CN114295651B - 一种基于随机森林模型的油石比检测方法 - Google Patents
一种基于随机森林模型的油石比检测方法 Download PDFInfo
- Publication number
- CN114295651B CN114295651B CN202111536014.1A CN202111536014A CN114295651B CN 114295651 B CN114295651 B CN 114295651B CN 202111536014 A CN202111536014 A CN 202111536014A CN 114295651 B CN114295651 B CN 114295651B
- Authority
- CN
- China
- Prior art keywords
- oil
- random forest
- ratio
- stone
- stone ratio
- 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
- 238000007637 random forest analysis Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title abstract description 21
- 239000004575 stone Substances 0.000 claims abstract description 74
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 239000010426 asphalt Substances 0.000 claims abstract description 46
- 238000002591 computed tomography Methods 0.000 claims abstract description 36
- 239000000203 mixture Substances 0.000 claims abstract description 32
- 239000011800 void material Substances 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 239000003208 petroleum Substances 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000003705 background correction Methods 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- XSTXAVWGXDQKEL-UHFFFAOYSA-N Trichloroethylene Chemical group ClC=C(Cl)Cl XSTXAVWGXDQKEL-UHFFFAOYSA-N 0.000 description 2
- UBOXGVDOUJQMTN-UHFFFAOYSA-N trichloroethylene Natural products ClCC(Cl)Cl UBOXGVDOUJQMTN-UHFFFAOYSA-N 0.000 description 2
- 238000005119 centrifugation Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种基于随机森林模型的油石比检测方法，属于沥青路面施工控制技术领域。该检测方法为：对多个且不同石油比的马歇尔试件采用CT扫描，获取马歇尔试件不同高度处的CT图像，并划分数据集；采用avizo软件对步骤二获得的CT图进行处理，获得的处理后的CT图像的沥青混合料截面空隙进行提取，并获取空隙面积、空隙率、空隙平均直径空隙信息；基于随机森林算法，输入特征为沥青混合料截面空隙，输出特征为油石比，建立起油石比预估模型。本发明基于随机森林模型的油石比检测方法直接给出了油石比的预测值，可直接对沥青路面施工各阶段油石比的数值进行大概估计，进而控制沥青混合料油石比的波动范围，保证沥青路面的施工质量。
Description
技术领域
本发明涉及一种基于随机森林模型的油石比检测方法，属于沥青路面施工控制技术领域。
背景技术
沥青路面作为我国高等级公路的主要路面类型，具有行车舒适、施工工期短、维修养护方便等优点。为保障沥青路面的服役性能及使用寿命，有必要对沥青路面的施工质量进行控制。油石比作为施工质量关键控制指标，其数值波动情况对沥青路面施工质量的影响非常大。
为了减少油石比在沥青路面施工过程中的波动范围，准确测定油石比拌合阶段的数值显得尤为重要。目前油石比检测的研究重点在于如何提高油石比的检测精度，包括改进现有检测方法，研究开发新的油石比检测方法。现行规范中沥青混合料油石比检测方法主要有三种：射线法、离心分离法和燃烧炉法。目前工地上大多采用离心抽提法对沥青混合料油石比进行检验，该方法的试验时间较长(2h)，精度不足，且需使用具有一定毒性和挥发的三氯乙烯，对试验人员的健康存在一定的危害。因此，本发明旨在探索一种新的油石比检测方法，以控制目标配合比阶段油石比的波动情况，进而保证沥青路面的施工质量。
