CN110118775A - 厂拌水泥稳定碎石骨料组成快速检测方法 - Google Patents
厂拌水泥稳定碎石骨料组成快速检测方法 Download PDFInfo
- Publication number
- CN110118775A CN110118775A CN201910387383.5A CN201910387383A CN110118775A CN 110118775 A CN110118775 A CN 110118775A CN 201910387383 A CN201910387383 A CN 201910387383A CN 110118775 A CN110118775 A CN 110118775A
- Authority
- CN
- China
- Prior art keywords
- aggregate
- image
- plantmix
- stabilized macadam
- cement stabilized
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8592—Grain or other flowing solid samples
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Abstract
本发明提供的一种厂拌水泥稳定碎石骨料组成快速检测方法,包括步骤:包括步骤:S1:采集厂拌水泥稳定碎石的彩色图像;S2:对厂拌水泥稳定碎石的彩色图像进行二值化预处理,得到预处理后的二值图像;S3:识别二值图像中的碎石骨料图像区域;S4:采用拟合椭圆的方法拟合得到碎石骨料的三维尺寸;S5:根据碎石骨料的三维尺寸判断骨料所属档位,并对各档位的碎石骨料进行归类;S6:计算各档位碎石骨料的级配比例;本发明通过图像识别的方法,将骨料颗粒图像拟合为等效的椭圆图像,然后提取椭圆图像的质心,对椭圆图像的三维尺寸进行识别,来判定骨料颗粒所属档位,并计算各档位骨料的配比,能够快速、简便、精确地检测厂拌水泥稳定碎石骨料组成配比。
Description
技术领域
本发明涉及骨料颗粒识别技术领域,具体涉及一种厂拌水泥稳定碎石骨料组成快速检测方法。
背景技术
水泥稳定碎石基层因具有较高的强度和刚度,较好的水稳性和抗冻性,能够有效地承担并传递路面层的行车荷载,因此在我国高速公路的建设当中得到了广泛的使用。然而水泥稳定碎石在拌和过程中,会因为粗细骨料拌和效果不佳,破坏原有级配组成,这将严重影响路面基层的整体强度和稳定性。
水泥拌和的工艺流程通常为:首先运用装载机械,将随即进行拌和的各档粒径骨料分别装入不同规格的料斗中,然后利用给料机分别对各档粒径的骨料按配合比要求进行配料;运用气动力输送装置将水泥输送至粉料储仓中,通过计量装置进行粉料的级配;将级配设计好的各档骨料和水泥结合料,通过水平皮带输送机运送至搅拌机中;同时,将计量后的水泵送至搅拌机中,与设计好配合比的原料一起连续搅拌;拌和后的水泥稳定碎石从搅拌机的出料端卸入皮带输送机,再经皮带输送机送入料仓,等待装车运往施工工地。
在厂拌水泥持续拌和过程中,需要对拌和好的骨料匹配进行检测,以确定是否符合厂拌水泥的要求。传统计算骨料级配的方法是采样筛分试验法,首先将水泥稳定碎石混合料洗净烘干,分别称量骨料试样存留在各筛上面的筛余质量,然后计算出反映该骨料试样所有级配的有关参数。但是该方法繁琐耗时,不能够达到快速检测骨料级配组成的目的。
因此,需要提出一种厂拌水泥稳定碎石骨料组成快速检测方法。
发明内容
有鉴于此,本发明的目的是提供一种厂拌水泥稳定碎石骨料组成快速检测方法,通过图像识别的方法,将骨料颗粒图像拟合为等效的椭圆图像,然后提取椭圆图像的质心,以对椭圆图像的三维尺寸进行识别,来判定骨料颗粒所属档位,并计算各档位骨料的配比,本方法能够快速、简便、精确地检测厂拌水泥稳定碎石骨料组成配比。
本发明提供一种厂拌水泥稳定碎石骨料组成快速检测方法,包括步骤:
S1:采集厂拌水泥稳定碎石的彩色图像;
S2:对厂拌水泥稳定碎石的彩色图像进行二值化预处理,得到预处理后的二值图像;
S3:识别二值图像中的碎石骨料图像区域;
S4:采用拟合椭圆的方法拟合得到碎石骨料的三维尺寸;
S5:根据碎石骨料的三维尺寸判断骨料所属档位,并对各档位的碎石骨料进行归类;
S6:计算各档位碎石骨料的级配比例。
进一步,所述步骤S4具体包括步骤:
S41:随机选取一个未被遍历的碎石骨料图像区域,作为当前遍历骨料图像区域;
S42:将当前遍历骨料图像区域看作椭圆形,找到当前遍历骨料图像区域的质心(ic,jc);
S43:找到连接当前遍历骨料图像区域边界上任意两点且经过质心的线段中长度尺寸最大的线段,将该线段作为当前遍历骨料图像区域三维尺寸中的椭圆长轴半径Ra;
S44:经过质心做垂直于长轴半径的线段,使该线段的两端点均为当前遍历骨料图像区域边界上的点,将该线段作为当前遍历骨料图像区域三维尺寸中的椭圆短轴半径Rb;
S45:结束当前迭代,判断是否有未被遍历的碎石骨料图像区域,若有,则进入下一次迭代,返回步骤S41;若无,则结束所有迭代,获得所有碎石骨料图像区域的三维尺寸。
进一步,所述质心(ic,jc)的计算公式分别为:
其中,M10表示骨料图像区域像素横坐标的一阶几何矩阵,M01表示骨料图像区域像素纵坐标的一阶几何矩阵,M00表示骨料图像区域像素的0阶几何矩阵。
进一步,所述M10、M01和M00的计算公式为:
其中,Mpq表示p×q阶的骨料图像区域像素的几何矩阵,a1和a2分别表示当前遍历骨料图像区域中横坐标最大的像素点与横坐标最小的像素点的横坐标;b1和b2分别表示当前遍历骨料图像区域中横坐标最大的像素点与横坐标最小的像素点的纵坐标;f(x,y)表示坐标位置为(x,y)的像素点值。
进一步,所述步骤S5中根据碎石骨料的三维尺寸判断骨料所属档位具体包括:将获得的碎石骨料的三维尺寸中的长轴半径与预先设定的各档位的骨料颗粒的长度阈值范围进行比较,得到碎石骨料所属的档位。
