2. Изменение доминантной яркости состава 8 за время экспонирования

Fig. 2. Changing the dominant brightness of composition 8 in the course of exposure

Рис. 3. Изменение доминантной яркости состава Т17 за время экспонирования

Fig. 3. Changing the dominant brightness of composition T17 in the course of exposure

< П

i H G Г

S 2

о n

1 s

y ->■

J со

U I I

n

ss- 3

o s

o(i n

Q.

CO CO

Рис. 4. Изображения состава 8 Fig. 4. Images of composition 8

Рис. 5. Изображения состава Т17 Fig. 5. Images of composition Т17

n s g

SS

r 6

• ) n

® w

л '

(Л DO ■

s у с о <D *

ы ы о о 10 10 о о

c

c

1527

С использованием метода кластерного анализа исследуемые образцы могут быть ранжированы по величине введенных метрик, что позволит их разделить на классы и выбрать из них наиболее стойкие к солео-

бразованию на поверхности материала в неблагоприятных условиях экспонирования. Это можно выполнить для каждой из двух групп образцов цементных композитов, характеризующихся метриками Б1 и Б2.

Табл. 4. Содержание компонентов в составах первой группы Table 4. The content of components in the 1st group compositions

Номер состава Composition number Цемент ульяновский ПЦ500 Д0 Cement Ulyanovsk PC500 D0 Вода Water ГП Melflux 1641F GP Melflux 1641F СП «Фортрайс™» Стронг JV "Fortress TM" Strong СП Хидетал-П-5 JV Hidetal-P-5 Микрокремнезем Microsilica Песок молотый (микрокварц) Ground sand (microquartz) Песок, фракция 0-0,63 мм Sand, grain size 0-0.63 mm Песок, фракция 0,63-2,5 мм Sand, fraction 0.63-2.5 mm

1 1 0,267 — — — — — — —

2 1 0,35 — — — — — — —

3 1 0,171 0,009 — — — — — —

4 1 0,56 0,009 — — — 1,1 2,753 2,347

5 1 0,475 0,009 — — 0,1 0,75 1,775 1,975

6 1 0,525 0,009 — — — — 2,065 1,76

7 1 0,56 0,009 — — — — 2,51 2,14

8 1 0,56 — — 0,012 — 0,825 2,065 1,76

9 1 0,261 — 0,0151 — — — — —

10 1 0,289 — — 0,0151 — — — —

Табл. 5. Содержание компонентов в составах второй группы Table 5. The content of components in the 2nd group compositions

Имена составов Squad names Цемент ульяновский ПЦ500 Д0 Cement Ulyanovsk PC500 D0 Вода Water OO 00 55 5 5 x x uu s s II ГП GP Микрокремнезем Microsilica Песок молотый (микрокварц) Ground sand (microquartz) Песок, фракция 0,63-2,5 мм Sand, fraction 0.63-2.5 mm Биоцидная добавка Biocidal additive

MultiDEZ Дезинфектант MultiDEZ Disinfectant Teflex Универсальный Teflex Universal Ультрадез-Био Ultradez Bio Тефлекс-Анти-плесень Teflex-Anti-mold

Т1 1 0,267 — — — — — — — —

Т2 1 0,267 — — — — 0,03 — — —

Т3 1 0,267 — — — — — 0,03 — —

Т5 1 0,35 — — — — — — — —

Т6 1 0,35 — — — — 0,03 — — —

Т8 1 0,35 — — — — — — 0,03 —

Т9 1 0,195 0,009 — — — — — — —

Т17 1 0,267 — — — — — — — 0,03

1528

Табл. 6. Содержание компонентов в составах третьей группы Table 6. Content of components in the 3rd group compositions

Имена составов Squad names Цемент ульяновский ПЦ500 Д0 Cement Ulyanovsk PC500 D0 Вода неактивированная Non-activated water Вода, активированная по режиму Э + М (1-1) Water activated according to the E + M mode (1-1) Вода, активированная по режиму Э + М (3-3) Water activated in the E + M mode (3-3) Вода, активированная по режиму Э + М (6-6) Water activated in the E + M mode (6-6)

М0 1 0,267 — — —

М1 1 — 0,264 - —

М3 1 — — 0,260 —

М6 1 — — — 0,264

ЗАКЛЮЧЕНИЕ И ОБСУЖДЕНИЕ

На основе приемов и методов цифровой обработки изображений разработана инженерная методика оценки солеобразования на поверхности цементных композитов, прошедших экспонирование в неблагоприятных условиях эксплуатации. Приведены основные расчетные формулы для вычисления числовых метрик, характеризующих степень солеобразования на поверхности цементных композитов. Расчеты выполнены на основе предположения, что степень солеобразования отображается изменением цветовых характеристик отсканированных образцов в сторону смещения к белому цвету.

