CN110969608B - 一种基于图像法的机制砂级配修正系统 - Google Patents

一种基于图像法的机制砂级配修正系统 Download PDF

Info

Publication number
CN110969608B
CN110969608B CN201911205181.0A CN201911205181A CN110969608B CN 110969608 B CN110969608 B CN 110969608B CN 201911205181 A CN201911205181 A CN 201911205181A CN 110969608 B CN110969608 B CN 110969608B
Authority
CN
China
Prior art keywords
particle
machine
grading
made sand
image
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
CN201911205181.0A
Other languages
English (en)
Other versions
CN110969608A (zh
Inventor
房怀英
林文华
黄文景
林伟端
杨建红
胡祥
计天晨
黄骁民
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.)
Huaqiao University
Fujian South Highway Machinery Co Ltd
Original Assignee
Huaqiao University
Fujian South Highway Machinery Co Ltd
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 Huaqiao University, Fujian South Highway Machinery Co Ltd filed Critical Huaqiao University
Priority to CN201911205181.0A priority Critical patent/CN110969608B/zh
Publication of CN110969608A publication Critical patent/CN110969608A/zh
Application granted granted Critical
Publication of CN110969608B publication Critical patent/CN110969608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G01N2015/0288—Sorting the particles
    • 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
    • G06T2207/20081—Training; Learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/91—Use of waste materials as fillers for mortars or concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Dispersion Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像法的机制砂级配修正系统，包括图像预处理模块、颗粒轮廓提取模块、级配计算模块、粒形计算模块和级配修正模块；所述图像预处理模块将原始的机制砂图像转化二值图像；颗粒轮廓提取模块从二值图像中提取各个颗粒的轮廓形状；级配计算模块处理所有机制砂颗粒轮廓，得到机制砂的原始级配参数；粒形计算模块处理所有机制砂颗粒轮廓，得到机制砂的粒形参数；级配修正模块根据粒形参数对原始级配参数进行修正，得到最终级配测量结果。本发明一种基于图像法的机制砂级配修正系统能够对图像法的级配检测结果进行修正，修正后，其级配检测精度符合工程实际要求，有效提升检测效率和检测精度。