进一步,所述步骤S6中各档位碎石骨料的级配比例的计算公式为:
其中,εj表示第j档骨料的级配比例,M表示厂拌水泥稳定碎石的彩色图像中各档位骨料总质量,mj表示厂拌水泥稳定碎石的彩色图像中第j档骨料的总质量。
进一步,所述M的计算公式为:
其中,mj表示厂拌水泥稳定碎石的彩色图像中第j档骨料的总质量;M表示厂拌水泥稳定碎石的彩色图像中各档位骨料总质量,n表示厂拌水泥稳定碎石的彩色图像中骨料档位总数量。
进一步,所述mj的计算公式为:
其中,mji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的质量;k表示厂拌水泥稳定碎石的彩色图像中第j档骨料的颗粒数量。
进一步,所述mji的计算公式为:
其中,ρ表示厂拌水泥稳定碎石的彩色图像骨料的密度,Raji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的椭圆长轴半径,Rbji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的椭圆短轴半径。
本发明的有益效果:本发明通过图像识别的方法,将骨料颗粒图像拟合为等效的椭圆图像,然后提取椭圆图像的质心,以对椭圆图像的三维尺寸进行识别,来判定骨料颗粒所属档位,并计算各档位骨料的配比,本方法能够快速、简便、精确地检测厂拌水泥稳定碎石骨料组成配比。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明的流程示意图;
图2为对采集的厂拌水泥稳定碎石的彩色图像示例图进行灰度化处理后的图像;
图3为图像退化过程和复原过程的模型示意图;
图4为利用维纳滤波复原方法对灰度化处理后的图像进行复原后的图像;
图5为对复原图像进行直方均衡化处理的对比图;
图6为对直方图均衡化后的图像进行二值化处理后的初始图像;
图7为膨胀操作前后的对比图;
图8为腐蚀操作前后的对比图;
图9为开运算操作前后的对比图;
图10为闭运算操作前后的对比图;
图11为填充空洞操作前后的对比图;
图12为采用拟合椭圆的方法拟合得到碎石骨料区域示意图;
图13为骨料离异系数的幂值变化折线图;
图14为各档骨料的离异系数曲线图。
具体实施方式
如图1所示,本发明提供的一种厂拌水泥稳定碎石骨料组成快速检测方法,包括步骤:
S1:采集厂拌水泥稳定碎石的彩色图像;本实施例中,为了方便图像的采集和图像采集设备参数的设置,选取运料输送带的底端作为厂拌水泥稳定碎石图像的最佳采集位置,采用CCD(charge coupled device,电荷耦合器件)相机以垂直于运料输送带的摄像角度采集运料输送带上的厂拌水泥稳定碎石的彩色图像。所述厂拌水泥稳定碎石的彩色图像中均匀分布有长版水泥稳定碎石骨料。
进一步,CCD相机以其高灵敏度、高信噪比、寿命长、体积小等优势广泛应用于工业相机领域。按传感器的特性,CCD相机可分为线性相机和面性相机两种。相对于面性相机,线性相机具有频率响应度高、动态采集好且可以解决图像重复拍摄的问题的优点,因此,优选采用CCD线性相机进行图像采集。
进一步,相机的行扫描率和分辨率是选择线性相机的重要指标,通常情况下,所采集的混合料的最小集料粒径为0.6mm,混合料输送带的宽度为100cm,待检测的混合料为运动状态,其传送速度V=1.6m/s。所以,所需相机的行扫描率为:F=1.6/0.6=2.6Khz,行分辨率最小值为:视野/精度=1000/0.6=1667,所以选择2K像素的相机已经满足要求,即相机的像素为2048×2048。
进一步,综合以上相机选型因素后,选择了DALSA公司的Spyder3系列线阵相机,此相机配备有高灵敏度和高清晰度的线扫描CCD芯片,该CCD芯片由4096个宽度为10μm的像元拼接而成,采样频率为18Khz,最高扫描速率80mpixels/s,体积小,性能好。CCD相机采集厂拌水泥稳定碎石的彩色图像时与运料输送带的垂直距离设置为80cm。
S2:对厂拌水泥稳定碎石的彩色图像进行二值化预处理,得到预处理后的二值图像;本实施例中,对厂拌水泥稳定碎石的彩色图像进行二值化预处理通过现有的图像处理方法实现,最终得到的二值图像中,背景区域的像素点值为255,骨料颗粒区域的像素点值为0。例如:所述现有的图像处理方法具体包括:
S21:将厂拌水泥稳定碎石的彩色图像进行灰度化处理,得到灰度图像;如图2所示,为对采集的厂拌水泥稳定碎石的彩色图像示例图进行灰度化处理后的图像。
S22:对灰度图像的复原,得到复原图像。实际应用中,在图像的成像和处理过程的任何一个环节,都有可能引起图像质量的下降,这种现象称为图像退化。促成图像发生退化的因素众多,最为常见的有以下几种:光学系统的像差和衍射、成像系统的非线性畸变、成像过程中目标的运动和环境随机噪声等。原图像受到模糊和噪声的作用,生成观测图像的退化过程,可以用(8)式来描述:
g(x,y)=f(x,y)*h(x,y)+η(x,y) (8)
式中:g(x,y)表示图像处理系统获取到的退化图像;f(x,y)表示客观世界中物体的原始图像;h(x,y)表示退化函数的空间表示;η(x,y)表示加性噪声函数。
如图3所示,退化过程和复原过程可以用一个模型表示。原图像f(x,y)经过退化函数h(x,y)的空间卷积,再叠加上噪声函数η(x,y)构成了退化后的图像g(x,y)。若将图像的退化过程看作是正问题,则图像复原就是反问题。它的任务是给出降质图像g(x,y)、退化函数h(x,y)、加性噪声函数η(x,y)的和复原滤波函数w(x,y)的有关信息,根据图像的退化模型,使恢复图像尽可能的逼近原图像f(x,y)。
现有的图像复原方法包括:维纳滤波复原、小波变换去噪、平滑均值滤波等方法,在此根据实际采集的图像情况,选用其中的一种或多种图像复原方法来对步骤S21得到的灰度图像进行复原,以提高后续碎石骨料图像区域识别的精度。图4为维纳滤波复原方法对灰度化处理后的图像进行复原后的图像。
