CN114462543A - 再生沥青混凝土生产用筛分方法 - Google Patents
再生沥青混凝土生产用筛分方法 Download PDFInfo
- Publication number
- CN114462543A CN114462543A CN202210136210.8A CN202210136210A CN114462543A CN 114462543 A CN114462543 A CN 114462543A CN 202210136210 A CN202210136210 A CN 202210136210A CN 114462543 A CN114462543 A CN 114462543A
- Authority
- CN
- China
- Prior art keywords
- screening
- asphalt concrete
- group
- similarity
- optimal
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 158
- 239000011384 asphalt concrete Substances 0.000 title claims abstract description 96
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000013441 quality evaluation Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 30
- 239000004567 concrete Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000011148 porous material Substances 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 12
- 230000002596 correlated effect Effects 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 239000002245 particle Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XOOUIPVCVHRTMJ-UHFFFAOYSA-L zinc stearate Chemical compound [Zn+2].CCCCCCCCCCCCCCCCCC([O-])=O.CCCCCCCCCCCCCCCCCC([O-])=O XOOUIPVCVHRTMJ-UHFFFAOYSA-L 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Processing Of Solid Wastes (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种再生沥青混凝土生产用筛分方法。获取不同批次的沥青混凝土的平面图像以得到对应的特征描述子;基于筛分质量评价指标获取每个批次的沥青混凝土的最佳筛分模式,由最佳筛分模式和最佳筛分质量评价指标构成对应批次的沥青混凝土的特征向量;对特征向量进行分组以获取每组的通用筛分模式,将待筛分沥青混凝土的实时特征描述子与每个分组对应的特征描述子进行相似度计算,由相似度得到最佳通用筛分模式以作为待筛分沥青混凝土的筛分方法。通过提取待筛分沥青混凝土的图像特征,智能识别其对应的最佳筛分模式,以有效提高了筛分质量和速度。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种再生沥青混凝土生产用筛分方法。
背景技术
对于废旧沥青混凝土路面进行翻修改造过程中,会产生大量的沥青混凝土骨料,这些旧料作为路用材料,仍有很高利用价值,对这些旧料的处理中,破碎后的筛分就是其中重要的一个过程,但由于路面老化程度以及破碎机的状况不同,对于沥青混凝土骨料的破碎质量也有差异,直接影响了沥青混凝土骨料的筛分质量与筛分速度。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种再生沥青混凝土生产用筛分方法,所采用的技术方案具体如下:
分别采集不同批次的沥青混凝土的平面图像,将所述平面图像转化为对应的灰度图像;获取所述灰度图像的平均灰度值和灰度值方差,以构成对应所述灰度图像的特征描述子;