Description

一种基于图像法的机制砂级配修正系统
技术领域
本发明涉及机制砂检测领域，特别涉及一种基于图像法的机制砂级配修正系统。
背景技术
现代城市建设离不开砂子，由于天然砂资源有限，机制砂作为天然砂的替代品，已经成为了广泛使用的重要材料。机制砂由石头破碎而成，砂的级配和粒形受破碎方式和母材影响，形态质量不稳定。机制砂是混凝土的主要组成部分，其级配和粒形会对混凝土强度和耐久性造成极大的影响。因此，在实际工程中，机制砂的级配和粒形检测十分重要。
振动筛分法为检测机制砂常用的方法，是标准的检测方法。然而振动筛分法具有检测效率不足和无法检测粒形的不足，导致振动筛分法难以满足现在的检测需求。图像法作为新兴的检测方法，以其检测效率高和能够对粒形检测而受到广泛关注。但在实际工程应用中，由于图像法通过二维图片对机制砂进行测量，难以全方面衡量三维的机制砂，导致图像法存在级配检测误差，难以推广使用。
发明内容
本发明的主要目的在于克服图像法的级配检测误差，提出一种基于图像法的机制砂级配修正系统，能够对图像法的级配检测结果进行修正，修正后，其级配检测精度符合工程实际要求，有效提升检测效率和检测精度。
本发明采用如下技术方案：
一种基于图像法的机制砂级配修正系统，包括图像预处理模块、颗粒轮廓提取模块、级配计算模块、粒形计算模块和级配修正模块；
所述图像预处理模块包括中值滤波单元和阈值分割单元；中值滤波单元将图像的每个像素用3×3邻域(以当前像素为中心的正方形区域)像素中值代替，可以消除原图像中的噪声对数据稳定性的影响。
在上述技术方案的基础上，进一步的，所述阈值分割单元用于得到二值图像，其阈值设为200，算法计算公式如下：
Figure GDA0003977536280000021
其中g(x,y)为变化后的像素点颜色，f(x,y)为原图的像素的颜色，T为阈值。可根据实际工况调整阈值。
在上述的技术方案基础上，进一步的，所述颗粒轮廓提取模块通过扫描图像中的非零像素点，将像素点中心相连成为颗粒轮廓。所述颗粒轮廓提取模块，仅提取颗粒外轮廓。
在上述的技术方案基础上，进一步的，所述级配计算模块用于计算机制砂的级配，所述级配占比计算为将粒径分为几个粒径区间，各个颗粒根据其等效粒径大小被划分到不同粒径区间内，计算各个粒径区间内颗粒的等效体积之和占总颗粒体积之比。所述粒径为利用机制砂颗粒轮廓计算出每个颗粒的等效粒径大小；所述等效体积处理轮廓得到的等效粒径与投影面积的乘积。
在上述的技术方案基础上，进一步的，所述投影面积计算是通过填充轮廓曲线内部的区域，并对曲线内部区域的像素点进行统计得到像素点个数，结合像素分辨率得到投影面积大小。
在上述的技术方案基础上，进一步的，所述等效粒径为轮廓的等效椭圆Feret短径，其算法为任取两平行线与轮廓相切，平行线之间距离的最大值为最大Feret径；取颗粒轮廓的投影面积，构造一个等面积大小的椭圆形，同时取轮廓的最大Feret径为椭圆的长轴，则椭圆的短轴为等效椭圆Feret短径。其计算公式为：
Figure GDA0003977536280000022
其中b为等效椭圆Feret短径，A为投影面积，feretmax为最大Feret径。
在上述的技术方案基础上，进一步的，所述粒形计算模块包括计算轮廓的圆度、内径比、等效椭圆长短轴比。
在上述的技术方案基础上，进一步的，所述圆度计算算法为计算等效面积圆直径d和最小外切圆直径D之比。其计算公式为
Figure GDA0003977536280000031
其中R为圆度，d为等效面积圆直径，D为最小外切圆直径，A为投影面积；
在上述的技术方案基础上，进一步的，所述内径比计算算法为计算颗粒轮廓上各点到质心的最长距离与最小距离的比值。
在上述的技术方案基础上，进一步的，所述等效椭圆长短轴比计算算法为取颗粒轮廓的面积，构造一个等面积的椭圆，取颗粒轮廓的最大Feret径作为等效椭圆的长轴，此时的椭圆短轴为等效椭圆短轴，等效椭圆长短轴比为长轴和短轴的比值。其计算公式为：
Figure GDA0003977536280000032
其中Ae为等效椭圆长短轴比，A为颗粒投影面积；feretmax为颗粒最大Feret径。
在上述的计算方案基础上，进一步的，所述级配修正模块利用随机森林算法对级配测量结果进行修正。
在上述的计算方案基础上，进一步的，随机森林算法用于构建修正模型，通过粒形参数对级配检测结果进行修正。修正模型由实验数据训练得到，用图像法得到的各个粒径区间的级配占比和三种粒形参数作为修正模型的训练特征，用筛分法得到的级配检测结果作为训练标签，由实验数据训练出修正模型。修正模型训练完成后，输入级配占比与粒形参数即可使修正模型输出修正后的级配占比，修正后的结果为最终的级配检测结果。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