S23:构建复原图像的直方图,并对直方图均衡化;
灰度图像的直方图,直观显示了灰度图像中各灰度级别像素的数量,具体反映了灰度图像中各灰度级别像素出现的频率,是灰度图像特征的基本统计;直方图均衡化是增强图像对比度最简单和最常用的一种方法,它具有简单有效等诸多优点。直方图均衡化的基本思想是:通过图像中各灰度级别像素出现的频率,确定其相对应的灰度值;通过动态地扩展图像中各灰度级别像素的灰度值,达到增强图像对比度的目的。
直方图是统计结果的一种表达方式,是用来描述数字图像中某种信息的一种语言形式。比如,灰度图像中不同灰度级别像素的数量、分布情况和出现频率等统计结果,可用灰度直方图描述,灰度直方图可用(8)式所示的离散函数表示:
其中,g表示图像中的像素总数;gk表示灰度值为k的像素点的数量;P(rk)表示rk灰度级出现的概率分布(k=1、2、...、L-1);rk表示第k灰度级;L表示灰度级数。
直方图均衡化可以利用灰度变换,自动调节图像对比度的质量。直方图均衡化的基本原理是:利用图像中各灰度级的概率密度函数Pr(r)与变换函数T(r)的关系,来实现图像对比度质量的自动调节,Pr(r)和T(r)的关系如(9)式所示。
(9)式是以连续的随机变量为基础的分析,应用于数字图像处理中的离散形式可以运用(10)式进行分析。
直方图均衡化的具体操作:首先,可以运用MATLAB软件中提供的imhist函数进行直方图的绘制;然后,运用MATLAB软件中提供的histep函数进行直方图的均衡化,直方图均衡化前后的效果如图5所示。图5中左图为直方图均衡化前的图像,右图为直方图均衡化后的图像。
S24:对步骤S23得到的图进行二值化处理,得到二值化处理后的初始图像,具体包括:
采用最大类间方差法,对图像进行最佳阈值的分割。最大类间方差法的使用方法:根据图像中像素的灰度特征,将图像中的像素,分为前景像素和背景像素,前景像素和背景像素的类间方差最大值,即为最佳阈值,计算方法如(11)式所示:
其中,Pq表示最大类间方差的阈值,gq表示灰度值为q的像素的数量(q=0,1,2,...,L-1);g表示图像中像素的总数。
为了得到合适的灰度级阈值,获得最大类间方差,可做如下处理:
P2(k)=1-P1(k) (14)
其中,表示最大类间方差;mG表示整体图像的灰度平均值;P1(k)表示前景像素个数在像素总数中占的比例;P2(k)表示背景像素数在像素总数中占的比例;m(k)表示灰度级阈值为k时灰度平均值;Pi表示i灰度级的概率分布;L表示灰度级数。如果所求得的k值有多个,那么可取多个值的平均值来求得k值;灰度值比k小的像素,可等同于二值图像的0像素;灰度值比k大的像素,可等同于二值图像的255像素。如图6所示为二值化处理后的初始图像。
S25:对步骤S24得到的图像进行形态学处理,所述形态学处理方法包括:膨胀、腐蚀、开闭运算和填充图像空洞处理。
在二值图像形态学中,膨胀的作用是对图像中要分析目标的边界周围添加像素,而添加像素的数量主要取决于目标元素的尺寸及形状,运用这种操作,可以填充图像中要分析目标中的小孔及边缘的微小凹陷。
腐蚀是移除图像中目标边界的像素,是膨胀的对偶操作,通过这种操作能够使图形的边界向内收缩,从而消除图形无意义的边界点。图7为膨胀操作前后的对比图,图7中左图为膨胀操作前的图像,右图为膨胀操作后的图像。图8为腐蚀操作前后的对比图。图8中左图为腐蚀操作前的图像,右图为腐蚀操作后的图像。
开运算和闭运算,是膨胀运算和腐蚀运算不同组合形式下的定义,在形态学中起着重要作用。开运算可以实现平滑图像轮廓、去掉轮廓毛刺和截断狭窄山谷的功能。开运算的目标是:消除图像中尺寸较小的连通区域及连通区域中狭小的突刺,断开图像中连通区域间细小狭长的连接,在没有明显改变图像中连通区域面积的前提下,平滑连通区域的边缘。
与开运算相类似,闭运算虽然对对图像轮廓起到平滑作用,但最终结果相反,它可以除去区域中的小孔、填平狭窄的断裂、细长的沟壑及轮廓缺口。闭运算的目标是:填补图像中连通区域内部的小孔和狭窄的缺口,连接细小狭窄的断裂部分确保连通区域的完整,在没有明显改变图像中连通区域面积的前提下,平滑连通区域的边缘。图9为开运算操作前后的对比图,图9中左图为开运算操作前的图像,右图为开运算操作后的图像。图10为闭运算操作前后的对比图,图10中左图为闭运算操作前的图像,右图为闭运算操作后的图像。
图11为填充空洞(空隙)操作前后的对比图,图11中左图来填充空洞操作实施前的图像,右图为填充空洞操作后的图像。在对图像进行开闭操作之后可以看到图中很多集料颗粒内部存在空隙,集料颗粒内部存在的空洞(空隙)已在图11的左图中圈出,实际中水泥稳定碎石中的集料是不可能出现图中所标注的现象,为了保证后续集料颗粒面积统计的精确性,可以采用MATLAB中提供的imfill函数进行空隙的填充,填充的效果如图7右图所示。
步骤S21至S25均采用现有方法,在MATLAB平台中套用现有的方法模型直接实现,在此对步骤S21至S25的方法不做赘述,在实际操作中,还可采用其他的图像预处理方法,对步骤S1采集得到的包含有碎石骨料的图像进行二值化预处理,得到碎石骨料区域与背景区域分明的二值化图像,其中背景区域的像素值为255(或者为1),碎石骨料区域的像素值为0。
S3:识别二值图像中的碎石骨料图像区域;本实施例中,由于步骤S2中已经对包含有碎石骨料的彩色进行二值化处理,则可简单将像素值为0的区域判定为碎石骨料图像区域,其边界分明,边界位置可直接读取,将像素值为255(或1)的区域判定为背景区域,此为现有技术,在此不做赘述。在实际操作中为了更为精确地计算碎石骨料配比,可只保留骨料大小处于一个小的数值和一个大的数值之间的骨料,将剩余骨料剔除。具体地,在MATLAB软件中,可以采用bwareaopen函数剔除集料面积小于一定数值的骨料,采用函数bwarea可以计算二值图像中不同挡位的骨料大小问题。
