墙漆工程

1、流程

墙漆工程流程


墙面要根据平整度来进行“基层处理”,一般情况下要处理二遍,特别不平整的要做三遍,喷涂料一般是“一底二面”,也就是涂一遍底漆二遍面漆,接下来就是贴壁纸了(不想贴的可不贴,自由选择)。
    (“基层处理”的步骤一般是这样的:原墙灰要铲除,刷界面剂后披刮腻子三遍至四遍,磨平后刷封固底漆然后刷涂料。但如果墙面有接缝处,要作好处理,原墙为保温墙或沙灰墙面应贴布处理,然后再批刮腻子。)
    (“刮腻子”:刮腻子就是俗话的“打底”,是油漆前的准备工作,打底的目的,是让要油漆的平面里面的“坑坑洼洼”填平,刮腻子的目的就是找平,所以腻子刮三遍还是四遍没有严格限制,直到表面光滑平整为止。油漆起来,就不会凹凸难看。)

2、计算面积

公式:墙漆施工面积=(建筑面积×80%-10)×3。其中,建筑面积就是购房面积,现在的实际利用率一般在80%左右,厨房、卫生间一般采用瓷砖、铝扣板的,该部分面积大多在10平方米。

3、用量计算

按照标准施工程序的要求底漆的厚度为30微米,5升底漆的施工面积一般在65-70平方米;面漆的推荐厚度为60-70微米,5升面漆的施工面积一般在30-35平方米。用公式表示,分别为:底漆用量=施工面积÷70;面漆用量=施工面积÷35.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值