本发明提供的一种基于图像法的机制砂级配修正系统可以同时对机制砂的级配和粒形参数进行测量，经过修正模型对级配检测结果进行修正后，其检测精度符合工程实际要求。
附图说明
图1为本发明提供的基于图像法的机制砂级配修正系统的整体结构框图；
图2为本发明提供的基于图像法的机制砂级配修正系统的详细流程图；
图3为本发明实施例的最大Feret径示意图；
图4为本发明实施例的等效椭圆短轴示意图。
附图标记：
10图像预处理模块      20颗粒轮廓提取模块     30级配计算模块
40粒形计算模块        50级配修正模块         11中值滤波
12阈值分割            51随机森林
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1所述，本发明提供的一种基于图像法的机制砂级配修正系统，包括图像预处理模块10、颗粒轮廓提取模块20、级配计算模块30、粒形计算模块40和级配修正模块50；所述图像预处理模块10将原始的机制砂图像转换为黑白的二值图像；所述颗粒轮廓提取模块20对二值图像中的颗粒轮廓进行提取，得到各个颗粒的轮廓曲线；所述级配计算模块30利用不同的算法处理轮廓，得到轮廓的级配参数；所述粒形计算模块40利用不同的算法处理轮廓，得到轮廓的粒形参数；所述级配修正模块50根据粒形参数对级配检测结果进行修正，得到最终的级配测量结果。
所述图像预处理模块10和所述颗粒轮廓提取模块20的具体实现参见图2所述。所述图像预处理模块10包括中值滤波单元11和阈值分割单元12；所述中值滤波单元11用于去除图像噪声，将图像的每个像素用3×3邻域像素中值代替；所述阈值分割单元12将图像转化为二值图像，阈值设为200用于将输入的机制砂图像转换为黑白的二值图像。
所述颗粒轮廓提取模块20通过扫描二值图像中的非零像素点，将像素点的中心相连成为颗粒轮廓轮廓，提取颗粒外轮廓得到各个颗粒的轮廓曲线。
所述级配计算模块30的具体实现参见图2所述。所述级配计算模块30级配计算模块用于计算机制砂的级配，所述级配占比计算为将粒径分为几个粒径区间，各个颗粒根据其等效粒径大小被划分到不同粒径区间内，计算各个粒径区间内颗粒的等效体积之和占总颗粒体积之比。所述粒径为利用机制砂颗粒轮廓计算出每个颗粒的等效粒径大小；所述等效体积处理轮廓得到的等效粒径与投影面积的乘积。
所述投影面积计算是通过填充轮廓曲线内部的区域，并对曲线内部区域的像素点进行统计得到像素点个数，结合像素分辨率得到投影面积大小。
参见图3所示，所述等效粒径为轮廓的等效椭圆Feret短径，其算法为任取两平行线与轮廓相切，平行线之间距离的最大值为最大Feret径；取颗粒轮廓的投影面积，构造一个等面积大小的椭圆形，同时取轮廓的最大Feret径为椭圆的长轴，则椭圆的短轴为等效椭圆Feret短径。其计算公式为：
Figure GDA0003977536280000051
其中b为等效椭圆Feret短径，A为投影面积，feretmax为最大Feret径。
所述粒形计算模块40的具体实现参见图2所述，粒形计算模块利用机制砂颗粒的轮廓得到机制砂的圆度、内径比和等效椭圆长短轴比。
计算轮廓的圆度的方法具体为计算等效面积圆直径d和最小外切圆直径D之比。其计算公式为
Figure GDA0003977536280000052
其中R为圆度，d为等效面积圆直径，D为最小外切圆直径，A为投影面积。
计算轮廓的内径比的方法具体为计算颗粒轮廓上各点到质心的最长距离与最小距离的比值。
参见图4所示，计算轮廓的等效椭圆长短轴比的方法具体为取颗粒轮廓的面积，构造一个等面积的椭圆，取颗粒轮廓的最大Feret径作为等效椭圆的长轴，此时的椭圆短轴为等效椭圆短轴，等效椭圆长短轴比为长轴和短轴的比值。其计算公式为：
Figure GDA0003977536280000061
其中Ae为等效椭圆长短轴比，A为颗粒投影面积；Feretmax为颗粒最大Feret径。
所述级配修正模块50使用随机森林算法进行处理，所述随机森林算法用于构建修正模型，该修正模型利用图像法测得的各个粒径区间的原始级配占比与三种粒形参数作为训练特征，筛分法测得的各个粒径区间的级配占比作为训练标签，通过大量实验数据构建修正模型。该随机森林的决策树数目设为100以上，其分割内部节点所需的最小样本数量设为5以上。
