CN110458975B - 一种沥青混合料拌和过程监测系统及方法 - Google Patents

一种沥青混合料拌和过程监测系统及方法 Download PDF

Info

Publication number
CN110458975B
CN110458975B CN201910629096.0A CN201910629096A CN110458975B CN 110458975 B CN110458975 B CN 110458975B CN 201910629096 A CN201910629096 A CN 201910629096A CN 110458975 B CN110458975 B CN 110458975B
Authority
CN
China
Prior art keywords
mixing
mixture
data
asphalt
function
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
Application number
CN201910629096.0A
Other languages
English (en)
Other versions
CN110458975A (zh
Inventor
陈艳
宋焕生
杨燕妮
孙士杰
张文涛
梁浩翔
宋建军
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN201910629096.0A priority Critical patent/CN110458975B/zh
Publication of CN110458975A publication Critical patent/CN110458975A/zh
Application granted granted Critical
Publication of CN110458975B publication Critical patent/CN110458975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08Construction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63Scene text, e.g. street names
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14Quality control systems
    • G07C3/146Quality control systems during manufacturing process
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Automation & Control Theory (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Road Paving Machines (AREA)

Abstract

本发明公开了一种沥青混合料拌和过程监测系统及方法,采用了一种非介入的方式利用模板匹配识别技术实时提取沥青混合料主成分数据,提出了利用配合比参数、级配参数、拌合温度和拌合时间等多模态信息融合策略评价沥青混和料拌合质量的方法,根据沥青混和料类型的先验知识实现了在无人工干预的情况下自动识别实时生产的沥青混合料类型,建立了骨料数据的模型分布,结合拌合时间判断拌和设备运行与筛分状态,实现了沥青混合料历史数据跨时间查询和成本评判,实现了对混合料质量不合格或拌和设备故障的预警。

