CN107909584A - 一种通过冷料监控的沥青混合料级配预估方法 - Google Patents

一种通过冷料监控的沥青混合料级配预估方法 Download PDF

Info

Publication number
CN107909584A
CN107909584A CN201711099358.4A CN201711099358A CN107909584A CN 107909584 A CN107909584 A CN 107909584A CN 201711099358 A CN201711099358 A CN 201711099358A CN 107909584 A CN107909584 A CN 107909584A
Authority
CN
China
Prior art keywords
cold burden
mrow
asphalt mixture
image
grading
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711099358.4A
Other languages
English (en)
Other versions
CN107909584B (zh
Inventor
高英
赵瑜隆
唐志伟
黄晓明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201711099358.4A priority Critical patent/CN107909584B/zh
Publication of CN107909584A publication Critical patent/CN107909584A/zh
Application granted granted Critical
Publication of CN107909584B publication Critical patent/CN107909584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C19/00—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Geometry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种通过冷料监控的沥青混合料级配预估方法，包括：选择适合的摄像机；调试摄像机的位置和LED光源强度；确定用于分析的数字图像；利用MATLAB将彩色图像转换为二值图像；二值图像距离标定；石料颗粒虚拟筛分；集料颗粒体积预估；集料通过率计算；确定多档冷料的级配；基于各档冷料级配，结合冷料仓流量，预估拌锅内沥青混合料的级配。由于冷料仓颗粒下落距离小，本发明方法不会引起粉尘问题，加装LED光源可以克服自然光的不均匀问题；拍摄的图像清晰且连续，也就可以准确监测冷料的级配；同时，在准确监控冷料级配的基础上，结合各冷料仓的流量，便可预估沥青混合料级配，并能够用于沥青混合料施工过程控制。