将当前批次的所述沥青混凝土通过固定转速下的破碎机进行破碎预处理,将破碎后的所述沥青混凝土分为相同质量的多个混凝土批次;获取所述混凝土批次在不同工况下的筛分质量评价指标,所述工况是由传送带速度和筛网孔径构成,对比所述筛分质量评价指标以将最大筛分质量评价指标所对应的所述工况作为最佳工况;将所述最佳工况和所述固定转速作为最佳筛分模式;将所述最佳筛分模式和其对应所述筛分质量评价指标作为当前批次的所述沥青混凝土的特征向量;
获取不同批次的所述沥青混凝土的所述特征向量,根据所述特征向量之间的相似性将筛分结果相似所述特征向量分为一个分组,根据所述分组中对应的每个所述最佳筛分模式得到该分组的通用筛分模式;
获取待筛分沥青混凝土的实时特征描述子,计算所述实时描述子与每个所述分组对应所述特征描述子之间的相似程度,得到最大相似程度对应的目标分组,将所述目标分组的所述通用筛分模式作为所述待筛分沥青混凝土的筛分方法。
进一步地,所述获取所述混凝土批次在不同工况下的筛分质量评价指标的方法,包括:
在当前传送带速度和当前筛网孔径下获取通过所述当前筛网孔径下的筛分混凝土骨料的第一质量,计算所述第一质量与对应所述混凝土批次的总质量之间的比值,将所述比值作为骨料筛分可复用率;
结合所述骨料筛分可复用率和所述当前传送带速度得到该工况下的所述筛分质量评价指标。
进一步地,所述筛分质量评价指标与所述骨料筛分可复用率呈正相关关系、所述筛分质量评价指标与所述当前传送带速度呈正相关关系。
进一步地,所述根据所述特征向量之间的相似性将筛分结果相似所述特征向量分为一个分组的方法,包括:
分别计算任意两个所述特征向量之间的相似度,将所述相似度转化为聚类所需的样本距离,基于所述样本距离利用K-means聚类方法将所述特征向量分为多个分组。
进一步地,所述根据所述分组中对应的每个所述最佳筛分模式得到该分组的通用筛分模式的方法,包括:
将当前分组中所有所述最佳筛分模式下的所述传送带速度进行速度均值的获取、将所有所述筛分模式下的所述筛网孔径进行孔径均值计算,以及将所有所述筛分模式下所述破碎机的固定转速进行转速均值的计算;
让所述速度均值、所述孔径均值和所述转速均值构成当前分组的所述通用筛分模式。
进一步地,所述计算所述实时描述子与每个所述分类组对应所述特征描述子之间的相似程度,得到最大相似程度对应的目标分类组的方法,包括:
将所述实时特征描述子与当前分组中每个所述特征描述子进行余弦相似度计算,由所述余弦相似度计算相似度均值;
分别计算所述实时特征描述子与每个所述分组之间的所述相似度均值,对比所有所述相似度均值得到最大的所述相似度均值,将最大的所述相似度均值所对应的分组作为目标分组。
进一步地,所述工况中的所述筛网孔径包括三个层次,分别为细孔径、中孔径和粗孔径。
本发明实施例至少具有如下有益效果:通过对不同特征的沥青混凝土的筛分结果相似性进行通用筛分模式的设置,根据待筛分沥青混凝土的图像与通用筛分模式下的沥青混凝土图像之间的图像特征相似度,自动匹配最佳通用筛分模式作为待筛分沥青混凝土的筛分模式,以有效提高再生沥青混凝土的筛分质量和速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种再生沥青混凝土生产用筛分方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种再生沥青混凝土生产用筛分方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种再生沥青混凝土生产用筛分方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种再生沥青混凝土生产用筛分方法的步骤流程图,该方法包括以下步骤:
步骤S001,分别采集不同批次的沥青混凝土的平面图像,将平面图像转化为对应的灰度图像;获取灰度图像的平均灰度值和灰度值方差,以构成对应灰度图像的特征描述子。
具体的,利用面阵相机对不同批次的沥青混凝土进行图像采集,分别得到沥青混凝土的平面图像,即一个批次对应一张沥青混凝土的平面图像,分别将每张平面图像进行灰度化得到对应的灰度图像。
当沥青混凝土的骨料粒度之间比较均匀的情况下,其灰度值方差较小,当骨料粒度不均匀的情况下,其灰度值方差较大,因此分别获取灰度图像的灰度值方差;由于不同老化程度的沥青混凝土其整体色泽会有明显不同,其粘性也会不一样,因此也要分别获取灰度图像的平均灰度值,则将平均灰度值和灰度值方差作为对应灰度图像的特征描述子,也即是不同批次的沥青混凝土的特征,则一张灰度图像对应一个特征描述子。
步骤S002,将当前批次的沥青混凝土通过固定转速下的破碎机进行破碎预处理,将破碎后的沥青混凝土分为相同质量的多个混凝土批次;获取混凝土批次在不同工况下的筛分质量评价指标,工况是由传送带速度和筛网孔径构成,对比筛分质量评价指标以将最大筛分质量评价指标所对应的工况作为最佳工况;将最佳工况和固定转速作为最佳筛分模式、将最佳筛分模式和其对应筛分质量评价指标作为当前批次的沥青混凝土的特征向量。