随着数字图像处理技术的飞速发展，X射线计算机断层成像装置(即CT)的问世，不少研究人员将数字图像技术应用于道路工程中，例如将其运用于识别沥青混合料内部的空隙分布、分析沥青混合料集料形态特征、提取沥青混合料的级配组成等。在沥青混合料切面灰度图像中，集料灰度值最大，颜色较浅(呈淡灰色)；空隙灰度值较小，颜色较深(接近于黑色)，即沥青混合料空隙的提取比较容易实现，且沥青混合料的空隙率与油石比之间存在密切的关系，因此本发明结合图像识别和CT技术，通过获取目标配合比阶段沥青混合料CT图像中的空隙信息，建立起一个油石比识别模型，以期在后续阶段，直接通过沥青混合料的切割图像，实现沥青混合料油石比的快速识别。
发明内容
本发明针对图像识别方法不适用于现有的沥青路面施工过程，对于解决大体量沥青混合料油石比的检测仍存在局限性的问题，提供了基于随机森林模型的油石比检测方法为油石比检测提出了一种新的思路，为施工过程中控制油石比波动范围提供了一种新的方法。
本发明采用如下技术方案：
本发明所述的基于随机森林模型的油石比检测方法，包括以下步骤：
步骤一、在目标配合比阶段，制备多个马歇尔试件，并对多个马歇尔试件依次进行编号；
步骤二、对多个且不同石油比的马歇尔试件采用CT扫描，获取马歇尔试件不同高度处的CT图像，并划分数据集；
步骤三、采用avizo软件对步骤二获得的CT图像进行统一裁剪、背景矫正、环影去除、中值滤波；获得质量更好，清晰度更佳，便于识别的圆形CT图像；
步骤四、采用avizo软件自带的交互式阈值分割算法对步骤三获得的处理后的CT图像的沥青混合料截面空隙进行提取，并获取空隙面积、空隙率、空隙平均直径空隙信息；
步骤五、基于随机森林算法，输入特征为沥青混合料截面空隙，输出特征为油石比，建立起油石比预估模型。
本发明所述的基于随机森林模型的油石比检测方法，所述步骤一中相邻两组马歇尔试件，油石比的最小差值为0.5％。
本发明所述的基于随机森林模型的油石比检测方法，所述的步骤一中多个马歇尔试件中采用油石比为最佳油石比、以最佳油石比-1％、以最佳油石比-0.5％、以最佳油石比+0.5％、以最佳油石比+1％；采用5个油石比含量进行单独制备；
油石比是指沥青混合料中沥青与矿料质量比的百分数。本发明采用已知的最佳油石比，例如：AC13最佳油石比范围为4％-5％，在这里我们取为5％。
本发明所述的基于随机森林模型的油石比检测方法，所述的步骤二中划分的数据集为：训练集和测试集；训练集包括训练集空隙信息，测试集包括测试集空隙信息；空隙信息指空隙率指标、空隙面积mm2指标、空隙平均有效直径mm指标。
本发明所述的基于随机森林模型的油石比检测方法，所述步骤二中CT扫描图像为马歇尔试件的不同高度横截面图像，其相邻CT图像间距在0.5mm。
本发明所述的基于随机森林模型的油石比检测方法，所述步骤三中，所有CT图像均被裁剪为同一直径的圆形，经裁剪后的图像实际直径约为103mm，裁剪为同一直径的圆形，即表示在相同面积下进行识别，识别结果具有可对比性，即利于空隙信息识别与统计。
本发明所述的基于随机森林模型的油石比检测方法，所述步骤三中，所有CT图像均需进行背景矫正、环影去除、中值滤波等操作，为保证环状伪影去除的效果，该操作的中心点应位于CT图像环状伪影的圆心处，不同CT图像中值滤波的参数值保持不变。
本发明所述的基于随机森林模型的油石比检测方法，所述步骤四中，采用avizo软件自带的交互式阈值分割算法时，同一油石比的CT图像采用相同的空隙分割阈值，不同油石比的CT图像可选用不同的空隙分割阈值。
本发明所述的基于随机森林模型的油石比检测方法，所述步骤五中，随机森林模型的训练集和测试集源于马歇尔试件的中部图像所提取的空隙信息。
有益效果
本发明提供的基于随机森林模型的油石比检测方法，基于随机森林模型的油石比检测方法直接给出了油石比的预测值，可直接对沥青路面施工各阶段油石比的数值进行大概估计，进而控制沥青混合料油石比的波动范围，保证沥青路面的施工质量。
本发明的沥青路面油石比检测方法，相比于目前工地适用的离心抽提法，避免使用大量有毒溶剂，如三氯乙烯、苯和汽油等，在一定程度上精度更好、效率更高。基于沥青混合料的截面信息指标与沥青混合料油石比之间存在良好的相关性，通过avizo软件获得了沥青混合料试件各截面的空隙率、空隙面积、空隙平均有效直径等数据，结合随机森林模型，一种可用于分类、回归和其他任务的机器学习算法，有效实现了沥青混合料油石比的检测，为探索沥青路面施工过程中油石比的快速准确检测提供了一种新的思路，为替代常规沥青混合料油石比检测方法做出了尝试。
附图说明
图1为本发明的油石比检测流程图；
图2为沥青混合料原始CT图像；
图3为经过裁剪的CT图像；
图4为经过背景矫正的CT图像；
图5为经过环影去除的CT图像；
图6为经过中值滤波的CT图像；
图7为经过阈值分割的空隙识别图像。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚，下面将结合本发明实施例的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的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。
本实施例利用CT射线仪扫描获取的沥青混合料切面图像，利用avizo软件对沥青混合料空隙进行识别，随机森林模型对油石比进行预估，具体实施步骤为：
1、试件制备。本次制备的马歇尔试件，其沥青混合料类型为AC13，试件名称为13-2、13-4、13-11、13-12、13-7，对应油石比为3.8％、4.5％、5％、5.5％、6％。相邻试件油石比之间的差值约为0.5％。