S4:采用拟合椭圆的方法拟合得到碎石骨料的三维尺寸;
S5:根据碎石骨料的三维尺寸判断骨料所属档位,并对各档位的碎石骨料进行归类;所述对各档位的碎石骨料进行归类是指将属于相同档位的骨料归为同一类,以方便后续对各档位骨料的级配比例进行计算。水泥稳定碎石采用强度等级为32.5的水泥,初凝时间3小时以上,终凝时间6小时以上,体积安定性、细度必须满足《公路工程水泥及水泥混凝土试验规程》(JTG E30—2005)规范要求。石料企业生产的骨料满足公称最大尺寸26.5mm,骨料最大粒径不超过31.5mm,骨料规格必须满足四档矿料级配要求:1档粒径范围为19mm~31.5mm;2档粒径范围为9.5mm~19mm;3档粒径范围为4.75mm~9.5mm;4档粒径范围为0~4.75mm。
S6:计算各档位碎石骨料的级配比例。通过上述方法,将骨料颗粒图像拟合为等效的椭圆图像,对椭圆图像的三维尺寸进行识别,来判定骨料颗粒所属档位,并计算各档位骨料的配比,本方法能够快速、简便、精确地检测厂拌水泥稳定碎石骨料组成配比。
进一步,所述步骤S4具体包括步骤:
S41:随机选取一个未被遍历的碎石骨料图像区域,作为当前遍历骨料图像区域;
S42:将当前遍历骨料图像区域看作椭圆形,找到当前遍历骨料图像区域的质心(ic,jc);
S43:找到连接当前遍历骨料图像区域边界上任意两点且经过质心的线段中长度尺寸最大的线段,将该线段作为当前遍历骨料图像区域三维尺寸中的椭圆长轴半径Ra;
S44:经过质心做垂直于长轴半径的线段,使该线段的两端点均为当前遍历骨料图像区域边界上的点,将该线段作为当前遍历骨料图像区域三维尺寸中的椭圆短轴半径Rb;图12为采用拟合椭圆的方法拟合得到碎石骨料区域示意图。图12显示了拟合得到椭圆区域的长轴半径和短轴半径。
S45:结束当前迭代,判断是否有未被遍历的碎石骨料图像区域,若有,则进入下一次迭代,返回步骤S41;若无,则结束所有迭代,获得所有碎石骨料图像区域的三维尺寸。通过上述方法,将骨料颗粒图像拟合为等效的椭圆图像,然后提取椭圆图像的质心,以对椭圆图像的三维尺寸进行识别,来判定骨料颗粒所属档位,并计算各档位骨料的配比,能够快速、简便、精确地检测厂拌水泥稳定碎石骨料组成配比。通常在采用数字图像技术提取质心等重要几何特征量时,常用到最小外接矩形、圆形包络法和椭圆包络方法。由于外接矩形方法适用于骨料颗粒棱角性分明的石料,若采用最小外接矩形方法作为本次试验方法,则对于图形尺寸的求解会有较大的形状误差,最终对实验结果有较大的影响;而根据施工现场勘察拍摄以及图像的模拟效果,可知颗粒形状明显的骨料外形特征更接近椭圆形,因此,拟合与碎石骨料区域等效的椭圆区域来代替碎石骨料区域,以简化判定碎石骨料所属档位,并快速计算各档位碎石骨料的配比。
进一步,所述质心(ic,jc)的计算公式分别为:
其中,M10表示骨料图像区域像素横坐标的一阶几何矩阵,M01表示骨料图像区域像素纵坐标的一阶几何矩阵,M00表示骨料图像区域像素的0阶几何矩阵。
进一步,所述M10、M01和M00的计算公式为:
其中,Mpq表示p×q阶的骨料图像区域像素的几何矩阵,p和q均为非负整数,a1和a2分别表示当前遍历骨料图像区域中横坐标最大的像素点与横坐标最小的像素点的横坐标;b1和b2分别表示当前遍历骨料图像区域中横坐标最大的像素点与横坐标最小的像素点的纵坐标;f(x,y)表示坐标位置为(x,y)的像素点值。
进一步,所述步骤S5中根据碎石骨料的三维尺寸判断骨料所属档位具体包括:将获得的碎石骨料的三维尺寸中的长轴半径与预先设定的各档位的骨料颗粒的长度阈值范围进行比较,得到碎石骨料所属的档位。骨料规格必须满足四档矿料级配要求:1档粒径范围为19mm~31.5mm;2档粒径范围为9.5mm~19mm;3档粒径范围为4.75mm~9.5mm;4档粒径范围为0~4.75mm。例如:碎石骨料的三维尺寸中的长轴半径为5.6mm,落在3档粒径的范围内,则判定该碎石骨料为3档位的碎石骨料。
进一步,所述步骤S6中各档位碎石骨料的级配比例的计算公式为:
其中,εj表示第j档骨料的级配比例,M表示厂拌水泥稳定碎石的彩色图像中各档位骨料总质量,mj表示厂拌水泥稳定碎石的彩色图像中第j档骨料的总质量。
进一步,所述M的计算公式为:
其中,mj表示厂拌水泥稳定碎石的彩色图像中第j档骨料的总质量;M表示厂拌水泥稳定碎石的彩色图像中各档位骨料总质量,n表示厂拌水泥稳定碎石的彩色图像中骨料档位总数量。
所述mj的计算公式为:
其中,mji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的质量;k表示厂拌水泥稳定碎石的彩色图像中第j档骨料的颗粒数量。
进一步,所述mji的计算公式为:
其中,ρ表示厂拌水泥稳定碎石的彩色图像骨料的密度,Raji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的椭圆长轴半径,Rbji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的椭圆短轴半径。现有的图像识别主要是通过计算骨料区域的二维尺寸来计算各档骨料的级配比,但是在实际操作中,骨料为三维立体的形状,仅仅是只是通过二维图像来判定骨料所属档位,计算各档位骨料的级配比,并不准确,有时候甚至与实际相差甚大。因为通过上述公式,将碎石骨料等效为椭圆,获取其三维尺寸,判定碎石骨料所属档位,计算各档位骨料的级配比,与实际筛选的结果更为贴近,精度更大,更具有广泛的适用性。
进一步,为了验证本文提出的骨料级配比的计算方法是否正确,结果是否科学合理,需提出一种验证结果准确性的一个判定指标。本文以骨料质量比系数的计算值与它实际用量比的差值,作为评定骨料质量比系数的离散程度,然后依次对这些差值取二次方、三次方和四次方,将计算结果制成折线变化图,如图13所示。根据图13中幂指数折线图的变化趋势可知,一次方到二次方之间的差值变化最为明显,而二次方以后的数值变化并不明显。因此,在确定均匀性判定指标的时候,可以利用(16)式表示试验值与实际测量值的偏差的平方值,称为离异系数,用来衡量试验值与实际测量值偏差的大小。
