CN110398444B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110398444B CN110398444B CN201910641336.9A CN201910641336A CN110398444B CN 110398444 B CN110398444 B CN 110398444B CN 201910641336 A CN201910641336 A CN 201910641336A CN 110398444 B CN110398444 B CN 110398444B
- Authority
- CN
- China
- Prior art keywords
- aggregate
- image
- sliding block
- aggregate particle
- construction process
- 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.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000010276 construction Methods 0.000 title claims abstract description 22
- 230000008569 process Effects 0.000 title claims abstract description 22
- 239000010426 asphalt Substances 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000000638 solvent extraction Methods 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 4
- 238000011049 filling Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000007654 immersion Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims 2
- 150000001875 compounds Chemical class 0.000 claims 2
- 239000000203 mixture Substances 0.000 abstract description 13
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 10
- 238000002156 mixing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000009841 combustion method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了基于移动滑块的沥青路面施工过程集料颗粒体系形态检测与级配预估方法,包括获取集料颗粒图像或视频信息,并进行预处理;采用移动滑块思想,根据光线不均匀度等因素对图像进行分块;以分块图像为对象,基于不同区域块采用自适应阈值对图像进行二值化处理,将目标颗粒与背景分开;利用开闭运算等对图像进行形态学处理;利用分割算法对颗粒体系进行初分割;获取集料颗粒的边缘形状、面积等信息,对集料进行形态检测与级配预估。采用移动滑块的处理手段,使单张图片可以基于多个自适应阈值进行分割,避免了图片受光线不均匀的影响,保证图像的识别精度与集料颗粒信息的完整,为沥青混合料施工过程中集料检测与后续级配控制提供技术基础。
Description
技术领域
本发明涉及一种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,属于沥青路面施工控制技术领域。
背景技术
沥青路面由于其优良的用性能、平整度好、舒适强以及沥青路面快速开放交通、易于养护维修等优点,在我国道路建设中被广泛应用。然而,在使用过程中发现存在严重的早期病害问题,并且相较于国外病害出现时间更早。
集料是沥青混合料的重要组成部分,其体积所占比例占到混合料的90%以上,故集料性质优劣的将显著影响沥青混合料的使用性能。传统的集料级配检测手段主要采用人工直接或接测量的方法,存在检测周期长、精度受人为操作水平因素影响、检测样本量低等缺点,导致结果难以真实反映混合料中集料的特征参数。此外,当前的检测手段多为单项检测,即一种检测方法只能检测一个集料特征参数,使得检测效率低下。在实际工程应用中,对集料的级配检测相对较少,集料筛分试验仅在料场购入新料后对其进行测试,并以此指导生产配合比调试。但受生产工艺的影响,集料级配难以始终与初始筛分结果保持一致,若出现较大偏差,将会对拌和过程产生一定影响,并为拌合站操纵人员提出极高的要求。
级配组成是影响混合料性能的重要因素,在实际工程中采用的沥青混合料级配检测方法,包括抽提法、燃烧法以及测定各档矿质集料级配的筛分法等,导致检测时间较长、污染大、测试精度较低以及时效性差。评价的滞后性使得难以对存在严重偏差的不合格路段无法进行及时补救,造成资源浪费,无法做到在施工环节对粗集料级配进行实时干预和控制。
随着现代科技的飞速发展,数字图像处理技术不断进步,并且广泛应用于各行各业。采集设备与采集技术的发展、计算机以及图像处理设备的性能大幅提升、图像处理软件及算法的不断更新等,使得数字图像处理技术不断进步、应用范围不断扩大。但在使用过程中,图像采集时光线的不均匀问题对处理过程产生的不利影响一直以来是研究人员所困扰的问题,难以得到有效解决。道路工程施工处于露天环境,图像采集的环境更为恶劣,因此也对对图像处理手段提出了更高的要求。
综上,集料颗粒形态特征的识别与级配组成的检测是道路施工过程中级配控制的关键问题之一,自然状态(光线条件差)更是为图像识别技术的应用增加了难度。为保证施工过程的有效控制,亟需一种适用于实际施工环境下的集料颗粒识别与检测方法。
发明内容