Description

一种通过冷料监控的沥青混合料级配预估方法
技术领域
本发明属于沥青路面施工控制技术领域，涉及一种沥青混合料级配方法，更为具体的说，是涉及一种通过冷料监控的沥青混合料级配预估方法。
背景技术
沥青混合料配合比设计的主要目的之一就是给出符合设计要求的矿料级配。沥青混合料的级配严重影响沥青路面的高温、低温、疲劳和水稳定性能。基于室内试验，沥青混合料配合比设计人员可以设计出符合要求的矿料级配，但是，在沥青面层施工过程中，由于集料生产的变异性，各档冷料的级配不可避免地会出现变异，这就会影响沥青混合料成品的级配，当沥青混合料的级配变异超过一定值时，会降低沥青路面的服务功能和耐久性，进而影响沥青路面的路用性能。
我国《公路沥青路面施工技术规范》(JTG F40-2004)给出了沥青混合料矿料级配的变异控制范围。该规范规定了沥青面层施工过程中级配的检测方法和频度，见表1。表1中的几种方法均有不足之处。
表1《公路沥青路面施工技术规范》(JTG F40-2004)规定的级配监控方法
显然，规范中沥青混合料级配的检测方法无法实时预估每盘沥青混合料的级配。鉴于表1中沥青混合料级配检测的缺陷和沥青混合料级配控制的重要性，道路施工研究人员逐渐开始关注沥青混合料级配实时监控，力图拌和结束前，预估每盘混合料的级配。
当前，数字图像处理技术已广泛应用于航空和航天、工业工程、生物和电子商务等领域。在道路工程方面，数字图像处理技术已用于压实的沥青混合料级配测定，预估沥青混合料的级配，但其属于事后沥青混合料级配控制，不能用于沥青混合料施工过程控制。另外，已有研究利用数字图像处理技术确定热料仓的级配，进而预估每盘沥青混合料的级配，然而，该方法亦存在较大的缺陷：颗粒下落面较宽，给拍摄带来困难；热料仓采用振动筛，粉尘较多，容易污染镜头，令镜头模糊，拍摄的图像噪声较大，不易进行数字图像处理；由于粉尘的存在，光线不均匀，给数字图像处理带来极大的难度。
综上，沥青混合料级配控制对于保证沥青混合料的路用性能具有重要意义；我国《公路沥青路面施工技术规范》(JTG F40-2004)规定级配监控方法存在一定的缺陷；由于监控环境的恶化，使用数字图像处理技术监控热料仓级配的精度和连续性难以保证。
发明内容
为解决上述问题，本发明公开了一种通过冷料监控的沥青混合料级配预估方法，实现每盘沥青混合料生产过程的级配有效监控，从而保证拌和站沥青混合料成品的级配符合规范要求。
我们发现，在沥青混合料冷料输送过程中，石料颗粒存在短距离(约20cm)的下落过程。该过程不会引起较大的粉尘，而且经过人工光源的补充，可以消除自然光的不均性，保证图像质量。另一方面，相对于传送带上的集料，冷料仓下落的集料颗粒黏连程度较轻，便于快速和准确地确定单张图像的级配，保证数字图像处理的时效性。鉴于冷料输送环境的可控性和数字图像处理的优势，本发明将数字图像处理技术引入沥青混合料冷料级配监控，采用高速摄像机拍摄冷料从冷料仓下落到传送带的过程，使用数字图像技术，确定冷料仓的级配，进而预估沥青混合料的级配。
为了达到上述目的，本发明提供如下技术方案：
一种通过冷料监控的沥青混合料级配预估方法，包括如下步骤：
步骤一、选取摄像机，根据冷料颗粒下落距离和摄像机与冷料颗粒下落面的距离，由下面的式子预估临界曝光时间：
式中，g为重力加速度(m/s2)；h为颗粒总的下落距离(m)；Vt为石料颗粒下落h的速度(m/s)；μ像元长度为像元的长度(m)；h1为焦距(m)；h2为摄像机到石料颗粒的距离(m)；
步骤二、结合摄像机焦距和颗粒下落距离，调整摄像机的拍摄位置；在集料颗粒下落装置处，安装光源；
步骤三、采用MATLAB将拍摄视频的每一帧保存为图像，并编号。由摄像机的帧速和颗粒从开始下落到到达传送带的时间，通过式(3)-(4)确定需要分析的所有数字图像序号：
N＝t下落f (4)
式中，t下落为颗粒从开始下落到到达传送带的时间(s)；f为帧速(fps)；N为需要分析的数字图像的序号；
步骤四、利用MATLAB对数字图像进行分析：
1)利用imread函数读取需要分析的数字图像；
2)利用imcrop函数对图像进行裁剪，去掉不相关的部分；
3)由rgb2gray函数将彩色图像转换为灰度图像；
4)对灰度图像进行滤波处理；
5)利用自适应阈值算法将灰度图像转变为二值图像；
6)对二值图像进行形态学优化；
7)利用角点算法确定黏连颗粒的角点，并结合角点的凹曲程度，确定凹点，进而划分黏连部分；
8)利用bwareaopen去除面积小于阈值的连通区域；
步骤五、固定摄像机的位置和焦距，确定集料颗粒的下落面的宽度，使用直尺等测量工具测量石料颗粒的最大下落面宽度；最大下落面宽度即为冷料开始下落处外檐宽度，因此，在拍摄时，图像应包含颗粒开始下落的装置外檐。利用集料颗粒开始下落处的装置外檐实际距离对二值图像进行距离标定，确定二值图像长度(像素数)与实际长度的换算关系；