Description

一种沥青混合料拌和过程监测系统及方法
技术领域
本发明涉及工业检测设备,具体涉及一种沥青混合料拌和过程监测系统及方法。
背景技术
沥青混合料拌和设备作为高等级公路建设的重要施工设备之一,其生产的沥青混合料质量的优劣直接决定着道路施工的质量,从而影响路面车辙、裂缝等道路病害问题,因此对沥青混合料拌合质量及拌和设备的运行状态的分析监控是亟待解决的问题。每段道路的施工包括若干个沥青混合料拌和设备,其一般安装在远离市区的较偏远地区,而不同路面生产的不同型号规格的沥青混合料的配合比和级配参数是由工程试验人员提前交付给拌和设备操作人员,手动输入事先设计好的配合比参数进行生产,在无法确定沥青混合料是否符合要求的情况下已铺设到施工道路上,无法保证其拌合质量,进而影响施工质量。管理人员或业主单位无法及时亲临现场对每个拌和设备的沥青混合料进行采样检测,及时地了解沥青混合料生产过程中各种骨料、粉料、沥青的用量和拌合温度是否满足设计的要求,无法判断拌和设备运行状态是否正常,进而无法实时地评价拌合质量是否满足国家规范标准。
虽然《公路沥青路面施工技术规范》明确要求沥青拌和设备必须配备打印机,并实时打印相关数据,但实际现场很少配备打印机且管理人员或业主单位无法实时获取生产数据,基于本地数据库采集的监控方法是利用并行软件采集数据流,该方法实时性和真实性相对较差,且不同型号拌和设备通用性差,部分设备无本地数据库,无法实现实时地对每一盘沥青混合料质量是否合格的判断,无法分析监控拌和设备的运行筛分状态和自动识别实时生产的不同面层的沥青混合料类型。
发明内容
本发明的目的在于提供一种沥青混合料拌和过程监测系统及方法,用以解决现有技术中的监测方法存在的无法实时检测分析沥青混合料的拌合质量等问题。
为了实现上述任务,本发明采用以下技术方案:
一种沥青混合料拌和过程监测系统,包括数据采集模块,还包括拌合质量判断模块;
所述的数据采集模块用于获取沥青拌和设备上的每盘拌合料的拌合数据,所述的拌合数据包括骨料重量数据、粉料重量数据、沥青重量数据、级配百分比数据以及沥青拌合温度数据;
所述的拌合质量判断模块用于根据多盘拌合料的拌合数据,判断沥青拌和设备的拌合质量是否合格;
所述的拌合质量判断模块包括拌合函数生成子模块以及质量判断子模块;
所述的拌合函数生成子模块用于根据每盘拌合料的拌合数据以及拌合数据标准值生成每盘拌合料的拌合函数;
所述的拌合函数生成子模块包括骨料函数生成单元,粉料函数生成单元,沥青函数生成单元,级配函数生成单元以及温度函数生成单元;
所述的骨料函数生成单元用于采用式I获得第i盘拌合料的骨料函数G(gi),i=1,2,…,I,I为拌合料总盘数,I为正整数:
Figure BDA0002128133330000031
其中gi为第i盘拌合料的骨料重量数据,单位为kg,gb为骨料重量数据标准值,单位为kg,bg min为骨料重量数据误差下限,bg max为骨料重量数据误差上限;
所述的粉料函数生成单元用于采用式II获得第i盘拌合料的粉料函数F(fi):
Figure BDA0002128133330000032
其中fi为第i盘拌合料的粉料重量数据,单位为kg,fb为粉料重量数据标准值,单位为kg,bf min为粉料重量数据误差下限,bf max为粉料重量数据误差上限;
沥青函数生成单元用于采用式III获得第i盘拌合料的沥青函数L(li):
Figure BDA0002128133330000033
其中li为第i盘拌合料的沥青重量数据,单位为kg,lb为沥青重量数据标准值,单位为kg,bl min为沥青重量数据误差下限,bl max为沥青重量数据误差上限;
级配函数生成单元用于采用式IV获得第i盘拌合料的级配函数S(si):
Figure BDA0002128133330000041
其中si为第i盘拌合料的生产级配百分比,ri min为第i盘拌合料的生产级配百分比标准值下限,ri max为第i盘拌合料的生产级配百分比标准值上限;
温度函数生成单元用于采用式V获得第i盘拌合料的温度函数T(ti):
Figure BDA0002128133330000042
其中ti为第i盘拌合料的拌合温度,单位为℃,tb为拌合温度标准值,单位为℃,bt min为拌合温度误差下限,bt max为拌合温度误差上限;
所述的质量判断子模块用于根据拌合料的拌合函数,判断沥青拌和设备的拌合质量是否合格,具体包括:
当满足以下任一条件时,拌合质量为不合格:
连续n盘拌合料的骨料函数均为1或连续n盘拌合料的粉料函数均为1或连续n盘拌合料的沥青函数均为1,n≤I;
连续m盘拌合料的级配函数均为1,m≤I;
连续k盘拌合料的温度函数均为1,k≤I;
任一盘拌合料的骨料函数G(gi)、粉料函数F(fi)以及沥青函数L(li)满足式VI:
(G(gi)∩F(fi))∪(G(gi)∩L(li))∪(F(fi)∩L(li))=1 式VI
否则,拌合质量为合格。
进一步地,所述的质量判断子模块中n=8,m=4,k=8。
进一步地,所述的数据采集模块用于采用图像处理的方式获取沥青拌和设备上的每盘拌合料的拌合数据;
所述的数据采集模块包括图像采集子模块以及图像处理子模块;
所述的图像采集子模块用于采集沥青拌和设备在拌合每盘混合料时的图像,获得每盘混合料的数据图像;