为解决上述问题,本发明公开了一种基于移动滑块的集料颗粒图像识别方法,使得图像识别技术在工程中的适用性增强,在自然光线条件下实现集料颗粒的图像识别,为冷集料颗粒体系的形态检测与级配监控提供技术基础。
为了达到上述目的,本发明采用的方法是:一种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,主要用于沥青混合料施工质量控制过程中,对拌合前集料颗粒进行识别,监控原材料形态特征与级配,并可以此为基础对拌和级配做出预估,包括以下步骤:
步骤一、获取集料颗粒图像或视频信息,并对图像进行预处理,预处理部分主要是图像数值化、选用合适滤波技术对图像进行降噪处理。降噪过程可对均值滤波、中值滤波、高斯滤波、双边滤波、锐化滤波、维纳滤波分别处理并对结果进行比较,选用处理效果最优者;
步骤二、利用移动滑块对图片进行分块、获取图片局部信息。分块时需注意分块数为图像像素点的约数以保证分块程序的正常运行。分块数随具体图片而定,需解决光线不均匀影响造成避免颗粒信息遗失;但亦不能太多,造成颗粒信息失真。确定分块数时,采用试算的方法,利用Matlab程序,选用不同的分块数M、N,将图片虚拟划分为若干区域(M·N)并获取划分后小区域的图片信息,利用步骤三进行处理,将处理结果与原图进行比对,选用处理效果最优者。基于同一环境下图像采集光线相似的特点,确定的分块数可以直接用到后续同类图片处理中;
步骤三、采用自适应算法获取各分块区域阈值,并对各分块区域进行二值化处理,初步分割集料颗粒与背景;
步骤四、整合各分块区域的二值化图像,获取原图的二值图;
步骤五、利用形态学开闭运算等算法对图中颗粒进行边缘光滑处理、内部空隙填充等;
步骤六、利用基于距离变化的分水岭算法对颗粒进行分割,并根据凹点进行检验;
步骤七、获取集料体系中各颗粒(连通区域)的几何信息(如短边长度、面积、圆度等信息);
步骤八、将几何信息转换成针度、扁平度等轮廓信息,对集料进行质量检验;
步骤九、集料颗粒体积预估。采用样本实测的方法,假设来源相同的集料其厚度具有一定联系,根据对目标集进行样本实测获取集料厚度,并用浸水法测取体积,根据(1)式各集料体积进行加权获取厚度系数。
式中,λi、Vi分别代表所测颗粒的厚度与体积。
步骤十、计算该档集料的级配,并对其进行评价与监控。计算该档集料时根据同档集料其密度一致的原则,根据下面公式(2)-(4)计算通过率:
mi=ρ·Vi (2)
pi T=100-(p1+p2+p3+…+pi) (4)
有益效果:
本发明公开了一种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,对冷集料进行大范围、连续性的识别与观测,从而为达到冷集料形态检测、级配检测与混合料级配预估的目的。本方法采用移动滑块的图像处理方法,避免了图片亮度不一对结果造成的干扰,解决了图片或视频采集时环境光线不均匀的问题,具有适应性强的优点,可用于道路施工过程级配控制。
附图说明
图1为多区域块自适应阈值示意图;
图2为集料原图;
图3为直接处理结果图;
图4为分块处理结果图。
具体实施方式
以下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限制于本发明的范围。
实施例1:
本实施例以江苏省内某高速公路下面层施工项目为依托,利用高清摄像机在拌合站传送带处采集冷集料颗粒下落过程,利用移动滑块对采集的图像信息进行处理,分离出集料颗粒,并获取级配信息。具体实施步骤为:
1、获取集料颗粒图像或视频信息,并对图像进行预处理。主要包括以下具体细节:
(1)视频采集。本次在自然光线条件下采集了项目所用的四档冷集料,无须进行人工补光等操作。采集时保证摄像头与集料下落面垂直,保证在距离标定时的准确性。
(2)将视频信息利用Matlab程序中的VideoReader函数读取视频中的所有帧图片,并按序编号。根据参照物高度确定图片间隔。本实施例中确定的图片间隔为8,即处理编号为1、9、17、25……的图片。
(3)利用Matlab程序中的crop函数对图片进行裁剪,去除图片中的无关信息。裁剪时保证图片记录裁剪大小,并于参照物对比。本次参照物选用传送带宽度,根据实地测量其宽度为650mm。
(4)图像转化为灰度图像。利用Matlab中的rgb2gray函数将彩色图像转化为灰度图像。
(5)进行滤波处理。本实施例中将中值滤波技术、均值滤波技术、维纳滤波技术、锐化滤波技术四种方案对图像进行滤波去噪处理并对比其处理结果。最后选用效果最好的中值滤波技术对图像进行去噪处理。
2、利用移动滑块技术对图像进行分块处理。理论上,分块越多越能消除光线的影响。但在实际应用过程中分块过多一方面会把集料颗粒分割开,破坏颗粒的完整性;另一方面,会影响计算机的运算速度。本实施例中通过选用2*2、3*3、4*4、5*5四种不同方案并将结果进行对比,选用3*3的分块处理效果最好,故最后选用分块数为3*3。
3、图像二值化。将图像的前景与背景区分开,转换为二值图像。本实施例中结合移动滑块技术对图像的各区域块采用大津Otsu算法对颗粒与背景进行区分,具体操作为利用matlab中graythresh与im2bw函数,以graythresh中获取的参数作为im2bw中的阈值对图像各区域块进行二值化。为体现移动滑块技术与直接处理的区别,将两种处理方式的图片进行对比,图2为原图,图3、图4分别表示不同处理手段的处理结果。可见利用移动滑块的分区域多阈值处理可以将消除左侧光线较暗的影响,使得获取的信息更为完整。
4、形态学处理。对二值图像的边缘、颗粒内部空隙等进行处理。本实施例利用开闭运算对图像进行处理,使得图像边缘光滑、去除粘连,同时填充颗粒的内部细小颗粒。
5、图像分割。实施例中采用基于距离变换的分水岭算法对图像进行初步分割,具体利用Matlab中的bwdist函数进行分割处理。
6、颗粒信息获取。在Matlab中利用regionprops函数获取颗粒面积,并利用minboundrect函数获取颗粒的最小外接矩形边长。
7、体积预估。实际应用中应采用具体实测的方式确定集料颗粒的厚度,此次实施例中采用预估方法,各粒径范围内集料颗粒预估厚度如下表1所示。