2、图像获取及数据集划分。对不同油石比的马歇尔试件进行CT扫描。以13-4试件为例，该试件某一截面处的CT图像，见图2。选取该试件27-37mm高度范围内的CT图像作为数据集，该部分CT图像编号为10510-10710。从编号10510开始，每隔10个编号选取一张图像，共选出21张图像，将其定为训练集；从10515开始，每隔20个编号选取一张图像，共选出9张图像，将其定为测试集。其他试件(13-2、13-11、13-12、13-7)类似，则5个试件的训练集共105张图像，测试集为45张图像。测试集的图像与训练集的图像比例为：3：7。
3、图像处理。以13-4某一截面的CT图像为例，通过avizo软件对CT图像进行统一裁剪，得到直径相同的圆形CT图像，此时图像对应的实际试件直径约为103mm，如图3所示。采用背景矫正、环影去除、中值滤波等技术对图像进行处理，处理后的图片如图4-图6所示。环影去除参数为474×475×485，中值滤波参数为2.
4.空隙信息提取。采用avizo软件自带的交互式阈值分割算法对空隙进行识别。同一油石比的CT图像采用相同的空隙分割阈值，不同油石比的CT图像可选用不同的空隙分割阈值。本次将5个试件的空隙提取阈值都定为95，经过阈值提取后，试件13-4某一截面的空隙识别如图7所示。对训练集和测试集内所有的图像进行空隙信息提取，进而获得训练集空隙信息(表1)及测试集空隙信息(表2)。
5.识别油石比。利用随机森林算法，将输入特征定为已获取的空隙信息，对油石比进行预估(表3)，结果发现模型预估效果较好，识别结果均在实际油石比±0.5％的范围内，通过图像识别的空隙数据(空隙面积、空隙率、空隙平均直径)，可实现对油石比的检测。
表1训练集空隙信息
表2测试集空隙信息
表3随机森林模型预估结果
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于随机森林模型的油石比检测方法，其特征在于：包括以下步骤：
步骤一、在目标配合比阶段，制备多个马歇尔试件，并对多个马歇尔试件依次进行编号；
步骤二、对多个且不同石油比的马歇尔试件采用CT扫描，获取马歇尔试件不同高度处的CT图像，并划分数据集；
步骤三、采用avizo软件对步骤二获得的CT图像进行统一裁剪、背景矫正、环影去除、中值滤波；
步骤四、采用avizo软件自带的交互式阈值分割算法对步骤三获得的处理后的CT图像的沥青混合料截面空隙进行提取，并获取空隙信息；
步骤五、基于随机森林算法，输入特征为沥青混合料截面空隙信息，输出特征为油石比，建立起油石比预估模型；
步骤二中划分的数据集为：训练集和测试集；训练集包括训练集空隙信息，测试集包括测试集空隙信息；
空隙信息指空隙率、空隙面积、空隙平均有效直径。
2.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述步骤一中相邻两组马歇尔试件，油石比的最小差值为0.5%。
3.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述的步骤一中多个马歇尔试件中采用油石比为最佳油石比、以最佳油石比-1%、以最佳油石比-0.5%、以最佳油石比+0.5%、以最佳油石比+1%；采用5个油石比含量进行单独制备。
4.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述步骤二中CT扫描图像为马歇尔试件的不同高度横截面图像，其相邻CT图像间距在0.5mm。
5.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述步骤三中，所有CT图像均被裁剪为同一直径的圆形，经裁剪后的图像实际直径为103mm。
6.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述步骤三中，所有CT图像均需进行背景矫正、环影去除、中值滤波操作；该操作的中心点应位于CT图像环状伪影的圆心处，不同CT图像中值滤波的参数值保持不变。
7.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述步骤四中，采用avizo软件自带的交互式阈值分割算法时，同一油石比的CT图像采用相同的空隙分割阈值，不同油石比的CT图像选用不同的空隙分割阈值。
8.根据权利要求1所述的基于随机森林模型的油石比检测方法，其特征在于，所述步骤五中，随机森林模型的训练集和测试集源于马歇尔试件的中部图像所提取的空隙信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536014.1A CN114295651B (zh) | 2021-12-15 | 2021-12-15 | 一种基于随机森林模型的油石比检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536014.1A CN114295651B (zh) | 2021-12-15 | 2021-12-15 | 一种基于随机森林模型的油石比检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114295651A CN114295651A (zh) | 2022-04-08 |
| CN114295651B true CN114295651B (zh) | 2024-03-15 |
Family