所述的图像处理子模块用于对所述的每盘混合料的数据图像依次进行主成分字符数据兴趣区域标注、字符数据分割以及字符数据识别,获得每盘拌合料的拌合数据。
进一步地,所述的系统还包括筛分检测模块;
所述的筛分模块用于利用多盘拌合料的骨料重量数据生成拟合分布模型,若所述的拟合分布模型符合高斯分布模型,则筛分正常,否则筛分不正常。
一种沥青混合料拌和过程监测方法,按照以下步骤执行:
步骤1、获取沥青拌和设备上的每盘拌合料的拌合数据,所述的拌合数据包括骨料重量数据、粉料重量数据、沥青重量数据、级配数据以及沥青拌合温度数据;
步骤2、根据多盘拌合料的拌合数据,判断沥青拌和设备的拌合质量是否合格,按照以下步骤执行:
步骤2.1、重复本步骤获得每盘拌合料的拌合函数,具体包括:
步骤2.1.1、采用式I获得第i盘拌合料的骨料函数G(gi),i=1,2,…,I,I为拌合料总盘数,I为正整数:
Figure BDA0002128133330000061
其中gi为第i盘拌合料的骨料重量数据,单位为kg,gb为骨料重量数据标准值,单位为kg,bg min为骨料重量数据误差下限,bg max为骨料重量数据误差上限;
步骤2.2.2、采用式II获得第i盘拌合料的粉料函数F(fi):
Figure BDA0002128133330000062
其中fi为第i盘拌合料的粉料重量数据,单位为kg,fb为粉料重量数据标准值,单位为kg,bf min为粉料重量数据误差下限,bf max为粉料重量数据误差上限;
步骤2.2.3、采用式III获得第i盘拌合料的沥青函数L(li):
Figure BDA0002128133330000063
其中li为第i盘拌合料的沥青重量数据,单位为kg,lb为沥青重量数据标准值,单位为kg,bl min为沥青重量数据误差下限,bl max为沥青重量数据误差上限;
步骤2.2.4、采用式IV获得第i盘拌合料的级配函数S(si):
Figure BDA0002128133330000064
其中si为第i盘拌合料的生产级配百分比,ri min为第i盘拌合料的生产级配百分比标准值下限,ri max为第i盘拌合料的生产级配百分比标准值上限;
步骤2.2.5、采用式V获得第i盘拌合料的温度函数T(ti):
Figure BDA0002128133330000071
其中ti为第i盘拌合料的拌合温度,单位为℃,tb为拌合温度标准值,单位为℃,bt min为拌合温度误差下限,bt max为拌合温度误差上限;
步骤2.2、根据所述的拌合函数,判断沥青拌和设备的拌合质量是否合格,具体包括:
当满足以下任一条件时,拌合质量为不合格:
连续n盘拌合料的骨料函数均为1或连续n盘拌合料的粉料函数均为1或连续n盘拌合料的沥青函数均为1,n≤I;
连续m盘拌合料的级配函数均为1,m≤I;
连续k盘拌合料的温度函数均为1,k≤I;
任一盘拌合料的骨料函数G(gi)、粉料函数F(fi)以及沥青函数L(li)满足式VI:
(G(gi)∩F(fi))∪(G(gi)∩L(li))∪(F(fi)∩L(li))=1 式VI
否则,拌合质量为合格。
进一步地,所述的步骤2.2中n=8,m=4,k=8。
进一步地,所述的步骤1按照以下步骤执行:
步骤1.1、采集沥青拌和设备在拌合每盘混合料时的图像,获得每盘混合料的数据图像;
步骤1.2、对所述的每盘混合料的数据图像依次进行主成分字符数据兴趣区域标注、字符数据分割以及字符数据识别,获得每盘拌合料的拌合数据。
进一步地,所述的监测方法还包括:
步骤3、利用多盘拌合料的骨料重量数据生成拟合分布模型,若所述的拟合分布模型符合高斯分布模型,则筛分正常,否则筛分不正常。
本发明与现有技术相比具有以下技术效果:
1、本发明提供的一种沥青混合料拌和过程监测系统及方法,通过实时获取每盘拌合料的拌合数据结合配合比参数、级配参数、拌合温度和拌合时间等多模态信息融合策略评价沥青混和料拌合质量,仅需通过拌合函数就可以判断拌合质量,提高了沥青混合料拌和过程监测的实时性,并且提高了拌合质量监测的有效性;
2、本发明提供的一种沥青混合料拌和过程监测系统及方法,利用图像处理的方式利用模板匹配识别技术实时提取沥青混合料主成分数据,其实时采集数据时间为4.9ms,准确率达100%,提高了拌合质量监测的实时性;
3、本发明提供的一种沥青混合料拌和过程监测系统及方法,,建立了骨料数据的模型分布,结合拌合时间判断拌和设备运行与筛分状态,实现了沥青混合料历史数据跨时间查询和成本评判,实现了对混合料质量不合格或拌和设备故障的预警,为“管理者-业主-监理者-施工商”等多方参建单位实时把握沥青混合料拌合质量及综合决策提供了先进技术手段和依据,具有广阔的应用前景。
附图说明
图1为本发明提供的一种沥青混合料拌和过程监测系统结构示意图;
图2为本发明的一个实施例中提供的骨料1的拟合分布模型示意图;
图3为本发明的一个实施例中提供的骨料2的拟合分布模型示意图;
图4为本发明的一个实施例中提供的骨料3的拟合分布模型示意图;
图5为本发明的一个实施例中提供的采集识别沥青混合料字符数据的流程图。
具体实施方式
拌和设备:用于拌和沥青料的设备,采集的参数在拌和设备的主控端的界面数据,根据不同沥青拌和设备的不同,手动标注所需要采集的数据参数。
拌合料的生产级配百分比:生产级配是不同规格型号的骨料和粉料通过不同筛分粒径的质量占骨料及粉料总质量的百分率。
拌合料:拌合料包括各种规格型号的骨料、粉料和沥青。
实施例一