表1各粒径范围内集料颗粒厚度
粒径范围 | 厚度(mm) | 粒径范围 | 厚度(mm) |
26.5-31.5mm | 28.6 | 2.36-4.75mm | 3.6 |
19-26.5mm | 22.3 | 1.18-2.36mm | 1.8 |
16-19mm | 17.5 | 0.6-1.18mm | 0.9 |
13.2-16mm | 14.6 | 0.3-0.6mm | 0.5 |
9.5-13.2mm | 11.4 | 0.15-0.3mm | 0.2 |
4.75-9.5mm | 7.1 | 0.075-0.15mm | 0.1 |
将图片处理获取的各颗粒粒径与面积根据参照长度(650mm)转换成实际宽度与实际面积,与上述粒径范围一一对应,并将实际面积乘以颗粒厚度,即得到各粒径范围内各颗粒的体积。
8、计算各档冷料通过率。根据集料密度一致的假设,利用下面公式(1)-(3)计算通过率:
mi=ρ·Vi (1)
pi T=100-(p1+p2+p3+…+pi) (3)
为体现移动滑块处理的优势,将采用移动滑块处理结果与直接阈值分割处理结果进行对比,两种处理结果如下表2所示。
表2两种不同处理方式的各档集料通过率(%)
由处理结果可知,采用分块处理较直接处理可提高正确率近10%,且结果与实际值偏差基本保持一致,可以用来对冷料进行监控,保证在施工过程中冷料不出现过大偏差;同时可以利用获取的级配数据预估混合料的级配,具有较大的实用价值。
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 (5)
1.一种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,其特征在于:包括以下步骤:
步骤1、获取集料颗粒图像信息,并进行预处理,预处理部分包括图像数值化和对图像进行降噪处理,降噪步骤对图像进行均值滤波、中值滤波、高斯滤波、双边滤波、锐化滤波和维纳滤波并对结果进行比较,选用处理效果最优者;
步骤2、利用移动滑块对图片进行分块、获取图片局部信息,分块时,其分块数可以整除图像像素点数以保证分块程序的正常运行;
步骤3、采用自适应算法获取各分块区域阈值,并对各分块区域进行二值化处理,初步分割集料颗粒与背景;
步骤4、整合各分块区域的二值化图像,获取原图的二值图;
步骤5、利用形态学开闭运算算法对图中颗粒进行边缘光滑处理和内部空隙填充;
步骤6、利用分割算法对颗粒进行初分割;
步骤7、获取颗粒体系中各集料颗粒连通区域的几何信息,包括短边长度、面积和圆度;
步骤8、将几何信息转换成针度和扁平度轮廓信息,对集料进行质量检验;
步骤9、根据各颗粒的面积进行集料颗粒体积预估;
步骤10、计算这一档集料的级配,并对这一档集料进行评价与监控。
2.根据权利要求1所述的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,其特征在于:步骤2中对图像进行分块处理、确定分块数时,采用试算的方法,利用Matlab程序,选用不同的分块数M和N,将图片虚拟划分为若干区域M行*N列,并获取划分后小区域的图片信息。
5.根据权利要求1所述的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,其特征在于:所述的步骤6中采用基于距离变化的分水岭算法对颗粒进行分割,并根据凹点进行检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641336.9A CN110398444B (zh) | 2019-07-16 | 2019-07-16 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641336.9A CN110398444B (zh) | 2019-07-16 | 2019-07-16 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110398444A CN110398444A (zh) | 2019-11-01 |
CN110398444B true CN110398444B (zh) | 2022-04-08 |
Family
ID=68325686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910641336.9A Active CN110398444B (zh) | 2019-07-16 | 2019-07-16 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110398444B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044419A (zh) * | 2019-12-30 | 2020-04-21 | 华侨大学 | 一种基于二维动态图像法的机制砂级配测量系统 |
CN112964712A (zh) * | 2021-02-05 | 2021-06-15 | 中南大学 | 一种快速检测沥青路面状态的方法 |
CN113109219B (zh) * | 2021-04-29 | 2022-07-01 | 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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951462A (zh) * | 2010-09-29 | 2011-01-19 | 无锡中星微电子有限公司 | 一种运动检测的方法 |
CN102141385A (zh) * | 2011-01-05 | 2011-08-03 | 东南大学 | 沥青路面表面形貌曲面的测试方法 |
CN103308448A (zh) * | 2013-05-30 | 2013-09-18 | 河海大学 | 一种沥青混凝土结构类型的快速判断方法 |