Предложенная методика может быть использована в случаях, когда имеется не менее трех отсканированных образцов одного и того же испытуемого объекта исследования, в первую очередь строительных материалов.

К перспективе развития рассматриваемой темы можно отнести классификацию рассматриваемых и других цементных композитов по стойкости к высаливанию на поверхности образцов в неблагоприятных условиях экспонирования в зависимости от состава и введенных добавок. В то же время авторы считают, что в направлении проведенных исследований есть еще нерешенные вопросы, и готовы рассмотреть замечания и предложения в свой адрес.

< п

iH G Г

S 2

ЛИТЕРАТУРА

1. Nasir M., Baghabra Al-Amoudi O.S., Masle-huddin M. Effect of placement temperature and curing method on plastic shrinkage of plain and pozzolanic cement concretes under hot weather // Construction and Building Materials. 2017. Vol. 152. Pp. 943-953. DOI: 10.1016/j.conbuildmat.2017.07.068

2. Ерофеева И.В., Федорцов В.А., Афонин В.В., Емельянов Д.В., Подживотов Н.Ю., Моисеев В.В. и др. Исследования влияния циклически действующих отрицательных и положительных температур на демпфирующие свойства цементных композитов // Chemical Bulletin. 2018. Т. 1. № 3. С. 42-51.

3. Shi C., Wu Z., Cao Z., Ling T.C., Zhang J. Performance of mortar prepared with recycled concrete aggregate enhanced by CO2 and pozzolan slurry // Cement and Concrete Composites. 2018. Vol. 86. Pp. 130-138. DOI: 10.1016/j.cemconcomp.2017.10.013

4. Rao D.D.V.P., Narayana N.L. Properties of multi component composite cement concrete // International Journal of Engineering Research and General Science. 2017. Vol. 5. Issue 1. P. 54-61.

5. Shi C., Li Y., Zhang J., Li W., Chong L., Xie Z. Performance enhancement of recycled concrete aggregate — A review // Journal of Cleaner Produc-

tion. 2016. Vol. 112. Pp. 466-472. DOI: 10.1016/j. jclepro.2015.08.057

6. Ермилова Е.Ю., Камалова З.А., Рахимов Р.З., Щелконогова Я.В. Определение состава продуктов гидратации композиционного цементного камня с комплексной добавкой термоактивированной полиминеральной глины и известняка // Известия Казанского государственного архитектурно-строительного университета. 2017. № 4 (42). С. 289-295.

7. Береговой А.М., Береговой В.А. Температур-но-влажностное состояние наружных ограждений в условиях фазовых переходов влаги и агрессивных воздействий среды // Региональная архитектура и строительство. 2017. № 3. С. 99-104.

8. Перехоженцев А.Г., Груздо И.Ю. Темпера-турно-влажностное состояние поверхностных слоев наружных ограждающих конструкций зданий // Бюллетень строительной техники. 2016. № 6 (982). С. 70-71.

9. Mukesh K., Singh S.K., Singh N.P., Singh N.B. Hydration of multicomponent composite cement: OPC-FA-SF-MK // Construction and Building Materials. 2012. Vol. 36. Pp. 681-686. DOI: 10.1016/j.conbuild-mat.2012.06.055

0 сл

n со

1 s

У ->■

J to

u -

^ I

n ° S> 3

0 s

01 n

Q.

CO CO

n S 0

r 6 c О

• )

Г

Г ! л ' 01 П

■ T

s У с о

<D Ж

ы ы о о 10 10 о о

1529

10. Ramezanianpour A.A., Peydayesh M., Nadoushan M.J. De-icing salt scaling resistance of concrete containing new composite cement // Conference: XXI Nordic Concrete research Symposium. Hameen-linna, Finland. 2018. URL: https://www.researchgate. net/publication/323337594_De-icing_Salt_Scaling_Re-sistance_of_Concrete_Containing_New_Composite_ Cement

11. Ерофеев В.Т., Ельчищева Т.Ф. Влажност-ный режим помещений зданий при наличии в материале стен гигроскопических солей // Известия высших учебных заведений. Строительство. 2018. № 12 (720). С. 62-74.