在本实施例中公开了一种沥青混合料拌和过程监测系统,如图1所示,包括数据采集模块,还包括拌合质量判断模块;
在本实施例中,为了克服现有技术中存在的无法实时监控分析沥青混合料每盘的拌合质量及拌和设备运行筛分状态和无法自动识别实时生产的不同面层沥青混合料类型的问题和缺陷,提供一种沥青混合料拌和过程监测系统,采用非介入方式利用多模态信息融合策略实时真实的评价每盘拌合质量。
数据采集模块用于获取沥青拌和设备上的每盘拌合料的拌合数据,拌合数据包括骨料重量数据、粉料重量数据、沥青重量数据、级配数据以及沥青拌合温度数据;
在本实施例中,数据采集模块可以是与现场的沥青拌和设备通过无线或有线方式连接,将沥青拌和设备中的拌合数据进行提取与采集;也可以是通过图像处理的方式,采集沥青拌和设备上含有拌合数据的图像,从而对图像进行处理,获得拌合数据。
优选地,数据采集模块用于采用图像处理的方式获取沥青拌和设备上的每盘拌合料的拌合数据;
数据采集模块包括图像采集子模块以及图像处理子模块;
图像采集子模块用于采集沥青拌和设备在拌合每盘混合料时的图像,获得每盘混合料的数据图像;
图像处理子模块用于对每盘混合料的数据图像依次进行主成分字符数据兴趣区域标注、字符数据分割以及字符数据识别,获得每盘拌合料的拌合数据。
在本实施例中,在不影响正常施工的情况下,在各个沥青混合料拌和施工设备上通过视频分配器,利用VGA或DVI高清图像采集卡通过采集软件采集沥青拌和设备控制图像信号;
为了提高识别沥青混合料数据,对采集到的沥青拌和设备控制图像信号采用人工标注的方法粗定位主成分字符数据兴趣区域,利用投影法分割字符数据,最后采用灰度模板匹配方法识别包括骨料、粉料、沥青和拌合温度等主成分字符数据;
分析数据提取传输的时序逻辑关系,因不同型号的沥青拌和设备计量方式不同,针对累加计量方式分析骨料累加的动态信息,分析骨料计量值的平稳状态时刻作为采集时序关系,当采集各个骨料、粉料和沥青等数据后,编码字符数据格式,进而通过4G通信传输模块实时发送编码数据到远程监控中心,从而将拌合数据传输给拌合质量判断模块。
因此在本实施例中,图像采集子模块包括至少一个摄像头等视频图像采集设备,该设备安装在拌和设备现场;
图像处理子模块可以是安装在拌和设备现场的图像处理器,例如DSP、FPGA等微处理器,也可以是安装在拌和设备现场的计算机主机,利用软件对图像进行处理;
图像处理子模块还可以是安装在远程云服务器上的图像处理模块,通过有线或无线的方式将拌和设备图像传输至云服务器上,从而对图像进行进一步地处理;
图像处理子模块还可以是安装在远程的计算机,解码接收到的字符数据,解析出沥青混合料数据,在WEB客户端可视化实时显示骨料、粉料、沥青、拌合温度等标准值和实际生产值数据,保存沥青混合料数据到MYSQL数据库,实现历史数据在线查询,统计分析指定时间段内的骨料、粉料和沥青等的用量总量及生产用量和生产质量的合格率;
图像采集子模块以及图像处理子模块还可以集成在一个具有摄像功能的PDA、手机上,通过手机软件对采集的图像直接进行处理后,通过无线的功能将处理后获得的拌合数据传输给拌合质量判断模块。
拌合质量判断模块用于根据多盘拌合料的拌合数据,判断沥青拌和设备的拌合质量是否合格;
拌合质量判断模块用于根据评价沥青混合料质量的主要因素,采用生产配合比与目标配合比的误差幅度、生产级配误差幅度和拌合温度等多源信息融合方式,建立多模态策略评价每盘沥青混合料的生产质量。
拌合质量判断模块包括拌合函数生成子模块以及质量判断子模块;
拌合函数生成子模块用于根据每盘拌合料的拌合数据以及拌合数据标准值生成每盘拌合料的拌合函数;
拌合函数生成子模块包括骨料函数生成单元,粉料函数生成单元,沥青函数生成单元,级配函数生成单元以及温度生成单元;
骨料函数生成单元用于采用式I获得第i盘拌合料的骨料函数G(gi),i=1,2,…,I,I为拌合料总盘数,I为正整数:
Figure BDA0002128133330000121
其中gi为第i盘拌合料的骨料重量数据,单位为kg,gb为骨料重量数据标准值,单位为kg,bg min为骨料重量数据误差下限,bg max为骨料重量数据误差上限;
粉料函数生成单元用于采用式II获得第i盘拌合料的粉料函数F(fi):
Figure BDA0002128133330000131
其中fi为第i盘拌合料的粉料重量数据,单位为kg,fb为粉料重量数据标准值,单位为kg,bf min为粉料重量数据误差下限,bf max为粉料重量数据误差上限;
沥青函数生成单元用于采用式III获得第i盘拌合料的沥青函数L(li):
Figure BDA0002128133330000132
其中li为第i盘拌合料的沥青重量数据,单位为kg,lb为沥青重量数据标准值,单位为kg,bl min为沥青重量数据误差下限,bl max为沥青重量数据误差上限;
级配函数生成单元用于采用式IV获得第i盘拌合料的级配函数S(si):
Figure BDA0002128133330000133
其中si为第i盘拌合料的生产级配百分比,ri min为第i盘拌合料的生产级配百分比标准值下限,ri max为第i盘拌合料的生产级配百分比标准值上限;
温度生成单元用于采用式V获得第i盘拌合料的温度函数T(ti):
Figure BDA0002128133330000141