CN107024411A (zh) * | 2017-04-20 | 2017-08-08 | 阜阳师范学院 | 一种沥青路面施工质量均匀性检测与评价方法 |
CN107121440A (zh) * | 2017-04-20 | 2017-09-01 | 阜阳师范学院 | 一种沥青路面集料分布均匀性检测与评价方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108734699A (zh) * | 2018-04-23 | 2018-11-02 | 东南大学 | 一种评价再生沥青混合料组分分布均匀性的方法 |
-
2019
- 2019-07-16 CN CN201910641336.9A patent/CN110398444B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951462A (zh) * | 2010-09-29 | 2011-01-19 | 无锡中星微电子有限公司 | 一种运动检测的方法 |
CN102141385A (zh) * | 2011-01-05 | 2011-08-03 | 东南大学 | 沥青路面表面形貌曲面的测试方法 |
CN103308448A (zh) * | 2013-05-30 | 2013-09-18 | 河海大学 | 一种沥青混凝土结构类型的快速判断方法 |
CN107024411A (zh) * | 2017-04-20 | 2017-08-08 | 阜阳师范学院 | 一种沥青路面施工质量均匀性检测与评价方法 |
CN107121440A (zh) * | 2017-04-20 | 2017-09-01 | 阜阳师范学院 | 一种沥青路面集料分布均匀性检测与评价方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108734699A (zh) * | 2018-04-23 | 2018-11-02 | 东南大学 | 一种评价再生沥青混合料组分分布均匀性的方法 |
Non-Patent Citations (1)
Title |
---|
改进的 EM 算法在分块灰度图像二值化中的应用;王红霞 等;《武汉理工大学学报( 交通科学与工程版)》;20110831;第35卷(第4期);第735-736页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110398444A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110398444B (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 | |
CA3006240C (en) | A stepwise refinement detection method for pavement cracks | |
CN104792792B (zh) | 一种逐步求精的路面裂缝检测方法 | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN110956183B (zh) | 一种沥青路面裂缝形态提取方法 | |
CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
CN103824304A (zh) | 传送带上矿石传送过程中故障诊断方法 | |
WO2019192625A1 (zh) | 一种细粒沉积岩纹层结构的表征方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN115147401B (zh) | 一种基于数字图像处理的土石坝坝料合格性智能检测方法 | |
CN107220946B (zh) | 一种岩石运输带上不良块度图像的实时剔除方法 | |
CN115456979A (zh) | 采用数字图像处理技术监控机制砂生产质量的方法 | |
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 | |
CN115311260B (zh) | 一种公路交通工程路面质量检测方法 | |
CN107578414A (zh) | 一种路面裂缝图像的处理方法 | |
CN111860521B (zh) | 一种畸变喷码字符逐层分割的方法 | |
CN114758159A (zh) | 一种液压制动器切削工艺的切削控制方法 | |
CN114677352A (zh) | 一种基于统计种子块的病斑烟叶检测方法 | |
CN110929757B (zh) | 一种沥青路面裂缝类型快速分类方法 | |
CN112435228A (zh) | 一种基于高密度各向异性特征的机场道面裂缝检测方法 | |
He et al. | A novel asphalt pavement crack detection algorithm based on multi-feature test of cross-section image. | |
Rong et al. | Research on the method of detecting the spreading rate of the simultaneous crushed stone sealing layer based on machine vision | |
Wang et al. | Real-time automated survey of pavement surface distress | |
Zhang | Highway Crack Material Detection Algorithm Based on Digital Image Processing Technology | |
CN113763357B (zh) | 基于可见光影像的矿区地裂缝精准识别与连续提取方法 |
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 |