δj=(εj-εj实)2 (16)
其中,δj表示离异系数(其中,j=1、2、3、4);εj表示第j档骨料的试验计算的质量比系数;εj实——表示第j档骨料的实际施工检测的质量比。
随机抽取现场拍摄的50张厂拌水泥稳定碎石图像作为研究对象,并依次编号1至50,经过图像的预处理以后,利用MATLAB程序,通过上述计算方法得到的各档骨料等效质量比系数的计算值如表1所示。
表1骨料级配比的计算结果
然后与传统检测方法所得到的各档实际用量比(一档至四档骨料的实际检测用量比分别为:20.1%、25.2%、23.4%、32.8%)作比较,利用(16)式可得到表2所示的各档骨料离异系数δj的值:
表2各档骨料离异系数δj计算结果
通过上表各档骨料的离异系数δj的计算值,绘制出各档骨料的离异系数δj折线变化图,如图14所示。
通过对表1、表2和图14的分析可知:
(1)各档骨料等效质量比的离异系数δj值,全部在2.000%以下,因此可以选取骨料均匀性的判定标准是:若各档骨料的δj都满足δj∈[0~2.0%],则可以判定骨料的拌合是均匀的,那么δj∈[0~2.0%]就是均匀性判定指标的区间。
(2)不同时间段拍摄得到厂拌水稳碎石骨料级配比例的计算结果各不相同,但是级骨料配比δj值都在均匀性判定区间范围内。
(3)利用本文方法得到的各档骨料等效质量比系数,与传统检测方法得到的施工质量比相接近,在误差允许的范围内,故本方法可行。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:包括步骤:
S1:采集厂拌水泥稳定碎石的彩色图像;
S2:对厂拌水泥稳定碎石的彩色图像进行二值化预处理,得到预处理后的二值图像;
S3:识别二值图像中的碎石骨料图像区域;
S4:采用拟合椭圆的方法拟合得到碎石骨料的三维尺寸;
S5:根据碎石骨料的三维尺寸判断骨料所属档位,并对各档位的碎石骨料进行归类;
S6:计算各档位碎石骨料的级配比例。
2.根据权利要求1所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述步骤S4具体包括步骤:
S41:随机选取一个未被遍历的碎石骨料图像区域,作为当前遍历骨料图像区域;
S42:将当前遍历骨料图像区域看作椭圆形,找到当前遍历骨料图像区域的质心(ic,jc);
S43:找到连接当前遍历骨料图像区域边界上任意两点且经过质心的线段中长度尺寸最大的线段,将该线段作为当前遍历骨料图像区域三维尺寸中的椭圆长轴半径Ra;
S44:经过质心做垂直于长轴半径的线段,使该线段的两端点均为当前遍历骨料图像区域边界上的点,将该线段作为当前遍历骨料图像区域三维尺寸中的椭圆短轴半径Rb;
S45:结束当前迭代,判断是否有未被遍历的碎石骨料图像区域,若有,则进入下一次迭代,返回步骤S41;若无,则结束所有迭代,获得所有碎石骨料图像区域的三维尺寸。
3.根据权利要求2所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述质心(ic,jc)的计算公式分别为:
其中,M10表示骨料图像区域像素横坐标的一阶几何矩阵,M01表示骨料图像区域像素纵坐标的一阶几何矩阵,M00表示骨料图像区域像素的0阶几何矩阵。
4.根据权利要求3所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述M10、M01和M00的计算公式为:
其中,Mpq表示p×q阶的骨料图像区域像素的几何矩阵,a1和a2分别表示当前遍历骨料图像区域中横坐标最大的像素点与横坐标最小的像素点的横坐标;b1和b2分别表示当前遍历骨料图像区域中横坐标最大的像素点与横坐标最小的像素点的纵坐标;f(x,y)表示坐标位置为(x,y)的像素点值。
5.根据权利要求2所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述步骤S5中根据碎石骨料的三维尺寸判断骨料所属档位具体包括:将获得的碎石骨料的三维尺寸中的长轴半径与预先设定的各档位的骨料颗粒的长度阈值范围进行比较,得到碎石骨料所属的档位。
6.根据权利要求2所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述步骤S6中各档位碎石骨料的级配比例的计算公式为:
其中,εj表示第j档骨料的级配比例,M表示厂拌水泥稳定碎石的彩色图像中各档位骨料总质量,mj表示厂拌水泥稳定碎石的彩色图像中第j档骨料的总质量。
7.根据权利要求6所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述M的计算公式为:
其中,mj表示厂拌水泥稳定碎石的彩色图像中第j档骨料的总质量;M表示厂拌水泥稳定碎石的彩色图像中各档位骨料总质量,n表示厂拌水泥稳定碎石的彩色图像中骨料档位总数量。
8.根据权利要求7所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述mj的计算公式为:
其中,mji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的质量;k表示厂拌水泥稳定碎石的彩色图像中第j档骨料的颗粒数量。
9.根据权利要求8所述厂拌水泥稳定碎石骨料组成快速检测方法,其特征在于:所述mji的计算公式为:
其中,ρ表示厂拌水泥稳定碎石的彩色图像骨料的密度,Raji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的椭圆长轴半径,Rbji表示厂拌水泥稳定碎石的彩色图像中第j档骨料中第i颗骨料的椭圆短轴半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910387383.5A CN110118775B (zh) | 2019-05-10 | 2019-05-10 | 厂拌水泥稳定碎石骨料组成快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910387383.5A CN110118775B (zh) | 2019-05-10 | 2019-05-10 | 厂拌水泥稳定碎石骨料组成快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110118775A true CN110118775A (zh) | 2019-08-13 |
CN110118775B CN110118775B (zh) | 2021-11-19 |
Family
ID=67522130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910387383.5A Active CN110118775B (zh) | 2019-05-10 | 2019-05-10 | 厂拌水泥稳定碎石骨料组成快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110118775B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706352A (zh) * | 2019-10-10 | 2020-01-17 | 重庆交通大学 | 基于多边形随机骨料的混凝土三相细观模型构建及内氯离子侵蚀数值模拟方法 |
CN110807242A (zh) * | 2019-09-23 | 2020-02-18 | 重庆交通大学 | 考虑骨料分区域填充的钢筋混凝土细观数值模型构建方法 |
CN111735904A (zh) * | 2020-06-10 | 2020-10-02 | 中交四航工程研究院有限公司 | 一种适用于新建工程中硬化混凝土中氯离子含量检测方法 |
CN111893849A (zh) * | 2020-08-04 | 2020-11-06 | 广州市道路工程研究中心 | 同步碎石封层碎石撒布量和沥青洒布量检测方法及系统 |
CN113066072A (zh) * | 2021-04-08 | 2021-07-02 | 南昌航空大学 | 一种航空发动机导向叶片微裂纹缺陷检测方法及系统 |
CN113409269A (zh) * | 2021-06-18 | 2021-09-17 | 深圳市宏申工业智能有限公司 | 一种在线骨料粒径监测方法、装置及介质 |
CN113487643A (zh) * | 2021-07-19 | 2021-10-08 | 华电西藏能源有限公司大古水电分公司 | 一种胶结砂砾石料场采样确定方法 |
CN113591981A (zh) * | 2021-07-30 | 2021-11-02 | 上海建工四建集团有限公司 | 基于人工智能的既有水磨石信息查勘方法及系统 |
CN114324078A (zh) * | 2021-12-24 | 2022-04-12 | 中煤科工清洁能源股份有限公司 | 一种颗粒粒径识别方法、装置、设备和介质 |
WO2022089236A1 (zh) * | 2020-11-02 | 2022-05-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、装置、计算机设备和存储介质 |
CN116503804A (zh) * | 2023-04-28 | 2023-07-28 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101050093A (zh) * | 2007-03-23 | 2007-10-10 | 钱卫胜 | 利用钢渣作骨料的透水性水泥混凝土路面材料组合物及方法 |
CN102746005A (zh) * | 2012-07-16 | 2012-10-24 | 武汉科技大学 | 一种捣固焦炉用Al2O3-SiO2质含量分级耐火砖 |
CN103342483A (zh) * | 2013-05-10 | 2013-10-09 | 长安大学 | 一种针对级配碎石基层的骨架密实结构级配设计方法 |
CN106204589A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于数字图像处理的水果外形质量分级方法 |
CN106892597A (zh) * | 2017-02-22 | 2017-06-27 | 江西德得建设工程有限公司 | 一种用碎石粉为细骨料制备的活性粉末混凝土 |
CN108277720A (zh) * | 2018-01-23 | 2018-07-13 | 华侨大学 | 沥青搅拌站骨料级配在线检测、防溢料控制方法及系统 |
CN108536956A (zh) * | 2018-04-08 | 2018-09-14 | 长安大学 | 一种将建筑垃圾用于沥青混合料的配合比设计方法 |
CN108677656A (zh) * | 2018-06-27 | 2018-10-19 | 华侨大学 | 一种沥青混合搅拌的防溢料装置及方法 |
CN109331987A (zh) * | 2018-09-18 | 2019-02-15 | 中国矿业大学 | 一种煤系共伴生矿产资源全粒级干法分选洁净工艺及系统 |
CN109378457A (zh) * | 2018-10-16 | 2019-02-22 | 周昊宸 | 一种高压实密度多孔硅片/碳复合负极材料及制备方法 |
CN109365323A (zh) * | 2018-12-03 | 2019-02-22 | 广东技术师范学院 | 一种基于rgb水果分类方法及分类装置 |