其中ti为第i盘拌合料的拌合温度,单位为℃,tb为拌合温度标准值,单位为℃,bt min为拌合温度误差下限,bt max为拌合温度误差上限;
在本实施例中,函数输出值为0表示正常生产,函数输出值为1表示生产超出误差上下限。
质量判断子模块用于根据拌合函数,判断沥青拌和设备的拌合质量是否合格,具体包括:
当满足以下任一条件时,拌合质量为不合格:
连续n盘拌合料的骨料函数均为1或连续n盘拌合料的粉料函数均为1或连续n盘拌合料的沥青函数均为1,n≤I;
连续m盘拌合料的级配函数均为1,m≤I;
连续k盘拌合料的温度函数均为1,k≤I;
任一盘拌合料的骨料函数G(gi)、粉料函数F(fi)以及沥青函数L(li)满足式VI:
(G(gi)∩F(fi))∪(G(gi)∩L(li))∪(F(fi)∩L(li))=1 式VI
否则,拌合质量为合格。
在本实施例中,若骨料、粉料和沥青中任一规格材料中,存在连续n盘拌和数据满足以下条件下时:
Figure BDA0002128133330000142
Figure BDA0002128133330000143
Figure BDA0002128133330000144
拌合质量为不合格;
本实施例中,若在连续m盘中,实际生产级配参数满足如下条件时:
Figure BDA0002128133330000151
则拌合质量不合格;
在本实施例中,若在连续k盘中,实际拌合温度满足以下条件时:
Figure BDA0002128133330000152
则拌合质量不合格。
优选地,质量判断子模块中n=8,m=4,k=8。
根据在实际施工中的经验所获,n=8,m=4,k=8,若参数过大则评价拌合质量不合格率较小,与实际生产拌合质量不符合;若参数过小则评价拌合质量不合率较大,容易引起过度的拌合质量不合格预警。
可选地,系统还包括筛分检测模块;
筛分模块用于利用多盘拌合料的骨料重量数据生成拟合分布模型,若拟合分布模型符合高斯分布模型,则筛分正常,否则筛分不正常。
在本实施例中,根据对骨料重量数据的频率拟合曲线和偏离程度,监测拌和设备的筛分状况,根据建立的骨料重量数据模型分布对拌和设备的状态运行情况进行监测。
根据机械拌和规律,其骨料重量数据的分布模型应符合高斯分布模型:
Figure BDA0002128133330000153
在本实施例中,选择三种规格的骨料类型,根据实际生产数据拟合分布模型,如图2-4所示,骨料1、骨料2和骨料3拟合分布模型分别为:
g1(x)=281.4*exp(-((x-280.6)/8.649)^2)
g2(x)=58.52*exp(-((x-284.9)/58.3)^2)
g3(x)=228.5*exp(-((x-707)/10.05)^2)
根据拟合的分布模型可知骨料1、骨料2和骨料3拟合复相关系数分别为0.9285、0.6126、0.9517,可知实际生产中骨料1和骨料3符合高斯分布,属于正常筛分,骨料2不符合高斯分布,为异常筛分。
根据骨料1流量减小,骨料3流量增加,表明流量的适量变化为筛分效率影响相对较小,当骨料2用多高斯分布拟合时,其拟合函数为:
g2(x)=50.81*exp(-((x-256.8)/34.23^2+97.45*exp(-((x-300)/9.691)^2)
其相关系数达0.9731,已知骨料2标准数据为250,则根据拟合函数可知骨料2仓中进入其他骨料重量数据,使骨料2数据明显增大,从而判断出筛孔尺寸过大,筛分异常。
另外,本发明提供的拌和过程监测系统还可以根据每盘间隔的拌合时间,判断拌和站设备处于正常拌和或停工状态。
具体地,以任一拌和设备为例进行描述:
设每盘拌合时间间隔阈值为T,考虑在正常施工中操作人员的操作时间设置T=500s。当两盘时间间隔t>T时,拌和设备为停工状态,当t<T时拌和设备处于拌和状态。
另外,本发明提供的拌和过程监测系统还可以利用先验知识及数据变化自动识别不同面层混合料类型,具体地,对拌和设备每盘混合料数据进行分析,根据混合料类型文件中的目标配合比先验知识搜索实现在无人工干预的情况下沥青混和类型的自动识别。
以任一拌和设备的拌和数据为例进行描述:
设在某一盘中骨料包括p种不同粒径材料,其实际生产值为gp,对应的标准值为sp,设误差阈值T=12%,当
Figure BDA0002128133330000171
时,表示拌和状态从正常状态变为不稳定状态,而在下一盘中骨料变为q(q<p或q>p,q为整数)种不同粒径材料时,可知骨料类型发生变化,且粉料和拌合温度也相应发生变化,根据目标配合比的先验知识可识别出实时生产的不同面层的沥青混合料类型。
本发明采用了一种非介入的方式利用模板匹配识别技术实时提取沥青混合料主成分数据,其实时采集数据时间为4.9ms,准确率达100%,建立了数据采集传输的时序逻辑关系,实现了在WEB下可视化显示了沥青混合料配合比误差曲线和级配误差曲线等关键信息,提出了利用配合比参数、级配参数、拌合温度和拌合时间等多模态信息融合策略评价沥青混和料拌合质量的方法,根据沥青混和料类型的先验知识实现了在无人工干预的情况下自动识别实时生产的沥青混合料类型,建立了骨料重量数据的模型分布,结合拌合时间判断拌和设备运行与筛分状态,实现了沥青混合料历史数据跨时间查询和成本评判,实现了对混合料质量不合格或拌和设备故障的预警,为“管理者-业主-监理者-施工商”等多方参建单位实时把握沥青混合料拌合质量及综合决策提供了先进技术手段和依据,具有广阔的应用前景。