具体的,再生沥青混凝土的筛分是属于再生骨料的一个重要处理工艺,其筛分过程应尽量快速高效,且破碎机的转速、传送带速度和筛网孔径都是对筛分速度有影响的,因此需要分析不同批次的沥青混凝土,以得到每个批次的沥青混凝土的最佳筛分模式,则具体过程为:
(1)分别将多个批次的沥青混凝土通过各自固定转速下的破碎机中进行破碎预处理,一个批次的沥青混凝土对应一个固定转速。
需要说明的是,破碎机的转速越快,沥青混凝土的破碎效果越好,但转速过快则会导致破碎机黏上沥青,使得破碎效果下降,因此根据实施者的自身情况进行破碎机的转速设置。
(2)将当前批次的沥青混凝土所对应的破碎后的沥青混凝土分为相同质量的多个混凝土批次,然后设定与混凝土批次相同数量的不同工况,且每个工况是由传送带速度和筛网孔径构成,通过改变传送带速度和筛网孔径能够得到多个不同工况。
需要说明的是,工况中的筛网孔径包括三个层次,分别为细孔径、中孔径和粗孔径,分为三个层次的原因是通过递进筛分可以使得筛分结果更好。
(3)获取混凝土批次分别在各个工况下的筛分质量评价指标,一个混凝土批次对应一个工况,进而根据筛分质量评价指标获得当前批次的沥青混凝土的最佳工况。
具体的,以一个工况为例,在当前传送带速度和当前筛网孔径下获取混凝土批次通过当前筛网孔径下的筛分混凝土骨料的第一质量,计算第一质量与对应混凝土批次的总质量之间的比值,将比值作为骨料筛分可复用率;由于骨料筛分可复用率越大其筛分效果越好,因此结合骨料筛分可复用率和当前传送带速度得到该工况下的筛分质量评价指标,筛分质量评价指标与骨料筛分可复用率呈正相关关系、筛分质量评价指标与当前传送带速度呈正相关关系,则筛分质量评价指标的计算公式为S=a*K+b*v,其中,S为筛分质量评价指标,K为骨料筛分可复用率,v为当前传送带速度,b为当前传送带速度的权重,a为骨料筛分可复用率的权重。
优选的,本发明实施例中a=0.3,b=0.7。
通过上述筛分质量评价指标的获取方法,能够获得多个混凝土批次在不同工况下的筛分质量评价指标,对比该批次沥青混凝土对应的多个筛分质量评价指标,将最大的筛分质量评价指标所对应的工况作为当前批次的沥青混凝土的最佳工况。
需要说明的是,破碎后的沥青混凝土经传送带运输到破碎筛分装置里,传送带的输送速度越快,破碎的沥青混凝土被处理越多,相对应的筛分结果越差;而筛网孔径是破碎的沥青混凝土在破碎筛分装置上通过筛网的孔隙筛分成不同直径的颗粒,且粒径宜小于25毫米,最大不超过35毫米,因此筛网孔径一般是根据再生需要而设定的。
(4)将当前批次的沥青混凝土对应破碎机的固定转速和最佳工况作为的最佳筛分模式。进而能够利用步骤(1)至步骤(3)得到不同批次的沥青混凝土的最佳筛分模式。
进一步地,将每个批次的沥青混凝土的最佳筛分模式和最佳筛分质量评价指标(也即是最佳工况对应的筛分质量评价指标)作为对应批次的沥青混凝土的特征向量。
步骤S003,获取不同批次的沥青混凝土的特征向量,根据特征向量之间的相似性将筛分结果相似的特征向量分为一个分组,根据分组中对应的每个最佳筛分模式得到该分组的通用筛分模式。
具体的,利用步骤S002的方法能够得到不同批次的沥青混凝土的特征向量,然后分别计算任意两个特征向量之间的相似度,其相似度的计算公式为:
其中,R(A,B)为批次A和批次B的沥青混凝土对应特征向量之间的相似度;MA为批次A的沥青混凝土的最佳筛分模式;MB为批次A的沥青混凝土的最佳筛分模式;abs(SA-SB)为批次A和批次B的沥青混凝土对应最佳筛分质量评价指标之间的差值。
将每个相似度转化为聚类所需的样本距离,则样本距离D的计算公式为:D=1/(1+R)。基于样本距离利用K-means聚类方法进行聚类以将多个批次的沥青混凝土的特征向量分为多个分组,每一个分组代表着各个筛分方式下的筛分结果非常相似。
优选的,本发明实施例中K=6,实施者可根据实际需求进行设置。
进一步地,由于破碎筛分装置都是固定参数下进行运行的,无法根据沥青混凝土的特征不同进行实时参数改变,因此基于分组结果获取每个分组所对应的通用筛分模式,其具体方法为:将每个分组中对应的所有最佳筛分模式分别进行工况参数的平均值计算,即将该分组中所有最佳筛分模式下的传送带速度进行速度均值的获取、将所有筛分模式下的筛网孔径进行孔径均值计算,以及将所有筛分模式下破碎机的固定转速进行转速均值的计算,以让速度均值、孔径均值和转速均值构成该分组的所述通用筛分模式因此该分组对应通用筛分模式下破碎机的转速设置为转速均值、筛网孔径的大小设置为孔径均值,以及传送带速度设置为速度均值。根据通过筛分模式的获取方法能够得到每个分组的通用筛分模式。
需要说明的是,筛网孔径的孔径均值计算是指对不同孔径层次进行相对应的孔径均值计算。
步骤S004,获取待筛分沥青混凝土的实时特征描述子,计算实时描述子与每个分类组对应特征描述子之间的相似程度,得到最大相似程度对应的目标分类组,将目标分类组的通用筛分模式作为待筛分沥青混凝土的筛分方法。