12. Farnam Y., Washington T., Weiss J. The influence of calcium chloride salt solution on the transport properties of cementitious materials // Advances in Civil Engineering. 2015. Vol. 2015. Pp. 1-13. DOI: 10.1155/2015/929864

13. Durability of concrete and cement composites / ed. by C.L. Page and M.M. Page. Woodhead Publishing Limited, 2007. 415 p.

14. Cai J., Luo J., Wang S., Yang S. Feature selec-o о tion in machine learning: A new perspective // Neuro° ° computing. 2018. Vol. 300. Pp. 70-79. DOI: 10.1016/j.

neucom.2017.11.077

• (D 15. Palchikova I.G., Smirnov E.S., Palchikov E.I. > jo Quantization noise as a determinant for color thres-2 holds in machine vision // Journal of the Optical Society ™ ? of America A. 2018. Vol. 35. Issue 4. P. B214. DOI:

£ 10.1364/JOSAA.35.00B214 О -Ц 16. Черушова Н.В., Митина Е.А., Касимки-

• на М.М., Афонин В.В., Ерофеев В.Т. Оценка изме-

с 2 нения декоративных свойств лакокрасочных мате-

О & риалов под воздействием эксплуатационных фак----- "t^

о £ торов // Вестник Мордовского университета. 2008.

§В < № 4. С. 124-127.

4 73

о § 17. Афонин В.В, ЕрофееваИ.В., ЗоткинаМ.М.,

™ о Емельянов Д.В, Подживотов Н.Ю. Эталонная оцен-tj

$ 2 ка качества изображений композиционных матери—

с алов, подверженных воздействию положительных .Е о

£ о и отрицательных температур // Вестник МГСУ.

£ о 2019. Т. 14. № 1. С. 83-93. DOI: 10.22227/1997-

о Е 0935.2019.1.83-93 n- 13

cn ° 18. Ефлов В.Б., Копарев В.С., Васильев С.Б.

11 j= Разработка метода оптического анализа изображе-

$ (5 ния поверхности образца древесно-цементного ком-

• 1т позита // Resources and Technology. 2014. Т. 11. № 1. о w С. 77-110. DOI: 10.15393/j2.art.2014.2841

5 19. Демин О.В., Смолин Д.О., Першин В.Ф. ¥

s £ Оценка качества смеси сыпучих материалов на ос-g ■£ нове анализа их цифровых изображений // Совре-^ менные проблемы науки и образования. 2013. № 2. С. 157.

20. Бабкин П.С., Павлов Ю.Н. Анализ и сравнение объективных методов оценки качества изображений // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2014. № 9. С. 203-215. DOI: 10.7463/0914.0726368

21. Сидоров Д.В. К вопросу оценки качества множества восстановленных изображений // Прикладная информатика. 2008. № 4 (16). С. 92-95.

22. Yeganeh H, Wang Z. Objective quality assessment of tone-mapped images // IEEE Transactions on Image Processing. 2013. Vol. 22. Issue 2. Pp. 657-667. DOI: 10.1109/tip.2012.2221725

23. Gu K., Zhou J., Zhai G., Lin W., Bovik A.C. No-reference quality assessment of screen content pictures // IEEE Transactions on Image Processing.

2017. Vol. 26. Issue 8. Pp. 4005-4017. DOI: 10.1109/ tip.2017.2711279

24. Старовойтов В.В., Старовойтов Ф.В. Сравнительный анализ безэталонных мер оценки качества цифровых изображений // Системный анализ и прикладная информатика. 2017. № 1. С. 24-32.

25. Mahdi A., Su M., Schlesinger M., Qin J. A comparison study of saliency models for fixation prediction on infants and adults // IEEE Transactions on Cognitive and Developmental Systems. 2018. Vol. 10. Issue 3. Pp. 485-498. DOI: 10.1109/TCDS.2017.2696439

26. Suhas S., Venugopal C.R. An efficient MRI noise removal technique using linear and nonlinear filters // International Journal of Computer Applications.

2018. Vol. 179. Issue 15. Pp. 17-20. DOI: 10.5120/ ijca2018915777

27. Wang W., Shen J. Deep visual attention prediction // IEEE Transactions on Image Processing. 2018. Vol. 27. Issue 5. Pp. 2368-2378. DOI: 10.1109/ tip.2017.2787612

28. Моисеев А.А. Апостериорное сопровождение элементов групповой цели // Радиопромышленность. 2020. Т. 30. № 2. С. 25-31. DOI: 10.21778/2413-9599-2020-30-2-25-31

29. Денисова А.Ю., Сергеев В.В. Алгоритмы построения гистограмм многоканальных изображений с использованием иерархических структур данных // Компьютерная оптика. 2016. Т. 40. № 4. С. 535-542. DOI: 10.18287/2412-6179-2016-40-4-535-542

30. Дольник А.С. Активный метод построения гистограмм оценки селективности при строковых запросах XML // Стохастическая оптимизация в информатике. 2006. Т. 2. С. 176-189.