实施例二
一种沥青混合料拌和过程监测方法,按照以下步骤执行:
步骤1、获取沥青拌和设备上的每盘拌合料的拌合数据,拌合数据包括骨料重量数据、粉料重量数据、沥青重量数据、级配数据以及沥青拌合温度数据;
可选地,步骤1按照以下步骤执行:
步骤1.1、采集沥青拌和设备在拌合每盘混合料时的图像,获得每盘混合料的数据图像;
步骤1.2、对每盘混合料的数据图像依次进行主成分字符数据兴趣区域标注、字符数据分割以及字符数据识别,获得每盘拌合料的拌合数据。
在本实施例中,如图5所示,获取沥青拌和设备上的每盘拌合料的拌合数据具体包括:
首先加载采集设备,设置输入视频格式和视频窗口信息,预览视频图像,拷贝缓冲数据直至拷贝完成,获取拷贝完成的视频的流媒体格式后,保存图像数据;
其次,采集图像,向采集的图像中进行主成分字符数据兴趣区域标注,具体是通过加载roi文件实现的,如果此时没有加载roi文件,则手动选取感兴趣目标字符区域后保存沥青混合料字段名,目标位置信息和模板文件名后保存roi文件;
接着,在roi文件中查找与目标区域相匹配的字段名,整幅图像提取兴趣区域,二值化图像,根据投影法获取要识别的字符个数和字符图像大小信息后对字符进行识别;
最后,通过采用字符模板的方式对字符进行识别,首先查找是否有字符模板,如果没有的话需要创建字符模板后加载,采用模板匹配的方法识别字符,获得混合料拌合数据。
步骤2、根据多盘拌合料的拌合数据,判断沥青拌和设备的拌合质量是否合格,按照以下步骤执行:
步骤2.1、重复本步骤获得每盘拌合料的拌合函数,具体包括:
步骤2.1.1、采用式I获得第i盘拌合料的骨料函数G(gi),i=1,2,…,I,I为拌合料总盘数,I为正整数:
Figure BDA0002128133330000191
其中gi为第i盘拌合料的骨料重量数据,单位为kg,gb为骨料重量数据标准值,单位为kg,bg min为骨料重量数据误差下限,bg max为骨料重量数据误差上限;
步骤2.2.2、采用式II获得第i盘拌合料的粉料函数F(fi):
Figure BDA0002128133330000192
其中fi为第i盘拌合料的粉料重量数据,单位为kg,fb为粉料重量数据标准值,单位为kg,bf min为粉料重量数据误差下限,bf max为粉料重量数据误差上限;
步骤2.2.3、采用式III获得第i盘拌合料的沥青函数L(li):
Figure BDA0002128133330000193
其中li为第i盘拌合料的沥青重量数据,单位为kg,lb为沥青重量数据标准值,单位为kg,bl min为沥青重量数据误差下限,bl max为沥青重量数据误差上限;
步骤2.2.4、采用式IV获得第i盘拌合料的级配函数S(si):
Figure BDA0002128133330000201
其中si为第i盘拌合料的生产级配百分比,ri min为第i盘拌合料的生产级配百分比标准值下限,ri max为第i盘拌合料的生产级配百分比标准值上限;
步骤2.2.5、采用式V获得第i盘拌合料的温度函数T(ti):
Figure BDA0002128133330000202
其中ti为第i盘拌合料的拌合温度,单位为℃,tb为拌合温度标准值,单位为℃,bt min为拌合温度误差下限,bt max为拌合温度误差上限;
步骤2.2、根据拌合函数,判断沥青拌和设备的拌合质量是否合格,具体包括:
当满足以下任一条件时,拌合质量为不合格:
连续n盘拌合料的骨料函数均为1或连续n盘拌合料的粉料函数均为1或连续n盘拌合料的沥青函数均为1,n≤I;
连续m盘拌合料的级配函数均为1,m≤I;
连续k盘拌合料的温度函数均为1,k≤I;
任一盘拌合料的骨料函数G(gi)、粉料函数F(fi)以及沥青函数L(li)满足式VI:
(G(gi)∩F(fi))∪(G(gi)∩L(li))∪(F(fi)∩L(li))=1 式VI
否则,拌合质量为合格。
优选地,步骤2.2中n=8,m=4,k=8。
可选地,监测方法还包括:
步骤3、利用多盘拌合料的骨料重量数据生成拟合分布模型,若拟合分布模型复合高斯分布模型,则筛分正常,否则筛分不正常。
在本实施例中,根据对骨料重量数据的频率拟合曲线和偏离程度,监测拌和设备的筛分状况,根据建立的骨料重量数据模型分布对拌和设备的状态运行情况进行监测。
监测方法还包括:
步骤4、根据每盘间隔的拌合时间,判断拌和站设备处于正常拌和或停工状态。
具体地,以任一拌和设备为例进行描述:
设每盘拌合时间间隔阈值为T,考虑在正常施工中操作人员的操作时间设置T=500s。当两盘时间间隔t>T时,拌和设备为停工状态,当t<T时拌和设备处于拌和状态。
步骤5、利用先验知识及数据变化自动识别不同面层混合料类型。
具体地,对拌和设备每盘混合料数据进行分析,根据混合料类型文件中的目标配合比先验知识搜索实现在无人工干预的情况下沥青混和类型的自动识别。
以任一拌和设备的拌和数据为例进行描述:
设在某一盘中骨料包括p种不同粒径材料,其实际生产值为gp,对应的标准值为sp,设误差阈值T=12%,当
Figure BDA0002128133330000221
时,表示拌和状态从正常状态变为不稳定状态,而在下一盘中骨料变为q(q<p或q>p,q为整数)种不同粒径材料时,可知骨料类型发生变化,且粉料和拌合温度也相应发生变化,根据目标配合比的先验知识可识别出实时生产的不同面层的沥青混合料类型。