CN109406349A (zh) * | 2018-12-07 | 2019-03-01 | 烟台大学 | 一种骨料质量检测方法及装置 |
-
2019
- 2019-05-10 CN CN201910387383.5A patent/CN110118775B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101050093A (zh) * | 2007-03-23 | 2007-10-10 | 钱卫胜 | 利用钢渣作骨料的透水性水泥混凝土路面材料组合物及方法 |
CN102746005A (zh) * | 2012-07-16 | 2012-10-24 | 武汉科技大学 | 一种捣固焦炉用Al2O3-SiO2质含量分级耐火砖 |
CN103342483A (zh) * | 2013-05-10 | 2013-10-09 | 长安大学 | 一种针对级配碎石基层的骨架密实结构级配设计方法 |
CN106204589A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于数字图像处理的水果外形质量分级方法 |
CN106892597A (zh) * | 2017-02-22 | 2017-06-27 | 江西德得建设工程有限公司 | 一种用碎石粉为细骨料制备的活性粉末混凝土 |
CN108277720A (zh) * | 2018-01-23 | 2018-07-13 | 华侨大学 | 沥青搅拌站骨料级配在线检测、防溢料控制方法及系统 |
CN108536956A (zh) * | 2018-04-08 | 2018-09-14 | 长安大学 | 一种将建筑垃圾用于沥青混合料的配合比设计方法 |
CN108677656A (zh) * | 2018-06-27 | 2018-10-19 | 华侨大学 | 一种沥青混合搅拌的防溢料装置及方法 |
CN109331987A (zh) * | 2018-09-18 | 2019-02-15 | 中国矿业大学 | 一种煤系共伴生矿产资源全粒级干法分选洁净工艺及系统 |
CN109378457A (zh) * | 2018-10-16 | 2019-02-22 | 周昊宸 | 一种高压实密度多孔硅片/碳复合负极材料及制备方法 |
CN109365323A (zh) * | 2018-12-03 | 2019-02-22 | 广东技术师范学院 | 一种基于rgb水果分类方法及分类装置 |
CN109406349A (zh) * | 2018-12-07 | 2019-03-01 | 烟台大学 | 一种骨料质量检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
CAO YUANWEN: "Research on Construction and Design of Graded Gravel Basement in Tibet", 《IEEE》 * |
宋小杉: "《基于支持向量机的地面目标自动识别技术》", 31 July 2018, 国防工业出版社 * |
曹源文: "PVA 纤维水泥稳定碎石拌和均匀性检测技术", 《公路交通科技》 * |
李亚南: "基于数字图像技术的水泥稳定碎石拌合均匀性评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II 辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807242A (zh) * | 2019-09-23 | 2020-02-18 | 重庆交通大学 | 考虑骨料分区域填充的钢筋混凝土细观数值模型构建方法 |
CN110706352A (zh) * | 2019-10-10 | 2020-01-17 | 重庆交通大学 | 基于多边形随机骨料的混凝土三相细观模型构建及内氯离子侵蚀数值模拟方法 |
CN110706352B (zh) * | 2019-10-10 | 2023-03-10 | 重庆交通大学 | 基于多边形随机骨料的混凝土三相细观模型构建及内氯离子侵蚀数值模拟方法 |
CN111735904A (zh) * | 2020-06-10 | 2020-10-02 | 中交四航工程研究院有限公司 | 一种适用于新建工程中硬化混凝土中氯离子含量检测方法 |
CN111735904B (zh) * | 2020-06-10 | 2022-05-17 | 中交四航工程研究院有限公司 | 一种适用于新建工程中硬化混凝土中氯离子含量检测方法 |
CN111893849A (zh) * | 2020-08-04 | 2020-11-06 | 广州市道路工程研究中心 | 同步碎石封层碎石撒布量和沥青洒布量检测方法及系统 |
WO2022089236A1 (zh) * | 2020-11-02 | 2022-05-05 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、装置、计算机设备和存储介质 |
CN113066072B (zh) * | 2021-04-08 | 2023-06-06 | 南昌航空大学 | 一种航空发动机导向叶片微裂纹缺陷检测方法及系统 |
CN113066072A (zh) * | 2021-04-08 | 2021-07-02 | 南昌航空大学 | 一种航空发动机导向叶片微裂纹缺陷检测方法及系统 |
CN113409269A (zh) * | 2021-06-18 | 2021-09-17 | 深圳市宏申工业智能有限公司 | 一种在线骨料粒径监测方法、装置及介质 |
CN113487643A (zh) * | 2021-07-19 | 2021-10-08 | 华电西藏能源有限公司大古水电分公司 | 一种胶结砂砾石料场采样确定方法 |
