CN114662169A - 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法 - Google Patents

基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法 Download PDF

Info

Publication number
CN114662169A
CN114662169A CN202210280468.5A CN202210280468A CN114662169A CN 114662169 A CN114662169 A CN 114662169A CN 202210280468 A CN202210280468 A CN 202210280468A CN 114662169 A CN114662169 A CN 114662169A
Authority
CN
China
Prior art keywords
brick
filler
particle
regenerated
regenerated filler
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.)
Pending
Application number
CN202210280468.5A
Other languages
English (en)
Inventor
吴谦
毛雪松
来小勇
郑海华
叶君辉
李如意
运志辉
张建勋
陈欣怡
向丹
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.)
Wenling Urban Development Investment Group Co ltd
Zhejiang Mingyou Environmental Engineering Co ltd
Changan University
Original Assignee
Wenling Urban Development Investment Group Co ltd
Zhejiang Mingyou Environmental Engineering Co ltd
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 Wenling Urban Development Investment Group Co ltd, Zhejiang Mingyou Environmental Engineering Co ltd, Changan University filed Critical Wenling Urban Development Investment Group Co ltd
Priority to CN202210280468.5A priority Critical patent/CN114662169A/zh
Publication of CN114662169A publication Critical patent/CN114662169A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Food Science & Technology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明公开了一种基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，包括以下步骤：S1：对建筑垃圾再生填料进行筛分，绘制级配曲线，采集建筑垃圾路基填料中再生填料图像，并对再生填料图像进行色彩值调整；S2：确定再生填料中颗粒轮廓的评价参数；S3：对再生填料进行力学实验，并根据级配曲线计算力学实验前后的颗粒破碎率；S4：计算颗粒轮廓的评价参数与力学实验前后的颗粒破碎率之间的相关性系数；S5：进行轮廓演化规律分析，完成建筑垃圾路基填料中砖块轮廓演化特征分析。本发明揭示再生填料中软弱组分砖块的二次破碎行为，深化对建筑垃圾再生填料路用性能的认知。