31. Ma J., Fan X., Yang S.X., Zhang X., Zhu X. Contrast limited adaptive histogram equalization based fusion for underwater image enhancement. 2017. 2017030086. DOI: 10.20944/preprints201703.0086.v1

32. Sharma V. Analysis of contrast enhancement effects on histogram // H&ES Research. 2017. Vol. 9. № 1. Pр. 60-66.

1530

Поступила в редакцию 17 августа 2020 г. Принята в доработанном виде 12 ноября 2020 г. Одобрена для публикации 20 ноября 2020 г.

Об авторах: Владимир Трофимович Ерофеев — доктор технических наук, профессор, академик РААСН, декан архитектурно-строительного факультета, заведующий кафедрой строительных материалов и технологий; Национальный исследовательский Мордовский государственный университет имени Н.П. Огарева (МГУ им. Н.П. Огарева); 430005, г. Саранск, ул. Большевистская, д. 68; РИНЦ ID: 161483, Scopus: 56662851300, Researcher-ID: A-7827-2017, ORCID: 0000-0001-8407-8144; [email protected];

Виктор Васильевич Афонин — кандидат технических наук, доцент, доцент кафедры автоматизированных систем обработки информации и управления; Национальный исследовательский Мордовский государственный университет имени Н.П. Огарева (МГУ им. Н.П. Огарева); 430005, г. Саранск, ул. Большевистская, д. 68; РИНЦ ID: 101166, ORCID: 0000-0001-7976-9792; [email protected];

Татьяна Федоровна Ельчищева — кандидат технических наук, доцент, доцент кафедры архитектуры и строительства зданий; Тамбовский государственный технический университет (ТГТУ); 392000, г Тамбов, ул. Советская, д. 106; РИНЦ ID: 318240, ORCID: 0000-0002-0241-3808; [email protected];

Марина Михайловна Зоткина — кандидат технических наук, доцент, доцент кафедры строительных материалов и технологий; Национальный исследовательский Мордовский государственный университет имени Н.П. Огарева (МГУ им. Н.П. Огарева); 430005, г Саранск, ул. Большевистская, д. 68; РИНЦ ID: 572405, ORCID: 0000-0001-6095-5667; [email protected];

Ирина Владимировна Ерофеева — кандидат технических наук, старший преподаватель кафедры геодезии, картографии и геоинформатики; Национальный исследовательский Мордовский государственный университет имени Н.П. Огарева (МГУ им. Н.П. Огарева); 430005, г. Саранск, ул. Большевистская, д. 68; РИНЦ ID: 761852; [email protected].

REFERENCES

1. Nasir M., Baghabra Al-Amoudi O.S., Masle-huddin M. Effect of placement temperature and curing method on plastic shrinkage of plain and pozzolanic cement concretes under hot weather. Construction and Building Materials. 2017; 152:943-953. DOI: 10.1016/j. conbuildmat.2017.07.068

2. Erofeeva I.V., Fedortsov V.A., Afonin V.V., Emelyanov D.V., Podzhivotov N.Yu., Moiseev V.V. et al. Studies of the influence of cyclically acting negative and positive temperatures on the damping properties of cement composites. Chemical Bulletin. 2018; 1(3):42-51. (rus.).

3. Shi C., Wu Z., Cao Z., Ling T.C., Zhang J. Performance of mortar prepared with recycled concrete aggregate enhanced by CO2 and pozzolan slurry. Cement and Concrete Composites. 2018; 86:130-138. DOI: 10.1016/j.cemconcomp.2017.10.013

4. Rao D.D.V.P., Narayana N.L. Properties of multi component composite cement concrete. International Journal of Engineering Research and General Science. 2017; 5(1):54-61.

5. Shi C., Li Y., Zhang J., Li W., Chong L., Xie Z. Performance enhancement of recycled concrete aggregate — A review. Journal of Cleaner Production. 2016; 112:466-472. DOI: 10.1016/j.jclepro.2015.08.057

6. Ermilova E.Yu., Kamalova Z.A., Rakhi-mov R.Z., Shchelkonogova Ya.V. Hydration products composition of blended cement stone with a complex additive calcined polymineral clay and limestone. Pro-

ceedings of the Kazan state University of architecture and construction. 2017; 4(42):289-295. (rus.).