步骤六、利用MATLAB编制代码获得连通区域最小外接矩形的短轴长度，并据此利用最小外接矩形的短轴长度对各连通区域进行虚拟筛分；
步骤七、利用MATLAB的regionprps函数获得连通区域等效椭圆的长轴和短轴的长度，由式(5)计算石料颗粒的垂直于等效椭圆方向的长度d：
由式(6)计算集料颗粒的体积：
式中，a和b分别为等效椭圆的长轴和短轴长度的一半(cm)；d为石料颗粒的极半径(cm)；V体积为集料颗粒的体积(cm3)；
步骤八、对于给定的石料毛体积密度，根据步骤六的筛分结果和步骤七的颗粒体积，通过式(7)-(8)计算某一冷料仓的集料通过率：
式中，i为各号筛的编号，编号顺序为从大筛孔到小筛孔；mi为各号筛上的分计筛余(g)；m为某一冷料仓用于虚拟筛分的总质量(g)；pi为各号筛上的分计筛余百分率(％)；为各号筛的质量通过百分率(％)。
重复步骤四至八，确定其他图像的级配。将各个图像的虚拟筛分结果进行统计分析，采用均值作为最终的筛分结果。
步骤九、重复步骤一至八，确定其他档集料的级配。
步骤十、根据各冷料仓虚拟筛分的结果，结合相应冷料仓的流速，确定拌锅内沥青混合料的级配。
进一步的，所述步骤三中有选择地分析部分数字图像。
本发明采用高速摄像机拍摄冷料仓石料颗粒的下落过程，利用MATLAB处理数字图像，进行冷料仓集料虚拟筛分；由冷料仓虚拟筛分结合对应冷料仓的流量，预估拌锅内沥青混合料的级配。由于采用高速摄像机结合LED光源拍摄冷料仓石料颗粒的下落过程，冷料仓颗粒下落距离小，不会引起粉尘问题，加装LED光源可以克服自然光的不均匀问题；本发明拍摄的图像清晰，而且可以保证拍摄的连续性，也就可以准确监测冷料的级配；同时，在准确监控冷料级配的基础上，结合各冷料仓的流量，便可以预估沥青混合料级配，并能够用于沥青混合料施工过程控制。
附图说明
图1为利用数码摄像机监控冷料颗粒下落的环境示意图；
图2为摄像机临界曝光时间确定方法示意图；
图3为黏连颗粒分离示意图；
图4为连通区域最小外接矩形示意图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本实施例针对间歇式沥青混合拌和楼，采用高速摄像机拍摄冷料颗粒下落过程，再使用MATLAB计算各冷料仓级配，实施环境如图1所示。在沥青混合料拌和站，传送带上的冷料由多个冷料仓的集料混合而成，本发明选取较为常用的9.5-16mm档冷料作为分析对象。具体实施步骤为：
1、选取曝光时间和帧速符合要求的摄像机。根据冷料传送设备的运转实际，将摄像机离石料下落面的距离h2设为80cm，石料下落距离h为20cm，摄像机像元μ像元长度的长度设为5μm，焦距h1设为24mm，见图2。由式(1)-(2)可计算临界曝光时间，其值为1.67×10-4s。因而，在选择摄像机时，其曝光时间范围应包括1.67×10-4s。
2、安装摄像机和LED光源，调整摄像机的位置和LED光源的强度，在集料颗粒下落装置处，安装LED灯，减少自然光不均匀给拍摄带来的影响，从而拍摄出清晰的、符合要求的集料颗粒下落图像，确保石料颗粒不出现拖影和模糊等问题。
3、确定需要分析的集料图像。设每锅沥青混合料的拌和周期为t0min，摄像机的帧速为60fps，则共产生60×t0×60＝3600t0张图像。利用MATLAB的VideoReader函数读取拍摄的视频，并保存每一帧为单一JPG图像，将其编号为1-3600t0。由式(3)可知，集料颗粒下落20cm需要的时间为0.2s，则需要分析的图像编号为12、24、36...300t0。需要说明的是，上述编号的图像涵盖了所有颗粒的下落过程，对于一盘混合料，石料输送过程可能持续数十分钟，利用MATLAB的VideoReader函数读取拍摄的视频，保存每一帧，并为每一帧进行编号，这就产生了大量的数字图像。由于处理数字图像需要一定的时间，因此施工人员可以根据实际情况，有选择地分析上述图像。本实施例中，采用摄像机拍摄了1min视频，则需要处理的图像编号为12、24、36、...、300。
4、将彩色图像转变为二值图像。1)利用MATLAB的imread函数读取数字图像12；2)利用MATLAB的imcrop函数进行图像裁剪，去掉不包含集料颗粒的部分；3)利用MATLAB的rgb2gray函数把彩色图像转变为灰度图像；4)利用双边滤波，降低灰度图像的噪声；5)由自适应阈值算法将灰度图像转变为二值图像；6)采用开闭运算、膨胀和腐蚀等形态学方法对二值图像进行优化；7)利用Harris角点检测算法确定黏连部分的角点，并结合角点的凹曲程度，确定凹点，进而划分黏连部分。对于图像12，根据1)-7)对其进行二值化，采用的凹曲程度临界值为0.6，即当角点的凹曲程度小于0.6时，为非凹点。8)利用bwareaopen函数去除面积小于200的连通区域。处理后的二值图像见图3。