ID=80966763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111536014.1A Active CN114295651B (zh) | 2021-12-15 | 2021-12-15 | 一种基于随机森林模型的油石比检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114295651B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797730A (zh) * | 2020-06-19 | 2020-10-20 | 华润水泥技术研发（广西）有限公司 | 一种水泥熟料岩相自动分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11352879B2 (en) * | 2017-03-14 | 2022-06-07 | Saudi Arabian Oil Company | Collaborative sensing and prediction of source rock properties |
-
2021
- 2021-12-15 CN CN202111536014.1A patent/CN114295651B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797730A (zh) * | 2020-06-19 | 2020-10-20 | 华润水泥技术研发（广西）有限公司 | 一种水泥熟料岩相自动分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 智能路面发展与展望;WANG Linbing;王含笑;赵千;杨海露;赵鸿铎;HUANG Baoshan;;中国公路学报(第04期);54-76 * |
| 潜江凹陷潜江组盐间页岩油岩石物理建模研究;钟庆良;唐海;石秀平;赵建国;;石油物探(第04期);19-77 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114295651A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443793B (zh) | 一种沥青混合料空隙分布均匀性评价方法 | |
| CN101403683B (zh) | 采用ct技术分析多孔沥青混合料空隙结构的方法 | |
| CN101153850A (zh) | 一种沥青混合料的检测方法及系统 | |
| CN105445160B (zh) | 一种沥青混合料的空隙特征及其提取方法 | |
| CN104198457B (zh) | 基于光谱成像技术的烟丝组分识别方法 | |
| CN1296597A (zh) | 使用可靠性的代表性颜色指定方法 | |
| CN113011266B (zh) | 一种天空地一体化松材线虫病疫情遥感监测方法 | |
| CN114295651B (zh) | 一种基于随机森林模型的油石比检测方法 | |
| O'Brien et al. | Coal characterisation by automated coal petrography☆ | |
| CN106327508B (zh) | Ki67指数自动分析方法 | |
| CN107560991A (zh) | 一种沥青混合料空隙分布特性的多特征参数评价方法 | |
| US5761385A (en) | Product and method for extracting image data | |
| CN112509026A (zh) | 一种绝缘子裂缝长度识别方法 | |
| CN113779849A (zh) | 一种基于ct扫描的钢纤维混凝土模型构建方法 | |
| WO2014095133A1 (en) | Improved gleason grading by segmenting and combining co-registered images of differently stained tissue slices | |
| 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 | |
| CN113791069B (zh) | 一种基于方形区域划分的沥青混合料均匀性评价方法 | |
| CN109116002B (zh) | 一种路用粗集料棱角性量化方法 | |
| CN114913092B (zh) | 一种在线铁谱反射光图像增强方法及系统 | |
| Gerger et al. | An automated method for the quantification and fractal analysis of immunostaining | |
| CN112485253A (zh) | 玄武岩纤维沥青混合料中纤维最佳长度组合比的确定方法 | |
| CN109472244B (zh) | 一种基于分离指数的土壤、岩石和植被识别方法 | |
| CN109740576B (zh) | 一种监管公路临时占地利用与恢复的卫星遥感方法 | |
| CN107064136B (zh) | 基于二维数字图像处理的沥青混合料接触特性的评价方法 | |
| 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 |