Claims (4)

1.一种沥青混合料拌和过程监测系统,包括数据采集模块,其特征在于,还包括拌合质量判断模块;
所述的数据采集模块用于获取沥青拌和设备上的每盘拌合料的拌合数据,所述的拌合数据包括骨料重量数据、粉料重量数据、沥青重量数据、级配百分比数据以及沥青拌合温度数据;
所述的拌合质量判断模块用于根据多盘拌合料的拌合数据,判断沥青拌和设备的拌合质量是否合格;
所述的拌合质量判断模块包括拌合函数生成子模块以及质量判断子模块;
所述的拌合函数生成子模块用于根据每盘拌合料的拌合数据以及拌合数据标准值生成每盘拌合料的拌合函数;
所述的拌合函数生成子模块包括骨料函数生成单元,粉料函数生成单元,沥青函数生成单元,级配函数生成单元以及温度函数生成单元;
所述的骨料函数生成单元用于采用式I获得第i盘拌合料的骨料函数G(gi),i=1,2,…,I,I为拌合料总盘数,I为正整数:
Figure FDA0003269869460000011
其中gi为第i盘拌合料的骨料重量数据,单位为kg,gb为骨料重量数据标准值,单位为kg,bg min为骨料重量数据误差下限,bg max为骨料重量数据误差上限;
所述的粉料函数生成单元用于采用式II获得第i盘拌合料的粉料函数F(fi):
Figure FDA0003269869460000012
其中fi为第i盘拌合料的粉料重量数据,单位为kg,fb为粉料重量数据标准值,单位为kg,bf min为粉料重量数据误差下限,bf max为粉料重量数据误差上限;
沥青函数生成单元用于采用式III获得第i盘拌合料的沥青函数L(li):
Figure FDA0003269869460000021
其中li为第i盘拌合料的沥青重量数据,单位为kg,lb为沥青重量数据标准值,单位为kg,bl min为沥青重量数据误差下限,bl max为沥青重量数据误差上限;
级配函数生成单元用于采用式IV获得第i盘拌合料的级配函数S(si):
Figure FDA0003269869460000022
其中si为第i盘拌合料的生产级配百分比,ri min为第i盘拌合料的生产级配百分比标准值下限,ri max为第i盘拌合料的生产级配百分比标准值上限;
温度函数生成单元用于采用式V获得第i盘拌合料的温度函数T(ti):
Figure FDA0003269869460000023
其中ti为第i盘拌合料的拌合温度,单位为℃,tb为拌合温度标准值,单位为℃,bt min为拌合温度误差下限,bt max为拌合温度误差上限;
所述的质量判断子模块用于根据拌合料的拌合函数,判断沥青拌和设备的拌合质量是否合格,具体包括:
当满足以下任一条件时,拌合质量为不合格:
连续n盘拌合料的骨料函数均为1或连续n盘拌合料的粉料函数均为1或连续n盘拌合料的沥青函数均为1,n≤I;
连续m盘拌合料的级配函数均为1,m≤I;
连续k盘拌合料的温度函数均为1,k≤I;
任一盘拌合料的骨料函数G(gi)、粉料函数F(fi)以及沥青函数L(li)满足式VI:
(G(gi)∩F(fi))∪(G(gi)∩L(li))∪(F(fi)∩L(li))=1 式VI
否则,拌合质量为合格;
所述的质量判断子模块中n=8,m=4,k=8;
所述的系统还包括筛分检测模块;
所述的筛分模块用于利用多盘拌合料的骨料重量数据生成拟合分布模型,若所述的拟合分布模型符合高斯分布模型,则筛分正常,否则筛分不正常;
所述的骨料重量数据的分布模型应符合高斯分布模型:
Figure FDA0003269869460000031
骨料1、骨料2和骨料3拟合分布模型分别为:
g1(x)=281.4*exp(-((x-280.6)/8.649)^2);
g2(x)=58.52*exp(-((x-284.9)/58.3)^2);
g3(x)=228.5*exp(-((x-707)/10.05)^2)。
2.如权利要求1所述的沥青混合料拌和过程监测系统,其特征在于,所述的数据采集模块用于采用图像处理的方式获取沥青拌和设备上的每盘拌合料的拌合数据;
所述的数据采集模块包括图像采集子模块以及图像处理子模块;
所述的图像采集子模块用于采集沥青拌和设备在拌合每盘混合料时的图像,获得每盘混合料的数据图像;
所述的图像处理子模块用于对所述的每盘混合料的数据图像依次进行主成分字符数据兴趣区域标注、字符数据分割以及字符数据识别,获得每盘拌合料的拌合数据。
3.一种沥青混合料拌和过程监测方法,按照以下步骤执行:
步骤1、获取沥青拌和设备上的每盘拌合料的拌合数据,所述的拌合数据包括骨料重量数据、粉料重量数据、沥青重量数据、级配数据以及沥青拌合温度数据;
其特征在于,
步骤2、根据多盘拌合料的拌合数据,判断沥青拌和设备的拌合质量是否合格,按照以下步骤执行:
步骤2.1、重复本步骤获得每盘拌合料的拌合函数,具体包括:
步骤2.1.1、采用式I获得第i盘拌合料的骨料函数G(gi),i=1,2,…,I,I为拌合料总盘数,I为正整数:
Figure FDA0003269869460000041
其中gi为第i盘拌合料的骨料重量数据,单位为kg,gb为骨料重量数据标准值,单位为kg,bg min为骨料重量数据误差下限,bg max为骨料重量数据误差上限;
步骤2.2.2、采用式II获得第i盘拌合料的粉料函数F(fi):
Figure FDA0003269869460000042
其中fi为第i盘拌合料的粉料重量数据,单位为kg,fb为粉料重量数据标准值,单位为kg,bf min为粉料重量数据误差下限,bf max为粉料重量数据误差上限;
步骤2.2.3、采用式III获得第i盘拌合料的沥青函数L(li):
Figure FDA0003269869460000043
其中li为第i盘拌合料的沥青重量数据,单位为kg,lb为沥青重量数据标准值,单位为kg,bl min为沥青重量数据误差下限,bl max为沥青重量数据误差上限;
步骤2.2.4、采用式IV获得第i盘拌合料的级配函数S(si):
Figure FDA0003269869460000051
其中si为第i盘拌合料的生产级配百分比,ri min为第i盘拌合料的生产级配百分比标准值下限,ri max为第i盘拌合料的生产级配百分比标准值上限;
步骤2.2.5、采用式V获得第i盘拌合料的温度函数T(ti):
Figure FDA0003269869460000052
其中ti为第i盘拌合料的拌合温度,单位为℃,tb为拌合温度标准值,单位为℃,bt min为拌合温度误差下限,bt max为拌合温度误差上限;
步骤2.2、根据所述的拌合函数,判断沥青拌和设备的拌合质量是否合格,具体包括:
当满足以下任一条件时,拌合质量为不合格:
连续n盘拌合料的骨料函数均为1或连续n盘拌合料的粉料函数均为1或连续n盘拌合料的沥青函数均为1,n≤I;
连续m盘拌合料的级配函数均为1,m≤I;
连续k盘拌合料的温度函数均为1,k≤I;
任一盘拌合料的骨料函数G(gi)、粉料函数F(fi)以及沥青函数L(li)满足式VI:
(G(gi)∩F(fi))∪(G(gi)∩L(li))∪(F(fi)∩L(li))=1 式VI
否则,拌合质量为合格;
所述的步骤2.2中n=8,m=4,k=8;
所述的监测方法还包括:
步骤3、利用多盘拌合料的骨料重量数据生成拟合分布模型,若所述的拟合分布模型符合高斯分布模型,则筛分正常,否则筛分不正常;
所述的骨料重量数据的分布模型应符合高斯分布模型:
Figure FDA0003269869460000061
骨料1、骨料2和骨料3拟合分布模型分别为:
g1(x)=281.4*exp(-((x-280.6)/8.649)^2);
g2(x)=58.52*exp(-((x-284.9)/58.3)^2);
g3(x)=228.5*exp(-((x-707)/10.05)^2)。
4.如权利要求3所述的沥青混合料拌和过程监测方法,其特征在于,所述的步骤1按照以下步骤执行:
步骤1.1、采集沥青拌和设备在拌合每盘混合料时的图像,获得每盘混合料的数据图像;
步骤1.2、对所述的每盘混合料的数据图像依次进行主成分字符数据兴趣区域标注、字符数据分割以及字符数据识别,获得每盘拌合料的拌合数据。
CN201910629096.0A 2019-07-12 2019-07-12 一种沥青混合料拌和过程监测系统及方法 Active CN110458975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910629096.0A CN110458975B (zh) 2019-07-12 2019-07-12 一种沥青混合料拌和过程监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910629096.0A CN110458975B (zh) 2019-07-12 2019-07-12 一种沥青混合料拌和过程监测系统及方法