Description

基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法
技术领域
本发明属于轮廓演化技术领域，具体涉及一种基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法。
背景技术
建筑垃圾符合道路所需的建筑材料的要求，特别是以一定的比例和性质良好的土掺杂在一起能用于路基施工中，这种方法不仅取材方便，还可减少工程成本，降低因建筑而致的废料对环境的破坏，这种方法是技术验证的结果，用于实践不仅提高经济效益，还可增加社会效益。
不过建筑垃圾用于路基填筑的问题在于其中含有较多软弱组分，尤其是砖块强度较低且含量较多，在施工及运营过程中极易发生二次破碎问题，从而引起较大的沉降变形。所以对再生填料中砖块的二次破碎特征研究就变得极为必要。目前常用的方法是对再生填料力学试验前后分别进行筛分，只能得到填料级配的变化趋势，不能针对砖块的破碎规律做出具体分析。如徐鹏程在“再生砼砖混合集料破碎分形规律与路面基层或底基层用集料级配确定方法”一文中对破碎前后再生混合集料分别进行筛分和人工分拣，探究再生混合集料在破碎前后质量、体积等一系列变化。现有的方法只能得到不同档填料质量、体积的变化趋势，不能对哪种特征参数的砖块的更易破碎以及破碎到何种程度进行具体分析。
综上，现有的方法不能对再生填料中各砖块的二次破碎特征进行明确的定量化分析。
发明内容
本发明为了解决上述问题，提出了一种基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法。
本发明的技术方案是：一种基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法包括以下步骤：
S1：对建筑垃圾再生填料进行筛分，绘制级配曲线，采集建筑垃圾路基填料中再生填料图像，并对再生填料图像进行色彩值调整；
S2：基于色选法确定再生填料区域，并在再生填料区域内，根据色彩值调整后的再生填料图像，确定再生填料中颗粒轮廓的评价参数；
S3：对再生填料进行力学实验，并根据级配曲线计算力学实验前后的颗粒破碎率；
S4：计算颗粒轮廓的评价参数与力学实验前后的颗粒破碎率之间的相关性系数；
S5：根据颗粒轮廓的评价参数以及相关性系数进行轮廓演化规律分析，完成建筑垃圾路基填料中砖块轮廓演化特征分析。
进一步地，步骤S1中，采集再生填料图像的具体方法为：对再生填料进行砖块筛分和称重，从筛分和称重后的再生填料中随机取样若干份，并采集各个样本的图像，作为再生填料图像；
步骤S1中，对再生填料图像进行色彩值调整的具体方法为：利用Image-Pro Plus软件对再生填料图像的亮度、对比度和伽马值进行校正。
进一步地，步骤S2包括以下子步骤：
S21：测量再生填料中各个砖块的面积、周长、长轴尺寸和短轴尺寸；
S22：根据各个砖块的面积、周长、长轴尺寸和短轴尺寸，计算再生填料中颗粒轮廓的评价参数。
进一步地，步骤S22中，颗粒轮廓的评价参数包括丰度C、圆形度R和形状系数F，其计算公式分别为：
Figure BDA0003556661100000021
Figure BDA0003556661100000022
Figure BDA0003556661100000023
其中，B表示砖块的短轴尺寸，L表示砖块的长轴尺寸，A表示砖块的面积，A1表示砖块的外接圆面积，S表示砖块的周长，A1表示砖块的等面积圆周长。
进一步地，步骤S31中，力学实验使得强度较低的砖块颗粒发生破碎，并使各个砖块颗粒的形状轮廓发生变化；
步骤S31中，力学实验前后的颗粒破碎率B的计算公式为：
Figure BDA0003556661100000024
其中，Bt表示颗粒破碎量，Bpo表示颗粒破碎势，其为力学试验前级配曲线与0.075mm 竖线及100％横线所围面积。
进一步地，步骤S4中，选取颗粒破碎率序列B＝{Bi|i＝1,2,3…}，选取丰度序列 C＝{Ci|i＝1,2,3…}，选取圆形度序列R＝{Ri|i＝1,2,3…}，选取形状系数序列F＝{Fi|i＝1,2,3…}；
丰度C与力学实验前后的颗粒破碎率的相关系数r1的计算公式为：
Figure BDA0003556661100000031
其中，n表示试验次数，
Figure BDA0003556661100000032
表示多次试验破碎率指标平均值，
Figure BDA0003556661100000033
表示多次试验丰度平均值；
圆形度R与力学实验前后的颗粒破碎率的相关系数r2的计算公式为：
Figure BDA0003556661100000034
其中，
Figure BDA0003556661100000035
表示多次试验圆形度指标平均值；
形状系数F与力学实验前后的颗粒破碎率的相关系数r3的计算公式为：
Figure BDA0003556661100000036
其中，
Figure BDA0003556661100000037