具体的,根据步骤S003的聚类过程不但将不同批次的沥青混凝土的特征向量分为多个分组,且相对应的将不同批次的沥青混凝土的平面图像也分为了一个分组,即每一个分组有一个通用筛分模式和一组平面图像。利用步骤S001的方法能够得到每张平面图像对应的特征描述子,进而每个分组会有一组特征描述子,且将该分类组的所有特征描述子作为其通用筛分模式下的标准特征描述子。
进一步地,实时采集待筛分沥青混凝土的图像以得到该图像的实时特征描述子,将实时特征描述子分别与每个分组中的标准特征描述子进行余弦相似度计算,获取余弦相似度最大的分组,将其的通用筛分模式作为待筛分沥青混凝土的最佳筛分模式,具体为:以一个分组为例,将实时特征描述子与该分组中每个特征描述子进行余弦相似度计算,由余弦相似度计算相似度均值,该相似度均值体现实时特征描述子与该分组的标准特征描述子之间的差异;进而分别计算实时特征描述子与每个分组之间的相似度均值,对比所有相似度均值得到最大的相似度均值,将最大的相似度均值所对应的分组的通用筛分模式作为待筛分沥青混凝土的最佳筛分模式。
综上所述,本发明实施例提供了一种再生沥青混凝土生产用筛分方法,获取不同批次的沥青混凝土的平面图像以得到对应的特征描述子;基于筛分质量评价指标获取每个批次的沥青混凝土的最佳筛分模式,由最佳筛分模式和最佳筛分质量评价指标构成对应批次的沥青混凝土的特征向量;对特征向量进行分组以获取每组的通用筛分模式,将待筛分沥青混凝土的实时特征描述子与每个分组对应的特征描述子进行相似度计算,由相似度得到最佳通用筛分模式以作为待筛分沥青混凝土的筛分方法。通过提取待筛分沥青混凝土的图像特征,智能识别其对应的最佳筛分模式,以有效提高了筛分质量和速度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种再生沥青混凝土生产用筛分方法,其特征在于,该方法包括以下步骤:
分别采集不同批次的沥青混凝土的平面图像,将所述平面图像转化为对应的灰度图像;获取所述灰度图像的平均灰度值和灰度值方差,以构成对应所述灰度图像的特征描述子;
将当前批次的所述沥青混凝土通过固定转速下的破碎机进行破碎预处理,将破碎后的所述沥青混凝土分为相同质量的多个混凝土批次;获取所述混凝土批次在不同工况下的筛分质量评价指标,所述工况是由传送带速度和筛网孔径构成,对比所述筛分质量评价指标以将最大筛分质量评价指标所对应的所述工况作为最佳工况;将所述最佳工况和所述固定转速作为最佳筛分模式;将所述最佳筛分模式和其对应所述筛分质量评价指标作为当前批次的所述沥青混凝土的特征向量;
获取不同批次的所述沥青混凝土的所述特征向量,根据所述特征向量之间的相似性将筛分结果相似所述特征向量分为一个分组,根据所述分组中对应的每个所述最佳筛分模式得到该分组的通用筛分模式;
获取待筛分沥青混凝土的实时特征描述子,计算所述实时描述子与每个所述分组对应所述特征描述子之间的相似程度,得到最大相似程度对应的目标分组,将所述目标分组的所述通用筛分模式作为所述待筛分沥青混凝土的筛分方法。
2.如权利要求1所述的一种再生沥青混凝土生产用筛分方法,其特征在于,所述获取所述混凝土批次在不同工况下的筛分质量评价指标的方法,包括:
在当前传送带速度和当前筛网孔径下获取通过所述当前筛网孔径下的筛分混凝土骨料的第一质量,计算所述第一质量与对应所述混凝土批次的总质量之间的比值,将所述比值作为骨料筛分可复用率;
结合所述骨料筛分可复用率和所述当前传送带速度得到该工况下的所述筛分质量评价指标。
3.如权利要求2所述的一种再生沥青混凝土生产用筛分方法,其特征在于,所述筛分质量评价指标与所述骨料筛分可复用率呈正相关关系、所述筛分质量评价指标与所述当前传送带速度呈正相关关系。
4.如权利要求1所述的一种再生沥青混凝土生产用筛分方法,其特征在于,所述根据所述特征向量之间的相似性将筛分结果相似所述特征向量分为一个分组的方法,包括:
分别计算任意两个所述特征向量之间的相似度,将所述相似度转化为聚类所需的样本距离,基于所述样本距离利用K-means聚类方法将所述特征向量分为多个分组。
5.如权利要求1所述的一种再生沥青混凝土生产用筛分方法,其特征在于,所述根据所述分组中对应的每个所述最佳筛分模式得到该分组的通用筛分模式的方法,包括:
将当前分组中所有所述最佳筛分模式下的所述传送带速度进行速度均值的获取、将所有所述筛分模式下的所述筛网孔径进行孔径均值计算,以及将所有所述筛分模式下所述破碎机的固定转速进行转速均值的计算;
让所述速度均值、所述孔径均值和所述转速均值构成当前分组的所述通用筛分模式。
6.如权利要求1所述的一种再生沥青混凝土生产用筛分方法,其特征在于,所述计算所述实时描述子与每个所述分类组对应所述特征描述子之间的相似程度,得到最大相似程度对应的目标分类组的方法,包括:
将所述实时特征描述子与当前分组中每个所述特征描述子进行余弦相似度计算,由所述余弦相似度计算相似度均值;
分别计算所述实时特征描述子与每个所述分组之间的所述相似度均值,对比所有所述相似度均值得到最大的所述相似度均值,将最大的所述相似度均值所对应的分组作为目标分组。
7.如权利要求1所述的一种再生沥青混凝土生产用筛分方法,其特征在于,所述工况中的所述筛网孔径包括三个层次,分别为细孔径、中孔径和粗孔径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210136210.8A CN114462543B (zh) | 2022-02-15 | 2022-02-15 | 再生沥青混凝土生产用筛分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210136210.8A CN114462543B (zh) | 2022-02-15 | 2022-02-15 | 再生沥青混凝土生产用筛分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114462543A true CN114462543A (zh) | 2022-05-10 |
CN114462543B CN114462543B (zh) | 2024-05-03 |
Family
ID=81412937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210136210.8A Active CN114462543B (zh) | 2022-02-15 | 2022-02-15 | 再生沥青混凝土生产用筛分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462543B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797472A (zh) * | 2023-02-03 | 2023-03-14 | 山东百成新材料科技股份有限公司 | 一种改性沥青生产用智能筛分方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211904A (zh) * | 2018-09-12 | 2019-01-15 | 长安大学 | 一种沥青混合料二维内部结构检测系统及检测方法 |
CN111474157A (zh) * | 2020-05-20 | 2020-07-31 | 华南理工大学 | 一种再生沥青混合料融合程度确定方法及系统 |
CN111681249A (zh) * | 2020-05-14 | 2020-09-18 | 中山艾尚智同信息科技有限公司 | 基于Grabcut的砂石颗粒的改进分割算法研究 |
KR102256243B1 (ko) * | 2020-12-21 | 2021-05-27 | 한국건설기술연구원 | 딥러닝 기반 콘크리트 구조물의 열화 평가 시스템 |
WO2021248915A1 (zh) * | 2020-06-10 | 2021-12-16 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及系统 |
CN113850303A (zh) * | 2021-09-07 | 2021-12-28 | 福建省高速公路养护工程有限公司 | 一种旧沥青路面材料分类方法及系统 |
-
2022
- 2022-02-15 CN CN202210136210.8A patent/CN114462543B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211904A (zh) * | 2018-09-12 | 2019-01-15 | 长安大学 | 一种沥青混合料二维内部结构检测系统及检测方法 |
CN111681249A (zh) * | 2020-05-14 | 2020-09-18 | 中山艾尚智同信息科技有限公司 | 基于Grabcut的砂石颗粒的改进分割算法研究 |
CN111474157A (zh) * | 2020-05-20 | 2020-07-31 | 华南理工大学 | 一种再生沥青混合料融合程度确定方法及系统 |
WO2021248915A1 (zh) * | 2020-06-10 | 2021-12-16 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及系统 |
KR102256243B1 (ko) * | 2020-12-21 | 2021-05-27 | 한국건설기술연구원 | 딥러닝 기반 콘크리트 구조물의 열화 평가 시스템 |