Publications (2)

Publication Number Publication Date
CN110458975A CN110458975A (zh) 2019-11-15
CN110458975B true CN110458975B (zh) 2021-12-03

Family

ID=68482755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910629096.0A Active CN110458975B (zh) 2019-07-12 2019-07-12 一种沥青混合料拌和过程监测系统及方法

Country Status (1)

Country Link
CN (1) CN110458975B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111535118B (zh) * 2020-03-25 2020-12-18 佛山市交通科技有限公司 一种厂拌冷再生系统的控制方法
CN111652270B (zh) * 2020-04-23 2022-03-29 中南大学 基于图像匹配的粗粒土填料级配自动识别方法及应用系统
CN116661404B (zh) * 2023-07-31 2023-09-29 江苏海企技术工程股份有限公司 一种基于数据融合的计量配料混合控制方法及系统
CN117451769B (zh) * 2023-12-19 2024-03-15 四川省水利科学研究院 一种堆石混凝土施工质量检测方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711957B2 (en) * 2002-05-24 2004-03-30 Atser, Inc. Systems & methods for automating asphalt mix design
CN201741025U (zh) * 2010-07-20 2011-02-09 上海瑞路道路工程技术有限公司 沥青混合料动态质量远程监控系统
CN102004459B (zh) * 2010-11-25 2012-07-04 长安大学 一种沥青拌和站拌料配比实时数据监控装置
CN202093378U (zh) * 2011-04-29 2011-12-28 长安大学 一种沥青拌和站拌料配比实时数据监控装置
CN102400432B (zh) * 2011-09-21 2015-02-04 黄先琪 一种沥青混合料自动检测及控制系统
CN103324176B (zh) * 2013-06-10 2015-06-17 中山市拓维电子科技有限公司 沥青混合料生产过程动态质量远程监控系统及其方法
CN103336499A (zh) * 2013-06-19 2013-10-02 中山市拓维电子科技有限公司 一种沥青混凝土路面施工质量动态管理系统及方法
WO2016032437A1 (en) * 2014-08-26 2016-03-03 Halliburton Energy Services, Inc. Systems and methods for in situ monitoring of cement slurry locations and setting processes thereof
CN107188525B (zh) * 2017-07-13 2019-08-20 山东大学 一种建筑垃圾与河砂生产的路基填料及其制备方法
CN108277720B (zh) * 2018-01-23 2023-12-29 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
CN108646699A (zh) * 2018-07-28 2018-10-12 长安大学 一种非接触式沥青拌合站监控管理系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高速公路沥青路面施工质量信息化控制系统;叶辉贤;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170531;第17-52页 *

Also Published As

Publication number Publication date
CN110458975A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110458975B (zh) 一种沥青混合料拌和过程监测系统及方法
CN106530733A (zh) 基于视频联动抓拍的远程桥梁超载执法系统
CN109460947B (zh) 基于bim+gis技术的公路工程工序报验系统
CN106710231A (zh) 一种超限超载非现场执法系统
CN107621435A (zh) 一种骨料在线监测装置
CN109302487A (zh) 基于云平台的公路工程质量管理信息化系统
CN103336499A (zh) 一种沥青混凝土路面施工质量动态管理系统及方法
CN114266989A (zh) 一种混凝土拌合物和易性测定方法和装置
CN108239909A (zh) 路面施工过程质量信息实时监控系统
CN108646699A (zh) 一种非接触式沥青拌合站监控管理系统及方法
CN111515138A (zh) 基于颗粒形态识别的道砟智能筛分装置
CN202093378U (zh) 一种沥青拌和站拌料配比实时数据监控装置
Patel et al. Evaluating the performance of e-construction tools in highway resurfacing projects
WO2022166232A1 (zh) 岩石鉴定方法、系统、装置、终端及可读存储介质
CN113129283B (zh) 一种基于数字图像的填料级配智能检测压实控制方法
CN202285139U (zh) 预拌商品混凝土动态质量监控系统
CN209070579U (zh) 一种沥青拌和站动态监控系统
CN115019252B (zh) 混凝土质量检测方法、装置及监控设备
CN208477368U (zh) 一种非接触式沥青拌合站监控管理系统
CN115984252A (zh) 一种基于视觉的矿质混合料成分实时检测方法
CN109308813A (zh) 一种交通技术监控设备功能性能检测装置及方法
CN114563315A (zh) 一种圆筒混合机制粒效果在线检测方法
CN113449615A (zh) 一种清扫作业质量智能检查方法、系统及存储介质
CN114662374A (zh) 力学试验中建筑垃圾路基填料颗粒轮廓演化特征识别方法
CN102004459B (zh) 一种沥青拌和站拌料配比实时数据监控装置

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