表示多次试验形状系数指标平均值。
本发明的有益效果是：本发明提供了一种再生填料中砖块在力学试验中形状特征变化规律的研究方法。用以对再生填料中砖块在力学试验过程中不同粒径、不同形状特征的破碎规律分析。本发明可实现对再生填料中力学试验前后砖块不同粒径的数量以及丰度、圆形度和形状系数等特征参数进行具体分析，揭示再生填料中软弱组分砖块的二次破碎行为，深化对建筑垃圾再生填料路用性能的认知。
附图说明
图1为砖块轮廓演化方法的流程图；
图2为将再生填料样本等分后的随机排列拍摄图像；
图3为调整图片亮度、对比度和伽马值校正增强图像；
图4为利用魔法棒工具自动绘制砖块轮廓图；
图5为选择测量项目并进行测量的过程图；
图6为根据输出的测量结果计算砖块二次破碎分析所需的相关系数图；
图7为力学试验前后砖块丰度分布特征图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，包括以下步骤：
S1：对建筑垃圾再生填料进行筛分，绘制级配曲线，采集建筑垃圾路基填料中再生填料图像，并对再生填料图像进行色彩值调整；
S2：基于色选法确定再生填料区域，并在再生填料区域内，根据色彩值调整后的再生填料图像，确定再生填料中颗粒轮廓的评价参数；
S3：对再生填料进行力学实验，并根据级配曲线计算力学实验前后的颗粒破碎率；
S4：计算颗粒轮廓的评价参数与力学实验前后的颗粒破碎率之间的相关性系数；
S5：根据颗粒轮廓的评价参数以及相关性系数进行轮廓演化规律分析，完成建筑垃圾路基填料中砖块轮廓演化特征分析。
在本发明实施例中，步骤S1中，采集再生填料图像的具体方法为：对再生填料进行砖块筛分和称重，从筛分和称重后的再生填料中随机取样若干份，并采集各个样本的图像，作为再生填料图像；
步骤S1中，对再生填料图像进行色彩值调整的具体方法为：利用Image-Pro Plus软件对再生填料图像的亮度、对比度和伽马值进行校正。
在本发明实施例中，步骤S2包括以下子步骤：
S21：测量再生填料中各个砖块的面积、周长、长轴尺寸和短轴尺寸；
S22：根据各个砖块的面积、周长、长轴尺寸和短轴尺寸，计算再生填料中颗粒轮廓的评价参数。
在本发明实施例中，步骤S22中，颗粒轮廓的评价参数包括丰度C、圆形度R和形状系数F，其计算公式分别为：
Figure BDA0003556661100000041
Figure BDA0003556661100000042
Figure BDA0003556661100000043
其中，B表示砖块的短轴尺寸，L表示砖块的长轴尺寸，A表示砖块的面积，A1表示砖块的外接圆面积，S表示砖块的周长，A1表示砖块的等面积圆周长。
在本发明实施例中，步骤S31中，力学实验使得强度较低的砖块颗粒发生破碎，并使各个砖块颗粒的形状轮廓发生变化；
步骤S31中，力学实验前后的颗粒破碎率B的计算公式为：
Figure BDA0003556661100000051
其中，Bt表示颗粒破碎量，Bpo表示颗粒破碎势，其为力学试验前级配曲线与0.075mm竖线及100％横线所围面积。
在本发明实施例中，步骤S4中，选取颗粒破碎率序列B＝{Bi|i＝1,2,3…}，选取丰度序列 C＝{Ci|i＝1,2,3…}，选取圆形度序列R＝{Ri|i＝1,2,3…}，选取形状系数序列F＝{Fi|i＝1,2,3…}；
丰度C与力学实验前后的颗粒破碎率的相关系数r1的计算公式为：
Figure BDA0003556661100000052
其中，n表示试验次数，
Figure BDA0003556661100000053
表示多次试验破碎率指标平均值，
Figure BDA0003556661100000054
表示多次试验丰度平均值；
圆形度R与力学实验前后的颗粒破碎率的相关系数r2的计算公式为：
Figure BDA0003556661100000055
其中，
Figure BDA0003556661100000056
表示多次试验圆形度指标平均值；
形状系数F与力学实验前后的颗粒破碎率的相关系数r3的计算公式为：
Figure BDA0003556661100000057
其中，
Figure BDA0003556661100000058
表示多次试验形状系数指标平均值。
下面结合具体实施例对本发明进行说明。
1、对力学试验前的砖块筛分、称重并绘制砖块的级配曲线。2、将力学试验前的再生填料随机取样五份，保证每份中砖块颗粒含量不少于100块。并对五份样本分别编号为0-1、0-2、 0-3、0-4、0-5。3、以0-1样本为例，将其随机排列在标有刻度线或放置刻度尺的白色纸板上，排列应保证材料分布随机且互不干扰，可人为调整其分布位置，使粒料互不重合、接触。但调整时不能改变其分布方向、避免破坏排列随机性。4、如图2所示，使用拍摄装置在样本正上方进行拍照，获得样本的正投影图像。5、由于现存建筑垃圾中砖块成分多为红色，其余混凝土块、砖块、石块等多位青灰色。基于砖块与其他成分的色彩区别，对其所得图像色彩值进行调整，进一步增大砖块与其他成分色彩差异。