5、固定摄像机的位置和焦距，拍摄的图像应包含颗粒下落处装置外檐，测量下落处装置的宽度，利用装置外檐的实际长度标定图像距离，即确定图像长度(像素数)与实际长度的换算关系。本实施例中，二值图像距离1147代表实际16.5cm。
6、利用MATLAB的编制代码确定二值图像中连通区域最小外接矩形的宽度，见图4。在此基础上，利用最小外接矩形的宽度对各集料颗粒进行虚拟筛分，见下表2。
表2冷料仓集料颗粒虚拟筛分
7、利用MATLAB的regionprps函数确定图3中连通区域等效椭圆的长轴和短轴的信息，再由式(5)计算石料颗粒垂直于椭圆方向的长度，由式(6)计算石料颗粒的体积。本实施例中，9.5-16mm集料的毛体积密度经检测为2.828g/cm3，则图像中各集料颗粒的体积信息和质量信息见表3。
表3二值图象中集料颗粒的体积和质量信息
8、根据步骤6虚拟筛分结果和步骤7各集料颗粒的质量信息，由式(7)-(8)计算9.5-16mm该档集料的通过率，见下表4。
表4二值图象中集料颗粒虚拟筛分结果
筛孔尺寸(mm) 19 16 13.2 9.5 4.75
通过率(％) 100 100 65.4 3.0 0
9、重复步骤4-8，确定其他图像的级配。将各个图像的虚拟筛分结果进行统计分析，采用均值作为最终的筛分结果，见表5。
表5 9.5-16mm冷料仓筛分结果汇总
筛孔尺寸(mm) 19 16 13.2 9.5 4.75
通过率(％) 100 100 92.1 12.5 2.6
10、重复步骤1-9，确定其他档集料的级配。需要说明的是，0-2.36mm档集料的颗粒较小，尤其0.075mm以下颗粒粒径较小，很难与噪声区分，这就降低了虚拟筛分的准确性，因此，0-2.36mm档集料采用取样筛分的方法确定级配。各冷料仓级配见表6。
表6各冷料仓级配
11、根据各冷料仓流量，确定各冷料仓之间的质量比，再由各冷料仓和矿粉级配，确定拌锅内沥青混合料的合成级配。本实施例中，某一次拌和，各档矿料的质量比为9.5-16:4.75-9.5:2.36-4.75:0-23.6:矿粉＝26:23:20:27:4，从而可以计算合成级配，见表7-8。
表7矿粉取样筛分结果
筛孔尺寸(mm) 0.6 0.3 0.15 0.075
通过率(％) 100 100 98.6 90.1
表8热料合成级配预估结果
筛孔尺寸(mm) 16 13.2 9.5 4.75 2.36
通过率(％) 100 97.9 75.6 51.4 31.2
筛孔尺寸(mm) 1.18 0.6 0.3 0.15 0.075
通过率(％) 26.0 19.6 16.1 9.5 5.8
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种通过冷料监控的沥青混合料级配预估方法，其特征在于：包括如下步骤：
步骤一、确定摄像机的临界曝光时间，作为依据选择摄像机；
步骤二、不断调试摄像机的位置和LED光源强度，直至拍摄出清晰的石料颗粒下落图像；
步骤三、确定需要分析的数字图像序号；
步骤四、利用MATLAB将彩色图像转化为二值图像；
步骤五、利用拍摄参照物进行二值图像距离标定；
步骤六、确定二值图像连通区域最小外接矩形的短轴长度，进行石料颗粒虚拟筛分；
步骤七、集料颗粒体积预估；
步骤八、基于检测的或者设定的石料毛体积密度，由步骤六的筛分结果和步骤七的颗粒体积，计算该档集料的通过率；
步骤九、重复步骤一至步骤八，确定多档冷料的级配；
步骤十、基于各档冷料的级配，由各冷料仓级流量，确定拌锅内沥青混合料级配。
2.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤一具体包括如下过程：
根据冷料颗粒下落距离和摄像机与冷料颗粒下落面的距离，通过下面的式子预估临界曝光时间：
<mrow> <msub> <mi>V</mi> <mi>t</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mn>2</mn> <mi>g</mi> <mi>h</mi> </mrow> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，g为重力加速度；h为颗粒总的下落距离；Vt为石料颗粒下落h的速度；μ像元长度为像元的长度；h1为焦距；h2为摄像机到石料颗粒的距离。
3.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤三具体包括如下过程：