构建完成的级配修正模型即可运用于实际检测中。在训练模型中输入原始级配占比与粒形参数即可得到修正后的级配占比，修正后的结果为最终的级配检测结果。
根据以上实例，对不同细度模数的机制砂进行准确率测试。选取了3种不同细度模数(MX)的机制砂，分别为为L砂(MX＝2.65),M砂(MX＝2.88),N砂(MX＝3.05)，对比修正后的检测结果如表1所述：
表1修正后的级配分布占比检测结果
Figure GDA0003977536280000062
最大级配检测误差为0.9％，最大细度模数误差为0.02，符合实际工程要求。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种基于图像法的机制砂级配修正系统，其特征在于，包括图像预处理模块(10)、颗粒轮廓提取模块(20)、级配计算模块(30)、粒形计算模块(40)和级配修正模块(50)；所述图像预处理模块(10)将原始的机制砂图像转化二值图像；颗粒轮廓提取模块(20)从二值图像中提取各个颗粒的轮廓形状；级配计算模块(30)处理所有机制砂颗粒轮廓，得到机制砂的原始级配参数；粒形计算模块(40)处理所有机制砂颗粒轮廓，得到机制砂的粒形参数；级配修正模块(50)根据粒形参数对原始级配参数进行修正，得到最终级配测量结果；
所述级配计算模块(30)利用机制砂颗粒的轮廓得到机制砂的级配占比；
所述粒形计算模块(40)利用机制砂颗粒的轮廓得到机制砂的粒形参数，粒形参数包括圆度、内径比和等效椭圆长短轴比；
利用机制砂颗粒的轮廓得到机制砂的等效椭圆长短轴比，具体包括：
任取两平行线与轮廓相切，平行线之间距离的最大值为最大Feret径；取颗粒轮廓的面积，构造一个等面积的椭圆，取颗粒轮廓的最大Feret径作为等效椭圆的长轴，此时的椭圆短轴为等效椭圆短轴，等效椭圆长短轴比为长轴和短轴的比值；
所述级配修正模块(50)使用随机森林算法构建修正模型，修正模型使用三种粒形参数对原始级配测量结果进行修正，用于获得最终的级配测量结果。
2.根据权利要求1所述一种基于图像法的机制砂级配修正系统，其特征在于，所述图像预处理模块(10)包括中值滤波单元(11)和阈值分割单元(12)；所述中值滤波单元(11)用于去除图像噪声，将图像的每个像素用3×3邻域像素中值代替；所述阈值分割单元(12)将图像转化为二值图像，阈值设为200。
3.根据权利要求1所述一种基于图像法的机制砂级配修正系统，其特征在于，所述颗粒轮廓提取模块(20)通过扫描二值图像中的非零像素点，将像素点的中心相连成为颗粒轮廓，提取颗粒外轮廓得到各个颗粒的轮廓。
4.根据权利要求1所述一种基于图像法的机制砂级配修正系统，其特征在于，所述级配占比利用机制砂颗粒轮廓计算出机制砂的级配占比，具体包括：利用机制砂颗粒轮廓计算出每个颗粒的等效粒径大小；级配占比计算为将粒径分为几个粒径区间，各个颗粒根据其等效粒径大小被划分到不同粒径区间内，计算各个粒径区间内颗粒的体积之和占总颗粒体积之比；
各个颗粒的等效体积为处理轮廓得到的等效粒径与投影面积的乘积。
5.根据权利要求1所述一种基于图像法的机制砂级配修正系统，其特征在于，利用机制砂颗粒的轮廓得到机制砂的圆度，具体包括：
计算等效面积圆直径d和最小外切圆直径D之比；
其中，R为圆度，d为等效面积圆直径，D为最小外切圆直径，A为投影面积。
6.根据权利要求1所述一种基于图像法的机制砂级配修正系统，其特征在于，利用机制砂颗粒的轮廓得到机制砂的内径比，具体包括：
计算颗粒轮廓上各点到质心的最长距离与最小距离的比值。
7.根据权利要求1所述一种基于图像法的机制砂级配修正系统，其特征在于，所述随机森林算法的决策树数目设为100以上，其分割内部节点所需的最小样本数量设为5以上。
CN201911205181.0A 2019-11-29 2019-11-29 一种基于图像法的机制砂级配修正系统 Active CN110969608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911205181.0A CN110969608B (zh) 2019-11-29 2019-11-29 一种基于图像法的机制砂级配修正系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911205181.0A CN110969608B (zh) 2019-11-29 2019-11-29 一种基于图像法的机制砂级配修正系统