将拍摄得到的照片导入Image-ProPlus(IPP) 软件。如图3所示，使用软件中对比增强面板上的亮度、对比度和伽马值校正控制增强图像，对图片进行预处理，使得砖块颗粒与其他颗粒色彩差别明显。如图4所示，借助纸板上的标尺对软件中的测量系统进行标定设置，以保证可以测出填料颗粒的实际大小以及轮廓特征。6、基于色选法选择砖块区域，利用吸管工具读取砖块位置的像素色彩值，调整所要选择的色调、饱和度、亮度，保证所选区域全部为砖块且尽可能包含所有砖块范围。7、在Image-Pro Plus (IPP)软件中自动测量每个砖块的面积(A)、周长(S)、长轴尺寸(L)、短轴尺寸(B)等形状参数。8、根据Image-Pro Plus(IPP)测量结果，计算颗粒轮廓的评价参数。此处以丰度 (C)、圆形度(R)、形状系数(F)为例。其中丰度表征颗粒的扁圆程度，为颗粒短轴尺寸与长轴尺寸的比值；圆形度表征颗粒的圆形程度，为颗粒实际面积与颗粒外接圆面积的比值；形状系数表征颗粒轮廓复杂程度，为与颗粒等面积圆周长与颗粒实际周长的比值。9、对0-2、 0-3、0-4、0-5样本分别进行2～7步操作。10、对五份样本所得数据综合分析，首先可得丰度、圆形度、形状系数各参数随颗粒面积(粒径大小)的变化规律。11、对实验前所有颗粒的形状参数求分布区间及平均值。由于不同的建筑垃圾破碎设备处理后的材料形状参数不尽相同，丰度、圆形度、形状参数三项指标的值越小，代表此状态下的砖块越容易破碎。分析试验前砖块形状参数的分布区间及平均值，可对试验前砖块的稳定程度作出评价。12、对再生填料进行第一次力学试验。13、对第一次力学试验后的材料进行1～11步操作。14、对比力学试验前砖块级配计算颗粒破碎率。15、对再生填料进行多次力学试验并重复1～11及14步。16、对力学试验前后各粒档中砖块的各种特征参数进行统计及对比分析，即可得到力学试验前后不同粒组砖块颗粒形状轮廓的演化规律。以砖块的圆形度为例，其为砖块的实际面积与砖块的外接圆面积的比值，表示砖块的圆形程度。相关研究表明，砖块越粗糙(即圆形度越小)，砖块越容易破碎，反之，其值越大，则圆形程度越高，砖块越稳定。对比试验前后砖块圆形度的分布区间及平均值，则可得到其圆形程度的变化规律。多次力学试验后，对圆形度数据进行拟合，即可得到圆形度的演化规律。对砖块的丰度、形状系数按相同方法进行处理分析，即可得到其演化规律。17、基于皮尔逊相关系数，计算砖块的丰度(C)、圆形度(R)、形状系数(F)与颗粒破碎率(Br)之间的相关性。18、分析影响砖块破碎率的主要指标。对于砖块而言，丰度、圆形度、形状系数各参数越小，代表砖块越容易破碎。但不同参数与颗粒破碎度的相关性不同，皮尔逊相关系数的计算结果位于[-1,1]之间，其绝对值越大，代表两序列的相关性越大。基于上述计算得到的不同参数序列与颗粒破碎率序列之间的皮尔逊相关系数，可得到不同特征参数与砖块颗粒破碎率之间的相关性。其相关性最大的参数最能反映砖块破碎状况，将其应用于施工运营过程中，可实时分析砖块的破碎状况。
此实施例进行的力学试验为振动击实，评价再生填料各组分形状演化规律的评级指标包括：丰度，圆形度，形状系数。如图5所示，为选择测量项目并进行测量的过程，此实施例测量项目包括Aspect、Axis(major)、Axis(minor)、Radius(max)、Perimeter、Area(polygon)。如图6所示为根据输出的测量结果计算砖块二次破碎分析所需的相关系数。如图7所示，为力学试验前后砖块丰度分布特征。表1为输出的测量结果。
表1
Figure BDA0003556661100000071
表2为计算出的指标体系平均值。由分析结果可知击实后颗粒的丰度系数明显增加，击实后的颗粒丰度更接近于1，可得出丰度较小的建筑垃圾砖块更易破碎。而击实前后颗粒的圆形度和形状系数变化较小，故可得出建筑垃圾再生填料中砖块的圆形度和形状系数对其二次破碎影响较小。
表2
Figure BDA0003556661100000072
Figure BDA0003556661100000081
表2为计算出的各指标与与砖块颗粒破碎率的相关性。
表3
Figure BDA0003556661100000082
本发明的工作原理及过程为：该方法包括：对力学试验前后粒料分别进行筛分、随机取样。将取得的样本等分、随机排列，对排列后的样本进行拍摄。利用Image-Pro Plus软件对不同样本图像进行处理，基于砖块与其它建筑垃圾的颜色差别可获得不同样本中砖块的数量、尺寸以及丰度、圆形度和形状系数等特征参数。可实现对力学过程中建筑垃圾材料级配、不同成分颗粒形状变化特征进行定量化分析。分析力学试验前后建筑垃圾再生填料中砖块颗粒形状轮廓的演化特征。
本发明的有益效果为：本发明可实现对再生填料中力学试验前后砖块不同粒径的数量以及丰度、圆形度和形状系数等特征参数进行具体分析，揭示再生填料中软弱组分砖块的二次破碎行为，深化对建筑垃圾再生填料路用性能的认知。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，其特征在于，包括以下步骤：