7. Beregovoy A.M., Beregovoy V.A. Temperature and humidity state of external fences in conditions of phase transitions of moisture and aggressive environmental influences. Regional Architecture and Construction. 2017; 3:99-104. (rus.).

8. Perekhozhentsev A.G., Gruzdo I.Yu. Temperature and humidity state of surface layers of external building envelope. Bulletin of Construction Equipment. 2016; 6(982):70-71. (rus.).

9. Mukesh K., Singh S.K., Singh N.P., Singh N.B. Hydration of multicomponent composite cement: OPC-FA-SF-MK. Construction and Building Materials. 2012; 36:681-686. DOI: 10.1016/j.conbuildmat.2012.06.055

10. Ramezanianpour A.A., Peydayesh M., Nadoushan M.J. De-icing salt scaling resistance of concrete containing new composite cement. Conference: XXI Nordic Concrete research Symposium. Hämeenlin-na, Finland, 2018. URL:https://www.researchgate.net/ publication/323337594_De-icing_Salt_Scaling_Resis-tance_of_Concrete_Containing_New_Composite_Ce-ment

11. Erofeev V.T., Elchishcheva T.F. Wettime mode of building premises in the existence of hygroscopic salts in the material of the walls. News of higher educational institutions. Construction. 2018; 12(720):62-74. (rus.).

< П

i H G Г

S 2

0 w

n CO

1 z

У ->■

J to

u -

^ I

n °

3

0 ^

01 n

Q.

CO CO

n

Ш 0

r 6 c О

• ) {5

® w

л ' (Л DO ■ T

s У с о <D *

10 10 О о 10 10 о о

1531

о о

N N О О N N

К ш U 3

> (Л

с и to in

in щ

il <D ф

О ig

ОТ

от

s о OL О

с

Ю о

о Е

fe ° СП ^

v-

£ £

от °

£ w

■S г

iE 3S

О (О

12. Farnam Y., Washington T., Weiss J. The influence of calcium chloride salt solution on the transport properties of cementitious materials. Advances in Civil Engineering. 2015; 2015:1-13. DOI: 10.1155/2015/929864

13. Durability of concrete and cement composites / ed. by C.L. Page and M.M. Page. Woodhead Publishing Limited. 2007; 415.

14. Cai J., Luo J., Wang S., Yang S. Feature selection in machine learning: A new perspective. Neurocomputing. 2018; 300:70-79. DOI: 10.1016/j.neu-com.2017.11.077

15. Palchikova I.G., Smirnov E.S., Palchikov E.I. Quantization noise as a determinant for color thresholds in machine vision. Journal of the Optical Society of America A. 2018; 35(4):B214. DOI: 10.1364/ J0SAA.35.00B214

16. Cherushova N.V., Mitina E.A., Kasimki-na M.M., Afonin V.V., Erofeev V.T. Assessment of changes in decorative properties of paint materials under the influence of operational factors. Bulletin of the Mordovian University. 2008; 4:124-127. (rus.).

17. Afonin V.V., Erofeeva I.V., Zotkina M.M., Emelyanov D.V., Podzhivotov N.Yu. Reference image quality assessment of composite materials exposed to positive and negative temperatures. Vestnik MGSU [Proceedings of Moscow State University of Civil Engineering]. 2019; 14(1):83-93. DOI: 10.22227/19970935.2019.1.83-93 (rus.).

18. Eflov V.B., Koparev V.S., Vasilyev S.B. Development of technique of wood-cement composite surface optical image data analysis. Resources and Technology. 2014; 11(1):77-110. DOI: 10.15393/ j2.art.2014.2841 (rus.).

19. Demin O.V., Smolin D.O., Pershin V.F. Qualification mixes bulk materials based on their digital images. Modern problems of science and education. 2013; 2:157. (rus.).

20. Babkin P.S., Pavlov Yu.N. Analysis and comparison of objective methods of image quality assessment. Science and education: scientific publication of Bauman Moscow state technical University. 2014; 9:203-215. DOI: 10.7463/0914.0726368 (rus.).

21. Sidorov D.V. On the issue of assessing the quality of many restored images. Applied Informatics. 2008; 4(16):92-95. (rus.).

Received August 17, 2020.

Adopted in revised form on November 12, 2020.