采用MATLAB将拍摄视频的每一帧保存为图像，并编号，由摄像机的帧速和颗粒从开始下落到到达传送带的时间，通过式(3)-(4)确定需要分析的所有数字图像序号：
N＝t下落f (4)。
4.根据权利要求1或3所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤三中有选择地分析部分数字图像。
5.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤四具体包括如下过程：
1)利用imread函数读取需要分析的数字图像；
2)利用imcrop函数对图像进行裁剪，去掉不相关的部分；
3)由rgb2gray函数将彩色图像转换为灰度图像；
4)对灰度图像进行滤波处理；
5)利用自适应阈值算法将灰度图像转变为二值图像；
6)对二值图像进行形态学优化；
7)利用角点算法确定黏连颗粒的角点，并结合角点的凹曲程度，确定凹点，进而划分黏连部分。
6.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤五中拍照参照物为集料颗粒开始下落处的装置外檐宽度，外檐宽度通过实际测量获得。
7.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤六中利用MATLAB编制代码获得连通区域最小外接矩形的短轴长度。
8.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤七具体包括如下过程：利用MATLAB的regionprps函数获得连通区域等效椭圆的长轴和短轴的长度，
由式(5)计算石料颗粒的垂直于等效椭圆方向的长度d：
<mrow> <mi>d</mi> <mo>=</mo> <mn>1.16</mn> <mi>b</mi> <msqrt> <mrow> <mn>1.35</mn> <mi>a</mi> <mo>/</mo> <mi>b</mi> </mrow> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
由式(6)计算集料颗粒的体积：
式中，a和b分别为等效椭圆的长轴和短轴长度的一半；d为石料颗粒的极半径；V体积为集料颗粒的体积。
9.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：所述步骤八中通过式(7)-(8)计算某一冷料仓的集料通过率：
<mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>m</mi> <mi>i</mi> </msub> <mi>m</mi> </mfrac> <mo>&amp;times;</mo> <mn>100</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>p</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>=</mo> <mn>100</mn> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>p</mi> <mn>2</mn> </msub> <mo>+</mo> <mo>...</mo> <mo>+</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
式中，i为各号筛的编号，编号顺序为从大筛孔到小筛孔；mi为各号筛上的分计筛余；m为某一冷料仓用于虚拟筛分的总质量；pi为各号筛上的分计筛余百分率；为各号筛的质量通过百分率。
10.根据权利要求1所述的通过冷料监控的沥青混合料级配预估方法，其特征在于：针对一档集料，重复步骤四至八确定所有需要分析的图像的级配，将各个图像的虚拟筛分结果进行统计分析，采用均值作为最终的筛分结果。
CN201711099358.4A 2017-11-09 2017-11-09 一种通过冷料监控的沥青混合料级配预估方法 Active CN107909584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711099358.4A CN107909584B (zh) 2017-11-09 2017-11-09 一种通过冷料监控的沥青混合料级配预估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711099358.4A CN107909584B (zh) 2017-11-09 2017-11-09 一种通过冷料监控的沥青混合料级配预估方法