S1：对建筑垃圾再生填料进行筛分，绘制级配曲线，采集建筑垃圾路基填料中再生填料图像，并对再生填料图像进行色彩值调整；
S2：基于色选法确定再生填料区域，并在再生填料区域内，根据色彩值调整后的再生填料图像，确定再生填料中颗粒轮廓的评价参数；
S3：对再生填料进行力学实验，并根据级配曲线计算力学实验前后的颗粒破碎率；
S4：计算颗粒轮廓的评价参数与力学实验前后的颗粒破碎率之间的相关性系数；
S5：根据颗粒轮廓的评价参数以及相关性系数进行轮廓演化规律分析，完成建筑垃圾路基填料中砖块轮廓演化特征分析。
2.根据权利要求1所述的基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，其特征在于，所述步骤S1中，采集再生填料图像的具体方法为：对再生填料进行砖块筛分和称重，从筛分和称重后的再生填料中随机取样若干份，并采集各个样本的图像，作为再生填料图像；
所述步骤S1中，对再生填料图像进行色彩值调整的具体方法为：利用Image-Pro Plus软件对再生填料图像的亮度、对比度和伽马值进行校正。
3.根据权利要求1所述的基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，其特征在于，所述步骤S2包括以下子步骤：
S21：测量再生填料中各个砖块的面积、周长、长轴尺寸和短轴尺寸；
S22：根据各个砖块的面积、周长、长轴尺寸和短轴尺寸，计算再生填料中颗粒轮廓的评价参数。
4.根据权利要求1所述的基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，其特征在于，所述步骤S22中，颗粒轮廓的评价参数包括丰度C、圆形度R和形状系数F，其计算公式分别为：
Figure FDA0003556661090000011
Figure FDA0003556661090000012
Figure FDA0003556661090000013
其中，B表示砖块的短轴尺寸，L表示砖块的长轴尺寸，A表示砖块的面积，A1表示砖块的外接圆面积，S表示砖块的周长，A1表示砖块的等面积圆周长。
5.根据权利要求1所述的基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，其特征在于，所述步骤S31中，力学实验使得强度较低的砖块颗粒发生破碎，并使各个砖块颗粒的形状轮廓发生变化；
所述步骤S31中，力学实验前后的颗粒破碎率B的计算公式为：
Figure FDA0003556661090000021
其中，Bt表示颗粒破碎量，Bpo表示颗粒破碎势，其为力学试验前级配曲线与0.075mm竖线及100％横线所围面积。
6.根据权利要求1所述的基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法，其特征在于，所述步骤S4中，选取颗粒破碎率序列B＝{Bi|i＝1,2,3…}，选取丰度序列C＝{Ci|i＝1,2,3…}，选取圆形度序列R＝{Ri|i＝1,2,3…}，选取形状系数序列F＝{Fi|i＝1,2,3…}；
丰度C与力学实验前后的颗粒破碎率的相关系数r1的计算公式为：
Figure FDA0003556661090000022
其中，n表示试验次数，
Figure FDA0003556661090000023
表示多次试验破碎率指标平均值，
Figure FDA0003556661090000024
表示多次试验丰度平均值；
圆形度R与力学实验前后的颗粒破碎率的相关系数r2的计算公式为：
Figure FDA0003556661090000025
其中，
Figure FDA0003556661090000026
表示多次试验圆形度指标平均值；
形状系数F与力学实验前后的颗粒破碎率的相关系数r3的计算公式为：
Figure FDA0003556661090000027
其中，
Figure FDA0003556661090000028
表示多次试验形状系数指标平均值。
CN202210280468.5A 2022-03-21 2022-03-21 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法 Pending CN114662169A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210280468.5A CN114662169A (zh) 2022-03-21 2022-03-21 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210280468.5A CN114662169A (zh) 2022-03-21 2022-03-21 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法