Approved for publication on November 20, 2020.

Bionotes: Vladimir T. Erofeev — Doctor of Technical Sciences, Professor, Academician of the Russian Academy of Architecture and Building Sciences, Dean of the Faculty of Architecture and Civil Engineering, Head of the Department of Building Materials and Technologies; National Research Ogarev Mordovia State University; 68 Bolshe-vistskaya st., Saransk, 430005, Russian Federation; ID RISC: 161483, Scopus: 56662851300, ResearcherlD: A-7827-2017, ORCID: 0000-0001-8407-8144; [email protected];

22. Yeganeh H., Wang Z. Objective quality assessment of tone-mapped images. IEEE Transactions on Image Processing. 2013; 22(2):657-667. DOI: 10.1109/ tip.2012.2221725

23. Gu K., Zhou J., Zhai G., Lin W., Bovik A.C. No-reference quality assessment of screen content pictures. IEEE Transactions on Image Processing. 2017; 26(8):4005-4017. DOI: 10.1109/tip.2017. 2711279

24. Starovoitov V.V., Starovoitov F.V. Comparative analysis without reference measures for evaluating the quality of digital images. System analysis and applied Informatics. 2017; 1:24-32. (rus.).

25. Mahdi A., Su M., Schlesinger M., Qin J. A comparison study of saliency models for fixation prediction on infants and adults. IEEE Transactions on Cognitive and Developmental Systems. 2018; 10(3):485-498. DOI: 10.1109/TCDS.2017.2696439

26. Suhas S., Venugopal C.R. An efficient MRI noise removal technique using linear and nonlinear filters. International Journal of Computer Applications. 2018; 179(15):17-20. DOI: 10.5120/ijca2018915777

27. Wang W., Shen J. Deep visual attention prediction. IEEE Transactions on Image Processing. 2018; 27(5):2368-2378. DOI: 10.1109/tip.2017.2787612

28. Moiseev A.A. A posteriori support of group goal elements. Radio Industry. 2020; 30(2):25-31. DOI: 10.21778/2413-9599-2020-30-2-25-31 (rus.).

29. Denisova A.Y., Sergeev V.V. Algorithms for calculating multichannel image histogram using hierarchical data structures. Computer Optics. 2016; 40(4):535-542. DOI: 10.18287/2412-6179-2016-40-4535-542 (rus.).

30. Dolnik A.S. Active method for constructing histograms for evaluating selectivity in XML string queries. Stochastic Optimization in Information. 2006; 2:176-189. (rus.).

31. Ma J., Fan X., Yang S.X., Zhang X., Zhu X. Contrast limited adaptive histogram equalization based fusion for underwater image enhancement. 2017; 2017030086. DOI: 10.20944/preprints201703. 0086.v1

32. Sharma V. Analysis of contrast enhancement effects on histogram. H&ESResearch. 2017; 9(1):60-66.

1532

Victor V. Afonin — Candidate of Technical Science, Associate Professor, Associate Professor of Department of Automated Systems of Information Processing and Management; National Research Ogarev Mordovia State University; 68 Bolshevistskaya st., Saransk, 430005, Russian Federation; ID RISC: 101166, ORCID: 0000-0001-79769792; [email protected];

Tatiana F. Elchishcheva — Candidate of Technical Sciences, Associate Professor, Associate Professor of the Department of Architecture and Construction of Buildings; Tambov State Technical University (TSTU); 106 Sovets-kaya st., Tambov, 392000, Russian Federation; ID RISC: 318240, ORCID: 0000-0002-0241-3808; [email protected];

Marina M. Zotkina — Candidate of Technical Science, Associate Professor, Associate Professor of the Department of Building Materials and Technologies; National Research Ogarev Mordovia State University; 68 Bolshevistskaya st., Saransk, 430005, Russian Federation; ID RISC: 572405, ORCID: 0000-0001-6095-5667; zotkina.mm@ yandex.ru;

Irina V. Erofeeva — Candidate of Technical Science, Senior Lecturer of the Department of Geodesy, Cartography and Geoinformatics; National Research Ogarev Mordovia State University; 68 Bolshevistskaya st., Saransk, 430005, Russian Federation; ID RISC: 761852; [email protected].

< П

8 8 i H

G Г

S 2

о n

I o

y ->■ J со

u I n

oS

o o n

Q.

СО СО

n o 0

oœ

Г œ

c n

• ) D

D 5 л ' (Л DO

■ т

s E

s у с о (D *

ы ы о о 10 10 о о

15ЭЭ