CN113850303A (zh) * | 2021-09-07 | 2021-12-28 | 福建省高速公路养护工程有限公司 | 一种旧沥青路面材料分类方法及系统 |
Non-Patent Citations (1)
Title |
---|
高颖;郭庆林;王可意;朱涵;: "不同形状假设下沥青混凝土级配快速识别效果对比", 铁道科学与工程学报, vol. 15, no. 09, 15 September 2018 (2018-09-15), pages 2252 - 2257 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797472A (zh) * | 2023-02-03 | 2023-03-14 | 山东百成新材料科技股份有限公司 | 一种改性沥青生产用智能筛分方法 |
CN115797472B (zh) * | 2023-02-03 | 2023-05-12 | 山东百成新材料科技股份有限公司 | 一种改性沥青生产用智能筛分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114462543B (zh) | 2024-05-03 |
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 | |
CN114462543A (zh) | 再生沥青混凝土生产用筛分方法 | |
CN101059425A (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置 | |
CN110349637B (zh) | 骨料周围界面过渡区体积分数预测方法、装置及终端设备 | |
CN102855641A (zh) | 基于外在品质的水果等级分类系统 | |
CN108478216A (zh) | 一种基于卷积神经网络的癫痫病发作前期智能预测方法 | |
US20230394806A1 (en) | Quickly extraction of morphology characterization parameters of recycled concrete sand particles based on deep learning technology | |
CN101777125A (zh) | 一种高分辨率遥感图像复杂类别的监督分类方法 | |
CN115294106B (zh) | 一种乳胶溶液中颗粒的均匀度检测方法 | |
CN111563519A (zh) | 基于Stacking加权集成学习的茶叶杂质识别方法及分选设备 | |
Sarrafzadeh et al. | Detecting different sub-types of acute myelogenous leukemia using dictionary learning and sparse representation | |
CN114842013B (zh) | 一种纺织品纤维强度检测方法及系统 | |
CN111539920B (zh) | 一种白酒酿造过程中糟醅质量的自动检测方法 | |
CN110378415A (zh) | 一种sar图像分类算法 | |
CN115456979A (zh) | 采用数字图像处理技术监控机制砂生产质量的方法 | |
CN113743523B (zh) | 一种视觉多特征引导的建筑垃圾精细分类方法 | |
CN112419397A (zh) | 一种基于图像和深度神经网络的矿石粒度分级方法及系统 | |
CN1488119A (zh) | 通过最近相邻分类滤波提高分辨率 | |
Ro et al. | A method for improving the estimation accuracy of the particle size distribution of the minerals using image analysis | |
CN116403021A (zh) | 一种基于卷积神经网络和自注意力机制的智能矿物分选方法 | |
CN115294127A (zh) | 一种混凝土制品生产异常预警系统 | |
CN111797730B (zh) | 一种水泥熟料岩相自动分析方法 | |
CN111294588B (zh) | 一种cmos图像传感器中白色像素分布的分析装置及方法 | |
CN114887924A (zh) | 一种基于太赫兹成像的煤矸石识别分选装置及方法 | |
CN108480232A (zh) | 基于形状和饱满度特征的枸杞分类方法 |
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 |