Publications (1)

Publication Number Publication Date
CN114662169A true CN114662169A (zh) 2022-06-24

Family

ID=82030707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210280468.5A Pending CN114662169A (zh) 2022-03-21 2022-03-21 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法

Country Status (1)

Country Link
CN (1) CN114662169A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114994045A (zh) * 2022-08-08 2022-09-02 西南交通大学 建筑垃圾再生砖混骨料中红砖含量测定装置
CN116008077A (zh) * 2023-01-06 2023-04-25 长沙理工大学 建筑垃圾再生料在路基应用场景下的稳定级配确定方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114994045A (zh) * 2022-08-08 2022-09-02 西南交通大学 建筑垃圾再生砖混骨料中红砖含量测定装置
CN116008077A (zh) * 2023-01-06 2023-04-25 长沙理工大学 建筑垃圾再生料在路基应用场景下的稳定级配确定方法

Similar Documents

Publication Publication Date Title
CN110118775B (zh) 厂拌水泥稳定碎石骨料组成快速检测方法
Kumara et al. Image analysis techniques on evaluation of particle size distribution of gravel
CN114662169A (zh) 基于色选的建筑垃圾填料中砖块轮廓演化特征识别方法
Masad et al. Unified imaging approach for measuring aggregate angularity and texture
Masad et al. Internal structure characterization of asphalt concrete using image analysis
Kwan et al. Particle shape analysis of coarse aggregate using digital image processing
Maerz Technical and computational aspects of the measurement of aggregate shape by digital image analysis
Tutumluer et al. Investigation of aggregate shape effects on hot mix performance using an image analysis approach
CN105303558A (zh) 沥青路面混合料摊铺均匀性的实时检测方法
CN116612114B (zh) 图像处理视域下的透水混凝土胶石比确定方法
US6379031B1 (en) Method for manufacturing concrete
WO2022166232A1 (zh) 岩石鉴定方法、系统、装置、终端及可读存储介质
Obaidat et al. Analysis of volumetric properties of bituminous mixtures using cellular phones and image processing techniques
Lin et al. Study on meso-structural characteristics and homogeneity of asphalt mixture skeleton contacts
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
Little et al. Quantify shape, angularity and surface texture of aggregates using image analysis and study their effect on performance
Santamarina et al. Development and testing of a zooming technique for fragmentation measurement
Prudêncio Jr et al. Particle shape analysis of fine aggregate using a simplified digital image processing method
Chowdhury et al. Evaluation of superpave fine aggregate angularity specification
CN112035940B (zh) 高速公路路基沉降数据的预测方法
Saensomboon et al. Development of a size-based multiple erosion technique to estimate the aggregate gradation in an asphalt mixture
Mejias de Pernia et al. Application of image analysis techniques to develop a quality control tool for automated optimum binder content determination of open-graded friction course mixtures
Anochie-Boateng et al. Laser-based approach for determining flakiness index of aggregates used in pavements
Easa Superpave design aggregate structure considering uncertainty: II. Evaluation of trial blends
Pan Fine aggregate characterization using digital image analysis

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