Publications (2)

Publication Number Publication Date
CN107909584A true CN107909584A (zh) 2018-04-13
CN107909584B CN107909584B (zh) 2022-03-11

Family

ID=61844724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711099358.4A Active CN107909584B (zh) 2017-11-09 2017-11-09 一种通过冷料监控的沥青混合料级配预估方法

Country Status (1)

Country Link
CN (1) CN107909584B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135275A (zh) * 2019-04-19 2019-08-16 苏交科集团股份有限公司 一种集料颗粒识别方法
CN110398444A (zh) * 2019-07-16 2019-11-01 东南大学 基于移动滑块的沥青路面施工过程冷集料颗粒体系形态检测与级配预估方法
CN110672478A (zh) * 2019-10-10 2020-01-10 东南大学 基于图像处理技术分析机制砂颗粒形状的测试方法及装置
CN113032860A (zh) * 2019-12-07 2021-06-25 黄慧 铺路材料剂量调配平台及方法
CN113109219A (zh) * 2021-04-29 2021-07-13 重庆交通大学 一种基于图像分析的沥青路面用粗集料级配监控方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1395008A (zh) * 2002-06-25 2003-02-05 华南理工大学 基于数字图像技术的沥青拌和机集料计量控制系统及方法
CN101153850A (zh) * 2006-09-30 2008-04-02 长安大学 一种沥青混合料的检测方法及系统
CN101354241A (zh) * 2008-07-11 2009-01-28 长安大学 集料数字图像评价系统及评价方法
CN101492270A (zh) * 2009-01-05 2009-07-29 东南大学 骨架型沥青混合料级配设计方法
CN101776566A (zh) * 2010-03-18 2010-07-14 长安大学 基于数字图像的集料级配实时检测方法
CN101793674A (zh) * 2010-03-18 2010-08-04 长安大学 一种集料级配实时检测的图像采集系统
CN101793664A (zh) * 2010-03-18 2010-08-04 长安大学 一种集料级配实时检测方法和图像采集系统
CN101929943A (zh) * 2010-08-09 2010-12-29 长安大学 用于集料级配检测的数字化成像采集系统及其采集方法
CN102012356A (zh) * 2010-11-25 2011-04-13 东南大学 一种沥青混凝土路面集料级配的快速检测方法
CN104537674A (zh) * 2015-01-08 2015-04-22 东南大学 一种环氧沥青混凝土集料级配的检测方法
CN105040543A (zh) * 2015-06-12 2015-11-11 山东大学 一种沥青混合料矿料间隙率大小排序预估方法
CN105223114A (zh) * 2015-08-31 2016-01-06 长安大学 一种集料级配自动检测方法
US20160097729A1 (en) * 2014-10-07 2016-04-07 Decision Sciences International Corporation Charged particle tomography with improved momentum estimation
CN105913443A (zh) * 2016-05-03 2016-08-31 黑龙江省交通科学研究所 模拟人眼识别技术检测沥青路面纹理的方法
CN106250642A (zh) * 2016-08-04 2016-12-21 河北省交通规划设计院 一种提高沥青混合料力学性能的矿料级配设计方法
CN106651896A (zh) * 2016-09-30 2017-05-10 南京航空航天大学 沥青混合料的ct图像的材质分类方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1395008A (zh) * 2002-06-25 2003-02-05 华南理工大学 基于数字图像技术的沥青拌和机集料计量控制系统及方法
CN101153850A (zh) * 2006-09-30 2008-04-02 长安大学 一种沥青混合料的检测方法及系统
CN101354241A (zh) * 2008-07-11 2009-01-28 长安大学 集料数字图像评价系统及评价方法
CN101492270A (zh) * 2009-01-05 2009-07-29 东南大学 骨架型沥青混合料级配设计方法
CN101776566A (zh) * 2010-03-18 2010-07-14 长安大学 基于数字图像的集料级配实时检测方法
CN101793674A (zh) * 2010-03-18 2010-08-04 长安大学 一种集料级配实时检测的图像采集系统
CN101793664A (zh) * 2010-03-18 2010-08-04 长安大学 一种集料级配实时检测方法和图像采集系统
CN101929943A (zh) * 2010-08-09 2010-12-29 长安大学 用于集料级配检测的数字化成像采集系统及其采集方法
CN102012356A (zh) * 2010-11-25 2011-04-13 东南大学 一种沥青混凝土路面集料级配的快速检测方法
US20160097729A1 (en) * 2014-10-07 2016-04-07 Decision Sciences International Corporation Charged particle tomography with improved momentum estimation
CN104537674A (zh) * 2015-01-08 2015-04-22 东南大学 一种环氧沥青混凝土集料级配的检测方法
CN105040543A (zh) * 2015-06-12 2015-11-11 山东大学 一种沥青混合料矿料间隙率大小排序预估方法
CN105223114A (zh) * 2015-08-31 2016-01-06 长安大学 一种集料级配自动检测方法
CN105913443A (zh) * 2016-05-03 2016-08-31 黑龙江省交通科学研究所 模拟人眼识别技术检测沥青路面纹理的方法
CN106250642A (zh) * 2016-08-04 2016-12-21 河北省交通规划设计院 一种提高沥青混合料力学性能的矿料级配设计方法
CN106651896A (zh) * 2016-09-30 2017-05-10 南京航空航天大学 沥青混合料的ct图像的材质分类方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JP INGHAM: "Bituminous mixtures", 《ELSEVIER》 *
公安部人民警察干部学校 编: "《照相基本知识》", 28 February 1983, 北京：群众出版社出版 *
刘波 等: "沥青混合料拌和站冷料级配控制技术研究", 《第7届鲁粤辽湘路桥施工设备技术论坛》 *
杨廷汝: "浅谈间歇式沥青拌和站对冷料级配的控制", 《城市建设理论研究（电子版）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135275A (zh) * 2019-04-19 2019-08-16 苏交科集团股份有限公司 一种集料颗粒识别方法
CN110398444A (zh) * 2019-07-16 2019-11-01 东南大学 基于移动滑块的沥青路面施工过程冷集料颗粒体系形态检测与级配预估方法
CN110398444B (zh) * 2019-07-16 2022-04-08 东南大学 基于移动滑块的沥青路面施工过程冷集料颗粒体系形态检测与级配预估方法
CN110672478A (zh) * 2019-10-10 2020-01-10 东南大学 基于图像处理技术分析机制砂颗粒形状的测试方法及装置
CN113032860A (zh) * 2019-12-07 2021-06-25 黄慧 铺路材料剂量调配平台及方法
CN113032860B (zh) * 2019-12-07 2022-12-27 中交二公局城市建设发展有限公司 铺路材料剂量调配平台及方法
CN113109219A (zh) * 2021-04-29 2021-07-13 重庆交通大学 一种基于图像分析的沥青路面用粗集料级配监控方法