CN113591981A (zh) * | 2021-07-30 | 2021-11-02 | 上海建工四建集团有限公司 | 基于人工智能的既有水磨石信息查勘方法及系统 |
CN113591981B (zh) * | 2021-07-30 | 2024-02-09 | 上海建工四建集团有限公司 | 基于人工智能的既有水磨石信息查勘方法及系统 |
CN114324078A (zh) * | 2021-12-24 | 2022-04-12 | 中煤科工清洁能源股份有限公司 | 一种颗粒粒径识别方法、装置、设备和介质 |
CN116503804A (zh) * | 2023-04-28 | 2023-07-28 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
CN116503804B (zh) * | 2023-04-28 | 2023-11-10 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110118775B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110118775A (zh) | 厂拌水泥稳定碎石骨料组成快速检测方法 | |
CN105510195B (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
CN110458119B (zh) | 一种非接触式测量的混凝土骨料级配快速识别方法 | |
CN111650088B (zh) | 一种流态混凝土拌合物流变性能实时检测方法 | |
CN108734699A (zh) | 一种评价再生沥青混合料组分分布均匀性的方法 | |
CN106651896A (zh) | 沥青混合料的ct图像的材质分类方法 | |
Hu et al. | A study on fatigue damage of asphalt mixture under different compaction using 3D-microstructural characteristics | |
CN112964712A (zh) | 一种快速检测沥青路面状态的方法 | |
CN107909584A (zh) | 一种通过冷料监控的沥青混合料级配预估方法 | |
Yang et al. | An online detection system for aggregate sizes and shapes based on digital image processing | |
Moon et al. | Analyzing aggregate size distribution of asphalt mixtures using simple 2D digital image processing techniques | |
CN114662169A (zh) | 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法 | |
CN111307070B (zh) | 基于数字图像处理对混凝土粗集料的棱角度测量方法 | |
CN116749343A (zh) | 一种智能水泥混凝土搅拌站品质实时监控系统 | |
Reyes-Ortiz et al. | Aggregate segmentation of asphaltic mixes using digital image processing | |
CN109116002B (zh) | 一种路用粗集料棱角性量化方法 | |
CN107024416A (zh) | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 | |
Santamarina et al. | Development and testing of a zooming technique for fragmentation measurement | |
CN106568925A (zh) | 水泥乳化沥青砂浆厚度分析方法 | |
Moaveni | Advanced image analysis and techniques for degradation characterization of aggregates | |
Little et al. | Quantify shape, angularity and surface texture of aggregates using image analysis and study their effect on performance | |
Saensomboon et al. | Development of a size-based multiple erosion technique to estimate the aggregate gradation in an asphalt mixture | |
Huang et al. | Study on the gradation of crushed sand by using a novel digital image processing methodology | |
Chen et al. | 2-D image-based volumetric modeling for particle of random shape | |
Azari et al. | Measurement of vibrated bulk density of coke particle blends using image texture analysis |
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 |