Publications (2)

Publication Number Publication Date
CN110969608A CN110969608A (zh) 2020-04-07
CN110969608B true CN110969608B (zh) 2023-04-07

Family

ID=70032534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911205181.0A Active CN110969608B (zh) 2019-11-29 2019-11-29 一种基于图像法的机制砂级配修正系统

Country Status (1)

Country Link
CN (1) CN110969608B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111781106B (zh) * 2020-07-11 2023-09-29 安徽省建筑科学研究设计院 一种机制砂振动测量系统
CN112183308A (zh) * 2020-09-25 2021-01-05 中国水利水电科学研究院 一种胶结砂砾石料在线识别与级配优化方法及系统
CN112611690B (zh) * 2020-12-04 2022-07-08 华侨大学 一种基于三维图像的粗骨料等效粒度级配方法
CN112801952B (zh) * 2021-01-15 2022-08-12 清华大学 基于砂石图像数据集的砂级配预测方法及装置
CN113270156B (zh) * 2021-04-29 2022-11-15 甘肃路桥建设集团有限公司 基于图像处理的机制砂石粉的检测建模、检测方法及系统
CN113409297A (zh) * 2021-07-08 2021-09-17 深圳市宏申工业智能有限公司 骨料体积计算方法、粒形级配数据生成方法、系统和设备
CN113674201B (zh) * 2021-07-09 2024-07-26 福建南方路面机械股份有限公司 一种骨料粒径抽样监测方法
CN114662169B (zh) * 2022-03-21 2024-12-06 长安大学 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法
CN114972166B (zh) * 2022-03-24 2024-08-16 中国电建集团华东勘测设计研究院有限公司 一种基于视觉检测图像的骨料级配数据统计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002188990A (ja) * 2000-12-20 2002-07-05 Bridgestone Corp 粒子形状の解析方法とその装置
CN102288522A (zh) * 2011-06-30 2011-12-21 河海大学 基于数字图像技术的泥沙颗粒分析装置及分析方法
CN104075965A (zh) * 2014-07-02 2014-10-01 北京机械设备研究所 一种基于分水岭分割的显微图像颗粒粒度测量方法
CN110068518A (zh) * 2019-05-10 2019-07-30 华侨大学 机制砂质量检测设备及其检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002188990A (ja) * 2000-12-20 2002-07-05 Bridgestone Corp 粒子形状の解析方法とその装置
CN102288522A (zh) * 2011-06-30 2011-12-21 河海大学 基于数字图像技术的泥沙颗粒分析装置及分析方法
CN104075965A (zh) * 2014-07-02 2014-10-01 北京机械设备研究所 一种基于分水岭分割的显微图像颗粒粒度测量方法
CN110068518A (zh) * 2019-05-10 2019-07-30 华侨大学 机制砂质量检测设备及其检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
图像法集料粒径检测表征参数的选择及实验研究;周建华等;《计量学报》(第06期);全文 *

Also Published As

Publication number Publication date
CN110969608A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN110969608B (zh) 一种基于图像法的机制砂级配修正系统
CN109242791B (zh) 一种针对破损植物叶片的批量修复方法
CN105335966B (zh) 基于局域同质性指标的多尺度遥感影像分割方法
CN104700421A (zh) 一种基于canny的自适应阈值的边缘检测算法
CN113658117B (zh) 一种基于深度学习的沥青混合料中集料边界识别与划分方法
CN112819809B (zh) 一种岩石中矿物颗粒形态量化方法
CN103198479B (zh) 基于语义信息分类的sar图像分割方法
CN108346154A (zh) 基于Mask-RCNN神经网络的肺结节分割装置的建立方法
CN110766708B (zh) 基于轮廓相似度的图像比较方法
CN113409267B (zh) 一种基于深度学习的路面裂缝检测与分割方法
CN110223376B (zh) 一种基于单幅堆积颗粒材料图像的三维颗粒重建方法
CN109559324A (zh) 一种线阵图像中的目标轮廓检测方法
CN110991444A (zh) 面向复杂场景的车牌识别方法及装置
CN104282026A (zh) 基于分水岭算法和最小生成树的分布均匀性评估方法
CN108985363A (zh) 一种基于rbpnn的钢筋混凝土桥梁裂缝分类识别方法
CN107784646B (zh) 一种路用集料的自适应检测方法
CN114219773B (zh) 一种桥梁裂缝检测数据集预筛选与标定方法
CN105303612A (zh) 一种基于不规则三角网模型的数字河网提取方法
CN103093468A (zh) 一种基于图像形态学的稠密物体分割方法
CN109859187B (zh) 一种爆堆矿岩颗粒图像分割方法
CN110047146B (zh) 一种基于单幅回转体图像3d还原的误差修正方法
CN116255912A (zh) 包裹的静态体积测量方法及系统
CN114359269A (zh) 基于神经网络的虚拟食品盒缺陷生成方法及系统
CN103116890A (zh) 一种基于视频图像的智能搜索匹配方法
CN105574528A (zh) 一种基于多相互斥水平集的黏连细胞图像分割方法

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