Also Published As

Publication number Publication date
CN107909584B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN107909584A (zh) 一种通过冷料监控的沥青混合料级配预估方法
CN105699258B (zh) 一种细骨料在线检测装置及方法
Kumara et al. Image analysis techniques on evaluation of particle size distribution of gravel
CN104502245A (zh) 一种利用图像分析技术测定砂子细度模数的方法
CN107621435A (zh) 一种骨料在线监测装置
CN101354241B (zh) 集料数字图像评价方法
CN110118775A (zh) 厂拌水泥稳定碎石骨料组成快速检测方法
CN108445011A (zh) 一种基于深度学习的瑕疵检测系统及方法
CN114266989A (zh) 一种混凝土拌合物和易性测定方法和装置
CN105013718A (zh) 基于多种检测方式的块状固体建筑垃圾分拣系统
AU2009202528A1 (en) Method and apparatus for determining particle parameter and processor performance in a coal and mineral processing system
CN111968173B (zh) 一种混合料粒度分析方法及系统
CN207742057U (zh) 一种骨料在线监测装置
Zelelew et al. Application of digital image processing techniques for asphalt concrete mixture images
CN111257160A (zh) 一种骨料检测装置
Yang et al. Detection of size of manufactured sand particles based on digital image processing
Cao et al. Effects of flow rates and layer thicknesses for aggregate conveying process on the prediction accuracy of aggregate gradation by image segmentation based on machine vision
CN110398444A (zh) 基于移动滑块的沥青路面施工过程冷集料颗粒体系形态检测与级配预估方法
CN113552028B (zh) 混合料视觉分析装置、混合料粒度组成检测方法及系统
CN106442949A (zh) 基于接触特征的评价及预测沥青混合料车辙性能的方法
CN111965081A (zh) 一种混合料粒度分析装置及系统
CN106461526A (zh) 用于确定颗粒混合物的颗粒尺寸和/或颗粒形状的设备
Oh et al. Image processing for analysis of carbon black pellet size distribution during pelletizing: Carbon black PSD (PSD: pellet size distribution) by image processing
JP6725793B1 (ja) 旧アスファルト量推定システム、アスファルトプラント及び旧アスファルト量推定方法
Santamarina et al. Development and testing of a zooming technique for fragmentation measurement

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant