CN115147421B - 一种用于建筑垃圾回收的再生骨料分级评价方法 - Google Patents
一种用于建筑垃圾回收的再生骨料分级评价方法 Download PDFInfo
- Publication number
- CN115147421B CN115147421B CN202211076244.9A CN202211076244A CN115147421B CN 115147421 B CN115147421 B CN 115147421B CN 202211076244 A CN202211076244 A CN 202211076244A CN 115147421 B CN115147421 B CN 115147421B
- Authority
- CN
- China
- Prior art keywords
- membership
- degree
- extension
- impurity
- characteristic diagram
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 27
- 238000010276 construction Methods 0.000 title claims abstract description 23
- 238000004064 recycling Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 239000012535 impurity Substances 0.000 claims abstract description 265
- 238000010586 diagram Methods 0.000 claims abstract description 161
- 239000011159 matrix material Substances 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000013441 quality evaluation Methods 0.000 claims abstract description 9
- 239000004033 plastic Substances 0.000 claims description 83
- 229920003023 plastic Polymers 0.000 claims description 83
- 239000002023 wood Substances 0.000 claims description 82
- 229910001294 Reinforcing steel Inorganic materials 0.000 claims description 42
- 229910000831 Steel Inorganic materials 0.000 claims description 16
- 230000002787 reinforcement Effects 0.000 claims description 16
- 239000010959 steel Substances 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000001172 regenerating effect Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000004566 building material Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002990 reinforced plastic Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种用于建筑垃圾回收的再生骨料分级评价方法,属于图像处理技术领域。方法包括以下步骤:根据各像素点对应的各隶属度,得到灰度图像对应的各目标隶属度特征图;根据各目标隶属度特征图上各像素点对应的隶属度,得到各目标隶属度特征图对应的各隶属度延伸游程矩阵;根据隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标;根据延伸特征指标和灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比;根据再生骨料中各类型杂质的占比,得到再生骨料对应的质量评价级别。该方法能够相对准确的得到再生骨料中杂质含量,进而也能够相对准确的得到再生骨料的质量评价级别。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于建筑垃圾回收的再生骨料分级评价方法。
背景技术
随着建筑行业的快速发展,产生了大量的废弃混凝土,废弃混凝土是建筑垃圾的主要组分,并且对产生的废弃混凝土的回收利用是提高资源利用率,实现经济效益、社会效益与环保效益统一的重要手段。当前,将废弃混凝土加工成再生骨料是建筑垃圾回收利用的一种主要方式,并且加工生产出的再生骨料的质量不同,然后这些加工出来的不同质量的再生骨料可以被应用制造不同强度需求的建筑材料。因此再生骨料的质量分级对后续再生骨料的应用有重要的指导作用。
现有的再生骨料进行评价分级方法一般是依据采样检测方式得到的再生骨料中杂质含量或者依据图像阈值分割得到的杂质含量来对再生骨料进行质量分级,一般情况下利用采样检测得到再生骨料中杂质含量的方法需要复杂的实验室指标,过程较为繁琐;而利用图像阈值分割得到杂质含量的方法一般是利用人工设置阈值对再生骨料图像进行图像分割,将杂质点与混凝土骨料点分开,统计杂质点数量的占比作为杂质含量,而有些杂质点与骨料点相似,单单以像素的灰度信息无法准确将杂质点与混凝土骨料点很好的区分,因此可能导致统计结果存在较大的误差,进而导致后续对再生骨料质量进行评价分级的准确度较低。
发明内容
本发明提供一种用于建筑垃圾回收的再生骨料分级评价方法,用于解决现有方法对再生骨料质量进行评价分级准确度较低的问题,所采用的技术方案具体如下:
本发明提供了一种用于建筑垃圾回收的再生骨料分级评价方法包括以下步骤:
获取再生骨料平铺灰度图像;
根据EM算法和所述灰度图像对应的灰度直方图,得到所述灰度图像上各像素点对应的各隶属度;根据所述各像素点对应的各隶属度,得到所述灰度图像对应的各目标隶属度特征图;所述目标隶属度特征图中一个像素点对应一个隶属度;
根据所述各目标隶属度特征图上各像素点对应的隶属度,得到所述各目标隶属度特征图对应的各隶属度延伸游程矩阵;根据所述隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标;
根据所述延伸特征指标和所述灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比;根据所述再生骨料中各类型杂质的占比,得到再生骨料对应的质量评价级别。
有益效果:本发明依据再生骨料平铺灰度图像对应的灰度直方图和EM算法,得到再生骨料平铺灰度图像上各像素点对应的各隶属度;然后通过对各像素点对应的各隶属度进行分析,得到再生骨料平铺灰度图像对应的各目标隶属度特征图;并且隶属度特征图中一个像素点对应一个隶属度;又根据各目标隶属度特征图上各像素点对应的隶属度,得到各目标隶属度特征图对应的各隶属度延伸游程矩阵;之后根据隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标;最后根据延伸特征指标和再生骨料平铺灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比;根据得到的再生骨料中各类型杂质的占比,得到再生骨料对应的质量级别。本发明提供的用于建筑垃圾回收的再生骨料分级评价方法能够相对准确的得到再生骨料中杂质含量,进而也能够相对准确的得到再生骨料的质量评价级别,并且该方法与需要复杂采样才能检测得到再生骨料中杂质含量的方式相比,具有快速、便捷的特点。
优选的,根据EM算法和所述灰度图像对应的灰度直方图,得到所述灰度图像上各像素点对应的各隶属度的方法,包括:
对再生骨料平铺灰度图像上的灰度值进行统计,构建得到所述灰度图像对应的灰度直方图,所述灰度直方图上的横坐标为灰度值,纵坐标为分布概率;
根据所述灰度直方图和EM算法,拟合得到所述灰度图像对应的高斯混合模型;
将子高斯模型对应的均值按照从小到大的顺序进行排序,得到各子高斯模型对应的序号;
计算所述灰度直方图各灰度值在各子高斯模型中的取值占比,记为所述灰度图像对应的灰度直方图上的各灰度值对于各子高斯模型的隶属度;
将所述各灰度值对于各子高斯模型的隶属度记为所述灰度图像对应的灰度直方图上的各灰度值对应的各隶属度;
获取所述灰度直方图上的各灰度值对应的各像素点;将所述各灰度值对应的各隶属度记为灰度直方图上对应灰度值对应的各像素点的各隶属度。
优选的,根据如下公式计算所述灰度图像对应的灰度直方图上的各灰度值对于各子高斯模型的隶属度:
其中, 为所述灰度直方图上的第个灰度值对于第k个子高斯模型的隶属度,为所述灰度直方图上的第个灰度值,为所述高斯混合模型中第个子高斯模型的权重值,为所述灰度直方图上的第个灰度值在第k个子高斯模型中的取值,K为高斯混合模型对应的子高斯模型个数。
优选的,根据所述各像素点对应的各隶属度,得到所述灰度图像对应的各目标隶属度特征图的方法,包括:
根据所述各灰度值对于相同序号子高斯模型的隶属度,构建得到所述灰度图像对应的各隶属度特征图;所述各隶属度特征图包括木片塑料杂质隶属度特征图、钢筋杂质隶属度特征图以及混凝土隶属度特征图;所述混凝土不属于再生骨料中的杂质;所述隶属度特征图的数量为再生骨料平铺灰度图像上的任一像素点对应的隶属度的数量;所述隶属度特征图和所述再生骨料平铺灰度图像中的像素点一一对应;
将所述木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图记为目标隶属度特征图。
优选的,根据所述各目标隶属度特征图上各像素点对应的隶属度,得到所述各目标隶属度特征图对应的各隶属度延伸游程矩阵;根据所述隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标的方法,包括:
所述各目标隶属度特征图是指木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图;
获取隶属度取值范围;将所述隶属度取值范围均分为10个隶属度级别,得到木片塑料杂质隶属度特征图上各像素点对应的隶属度级别和钢筋杂质隶属度特征图上各像素点对应的隶属度级别;
构建得到钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵、在45度方向下的隶属度延伸游程矩阵、在90度方向下的隶属度延伸游程矩阵以及在135度方向下的隶属度延伸游程矩阵;所述钢筋杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的最大游程长度都为D,将D记为钢筋杂质隶属度特征图对应的最大延伸长度;所述钢筋杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的行数和列数相同;
构建得到木片塑料杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵、在45度方向下的隶属度延伸游程矩阵、在90度方向下的隶属度延伸游程矩阵以及在135度方向下的隶属度延伸游程矩阵;所述木片塑料杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的最大游程长度都为M;所述木片塑料杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的行数和列数相同;
根据钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵和在90度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向;
根据钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵和在135度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向;
根据钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵和在90度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到木片塑料杂质隶属度特征图中各隶属度级别对应的第一延伸偏向;
根据钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵和在135度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到木片塑料杂质隶属度特征图中各隶属度级别对应的第二延伸偏向;
计算钢筋杂质隶属度特征图中各像素点隶属度的均值,记为钢筋杂质隶属度特征图对应的平均隶属度;
根据钢筋杂质隶属度特征图对应的平均隶属度、钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向,得到钢筋杂质隶属度特征图对应的延伸特性;
计算木片塑料杂质隶属度特征图中各像素点隶属度的均值,记为木片塑料杂质隶属度特征图对应的平均隶属度;
根据木片塑料杂质隶属度特征图对应的平均隶属度、木片塑料杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向,得到木片塑料杂质隶属度特征图对应的延伸特征指标。
优选的,根据如下公式计算钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向:
其中,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向,为钢筋杂质隶属度特征图对应的最大游程长度,为钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值,为钢筋杂质隶属度特征图在90度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值。
优选的,根据如下公式计算钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向:
其中,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向,为钢筋杂质隶属度特征图对应的最大游程长度,为钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值,为钢筋杂质隶属度特征图在135度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值。
优选的,根据如下公式计算钢筋杂质隶属度特征图对应的延伸特征指标:
其中,为钢筋杂质隶属度特征图对应的延伸特征指标,为钢筋杂质隶属度特征图对应的平均隶属度,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向。
优选的,根据如下公式计算木片塑料杂质隶属度特征图对应的延伸特征指标:
其中,为木片塑料杂质隶属度特征图对应的延伸特征指标,为木片塑料杂质隶属度特征图对应的平均隶属度,为木片塑料杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向,为木片塑料杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向。
优选的,根据所述延伸特征指标和所述灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比的方法,包括:
获取再生骨料平铺灰度图像上像素点总数量;
将木片塑料杂质隶属度特征图对应的延伸特征指标与再生骨料平铺灰度图像上像素点总数量的比值记为再生骨料中木片塑料杂质的占比;
将钢筋杂质隶属度特征图对应的延伸特征指标与再生骨料平铺灰度图像上像素点总数量的比值记为再生骨料中钢筋杂质的占比。
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为本发明一种用于建筑垃圾回收的再生骨料分级评价方法的流程图。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明实施例,本领域普通技术人员所获得的所有其它实施例,都属于本发明实施例保护的范围。
除非另有定义,本文所使用的所有的技术和科学技术语与属于本发明的技术人员通常理解的含义相同。
本实施例提供了一种用于建筑垃圾回收的再生骨料分级评价方法,详细说明如下:
如图1所示,该一种用于建筑垃圾回收的再生骨料分级评价方法,包括以下步骤:
步骤S001,获取再生骨料平铺灰度图像。
本实施例主要依据再生骨料中杂质含量或者杂质占比对再生骨料的质量进行评价分级;本实施例依据灰度直方图和EM算法进行分类;然后基于分类结果计算再生骨料平铺图像上各像素点对应的各隶属度;然后基于各像素点对应的各隶属度,得到再生骨料平铺灰度图像对应的各目标隶属度特征图;之后分析得到各目标隶属度特征图的延伸特征;其次根据各目标隶属度特征图对应的延伸特性和再生骨料平铺图像上像素点数量,得到再生骨料中各类型杂质的占比;最后根据再生骨料中各类型杂质的占比,得到再生骨料对应的质量评价级别。本实施例提供的用于建筑垃圾回收的再生骨料分级评价方法能够相对准确的得到再生骨料中杂质占比,进而也能够相对准确的得到再生骨料的质量评价级别,并且该方法与需要复杂采样才能检测得到再生骨料中杂质含量的方式相比,具有快速、便捷的特点。
本实施例在废弃混凝土作为原料所生产的再生骨料生产线出料口处将生产出的再生骨料进行平铺,利用工业相机获取再生骨料生产线出料口处将生产出的再生骨料进行平铺后的图像,记为再生骨料平铺图像;对再生骨料平铺图像进行灰度化处理,得到再生骨料平铺灰度图像。
步骤S002,根据EM算法和所述灰度图像对应的灰度直方图,得到所述灰度图像上各像素点对应的各隶属度;根据所述各像素点对应的各隶属度,得到所述灰度图像对应的各目标隶属度特征图;所述目标隶属度特征图中一个像素点对应一个隶属度。
本实施例利用再生骨料平铺灰度图像对应的灰度直方图和EM算法实现对再生骨料平铺灰度图像上的像素点分类,并得到再生骨料平铺灰度图像上各像素点对于各类别的隶属度,即得到再生骨料平铺灰度图像上各像素点对应的各隶属度;后续基于再生骨料平铺灰度图像上各像素点对于各类别的隶属度,得到各目标隶属度特征图;所述目标隶属度特征图可以反映再生骨料中的杂质含量。具体为:
对再生骨料平铺灰度图像上的灰度值进行统计,构建得到再生骨料平铺灰度图像对应的灰度直方图,所述灰度直方图上的横坐标为灰度值,纵坐标为分布概率;以所述灰度值和灰度值对应的分布概率为样本数据,根据样本数据并利用EM算法拟合再生骨料平铺灰度图像对应的高斯混合模型,本实施例用该高斯混合模型描述各灰度值在再生骨料平铺灰度图像上出现的概率,记为目标概率,这个概率是由K个子高斯模型的计算结果乘以其对应的权重得到的,并且高斯混合模型中的子高斯模型个数为K;本实施例将K设置为3,主要是为了区分再生骨料平铺灰度图像中的混凝土点、钢筋杂质点、木料塑料杂质点;然后将K个子高斯模型对应的均值按照从小到大的顺序进行排序,得到序号1对应的子高斯模型、序号2对应的子高斯模型以及序号3对应的子高斯模型,即一个子高斯模型对应一个序号;对于一个新输入的灰度值,即:
其中,为再生骨料平铺灰度图像对应的灰度直方图上的第个灰度值,为再生骨料平铺灰度图像对应的灰度直方图上的第个灰度值在所述灰度图像上出现的概率,为再生骨料平铺灰度图像对应的高斯混合模型中第个子高斯模型的权重值,为再生骨料平铺灰度图像对应的灰度直方图上的第个灰度值在第个子高斯模型中的取值。
由于钢筋杂质像素点灰度值一般比混凝土像素点灰度值低,而木片塑料杂质像素点灰度值一般比混凝土像素点灰度值高,因此序号为1的子高斯模型对应的是钢筋杂质像素点灰度值的分布,序号为2的子高斯模型对应的是混凝土像素点灰度值的分布,序号为3的子高斯模型对应的是木片塑料杂质像素点灰度值的分布;即序号1,2,3分别对应为:钢筋杂质点、混凝土点、木片塑料杂质点。
对于再生骨料平铺灰度图像对应的灰度直方图上的各灰度值,根据如下公式计算再生骨料平铺灰度图像对应的灰度直方图上的各灰度值对于各子高斯模型的隶属度(各灰度值在各子高斯模型中的取值占比):
其中,为再生骨料平铺灰度图像对应的灰度直方图上的第个灰度值对于第k个子高斯模型的隶属度,即第个灰度值在第k个子高斯模型中的取值占比,即。
因此通过上述方式可以得到再生骨料平铺灰度图像对应的灰度直方图上的各灰度值对于各子高斯模型的隶属度,记为再生骨料平铺灰度图像对应的灰度直方图上的各灰度值对应的各隶属度,一个灰度值对应3个隶属度;获取灰度直方图上的各灰度值对应的各像素点;将各灰度值对应的各隶属度记为灰度直方图上对应灰度值对应的各像素点的各隶属度,即一个像素点对应3个隶属度。
本实施例根据再生骨料平铺灰度图像上的各像素点对应的各隶属度,构建得到再生骨料平铺灰度图像对应的各隶属度特征图;所述隶属度特征图的数量为再生骨料平铺灰度图像上的任一像素点对应的隶属度的数量,本实施例隶属度特征图的数量为3。构建得到各隶属度特征图的具体过程为:
再生骨料平铺灰度图像上的各像素点对应的各隶属度分别为:再生骨料平铺灰度图像上的第个像素点对于序号为1的子高斯模型的隶属度(第个像素点对应的灰度值在序号为1的子高斯模型中的取值占比)、第个像素点对于序号为2的子高斯模型的隶属度(第个像素点对应的灰度值在序号为2的子高斯模型中的取值占比)、第个像素点对于序号为3的子高斯模型的隶属度(第个像素点对应的灰度值在序号为3的子高斯模型中的取值占比)。然后根据再生骨料平铺灰度图像上的各像素点对于序号为1的子高斯模型的隶属度,构建得到再生骨料平铺灰度图像对应的第一隶属度特征图,将所述第一隶属度特征图记为钢筋杂质隶属度特征图;根据再生骨料平铺灰度图像上的各像素点对于序号为2的子高斯模型的隶属度,构建得到再生骨料平铺灰度图像对应的第二隶属度特征图,将所述第二隶属度特征图记为混凝土隶属度特征图;根据再生骨料平铺灰度图像上的各像素点对于序号为3的子高斯模型的隶属度,构建得到再生骨料平铺灰度图像对应的第三隶属度特征图,将所述第三隶属度特征图记为木片塑料杂质隶属度特征图;所述隶属度特征图和再生骨料平铺灰度图像中的像素点一一对应。
由于本实施例主要分析的是再生骨料中的杂质含量,而混凝土不属于杂质,因此本实施例不对混凝土隶属度特征图进行分析,只对木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图进行分析,将所述木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图记为目标隶属度特征图。
步骤S003,根据所述各目标隶属度特征图上各像素点对应的隶属度,得到所述各目标隶属度特征图对应的各隶属度延伸游程矩阵;根据所述隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标。
不同类别杂质含有不同的延伸特征,例如钢筋杂质本身具有细长的特点,而其被粉碎后作为再生骨料中的杂质其本身也保留着一定的延伸特性,即钢筋杂质总是在一定方向具有短暂的延伸特性;而木片塑料杂质本身不具备延伸特征,其被粉碎后倾向于块状、片状结构;因此以这两种杂质的延伸特征为基础,构建木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图对应的隶属度延伸游程矩阵,后续基于隶属度延伸游程矩阵得到木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图对应的延伸特征指标,后续基于延伸特性得到再生骨料中杂质的占比。具体为:
由于隶属度为0到1之间的数值,则按照隶属度取值范围,可以将隶属度均分为10个隶属度级别,级别1对应的隶属度范围为,级别2对应的隶属度范围,以此类推,级别10对应的隶属度范围为;因此可以得到木片塑料杂质隶属度特征图上各像素点对应的隶属度级别和钢筋杂质隶属度特征图上各像素点对应的隶属度级别,并且所述木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图对应的隶属度级别范围都为1到10级。
之后构建得到钢筋杂质隶属度特征图在各方向下的隶属度延伸游程矩阵,所述的取值为0度,45度,90度和135度,即得到钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵、在45度方向下的隶属度延伸游程矩阵、在90度方向下的隶属度延伸游程矩阵以及在135度方向下的隶属度延伸游程矩阵;所述钢筋杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的最大游程长度都为D,将D记为钢筋杂质隶属度特征图对应的最大延伸长度,并且钢筋杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的行数和列数相同;并且矩阵中第g行、第d列的元素值表示为隶属度级别为g、游程长度为d的游程在钢筋杂质隶属度特征图上出现的次数。同理,得到木片塑料杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵、在45度方向下的隶属度延伸游程矩阵、在90度方向下的隶属度延伸游程矩阵以及在135度方向下的隶属度延伸游程矩阵;同样的木片塑料杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的最大游程长度都为M,并且对应的四个方向下的隶属度延伸游程矩阵的行数和列数相同。
对于任一隶属度特征图在四个方向下的隶属度延伸游程矩阵,该隶属度特征图在相互垂直的两个方向下的游程长度差异,代表了其延伸特性,即若两个相互垂直方向的延伸特征差异不同,表示这些像素点集中于某一方向而在与其垂直的方向上的延伸很小,符合钢筋杂质的杆状特性;如果若两个相互垂直方向的延伸特征差异相同,则说明符合木片塑料杂质的片状、块状特征;因此本实施例根据钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵和在90度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向;根据如下公式计算钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向:
其中,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向,为钢筋杂质隶属度特征图对应的最大游程长度,为钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值,为钢筋杂质隶属度特征图在90度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值;的值越大,表明钢筋杂质隶属度特征图在0度和90度两个相互垂直方向的延伸特征差异越大;为钢筋杂质隶属度特征图在0°方向下的隶属度延伸游程矩阵内依据游程长度加权而得到的延伸程度,即钢筋杂质隶属度特征图在0°方向下的隶属度延伸游程矩阵内,游程越集中在长游程处,说明钢筋杂质点在0°方向延伸程度越大;为钢筋杂质隶属度特征图在90°方向下的隶属度延伸游程矩阵内依据游程长度加权而得到的延伸程度,即钢筋杂质隶属度特征图在90°方向下的隶属度延伸游程矩阵内,游程越集中在长游程处,说明钢筋杂质点在90°方向延伸程度越大。
根据钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵和在135度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向;根据如下公式计算钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向:
其中,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向,为钢筋杂质隶属度特征图对应的最大游程长度,为钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值,为钢筋杂质隶属度特征图在135度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值;的值越大,表明钢筋杂质隶属度特征图在45度和135度两个相互垂直方向的延伸特征差异越大。
本实施例中通过上述过程可以得到钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向;同理,按照上述计算钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向的方式,可以得到木片塑料杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和木片塑料杂质隶属度特征图中各隶属度级别对应的第二延伸偏向。
由于钢筋杂质的特性为两个相互垂直方向的延伸特征差异不同,即钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向的值越大,表明再生骨料中钢筋杂质越多。本实施例计算钢筋杂质隶属度特征图中各像素点隶属度的均值,记为钢筋杂质隶属度特征图对应的平均隶属度;根据钢筋杂质隶属度特征图对应的平均隶属度、钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向,得到钢筋杂质隶属度特征图对应的延伸特性;根据如下公式计算钢筋杂质隶属度特征图对应的延伸特征指标:
其中,为钢筋杂质隶属度特征图对应的延伸特征指标,为钢筋杂质隶属度特征图对应的平均隶属度;越大,表明再生骨料中存在越多的钢筋杂质。
由于木片塑料杂质的特性为两个相互垂直方向的延伸特征差异相同,即木片塑料隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向的值越小,表明再生骨料中木片塑料杂质越多。因此本实施例计算木片塑料杂质隶属度特征图中各像素点隶属度的均值,记为木片塑料杂质隶属度特征图对应的平均隶属度;根据木片塑料杂质隶属度特征图对应的平均隶属度、木片塑料杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和木片塑料杂质隶属度特征图中各隶属度级别对应的第二延伸偏向,得到木片塑料杂质隶属度特征图对应的延伸特征指标;根据如下公式计算木片塑料杂质隶属度特征图对应的延伸特征指标:
其中,为木片塑料杂质隶属度特征图对应的延伸特征指标,为木片塑料杂质隶属度特征图对应的平均隶属度,为木片塑料杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向,为木片塑料杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向;越大,表明再生骨料中存在越多的木片塑料杂质越多。
步骤S004,根据所述延伸特性和所述再生骨料平铺图像上像素点数量,得到再生骨料中各类型杂质的占比;根据所述再生骨料中各类型杂质的占比,得到所述再生骨料对应的级别。
由于木片塑料杂质隶属度特征图对应的延伸特征指标可以反映再生骨料中木片塑料杂质的占比,钢筋杂质隶属度特征图对应的延伸特征指标可以反映再生骨料中钢筋杂质的占比;因此本实施例通过对木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图对应的延伸特征指标进行分析,得到再生骨料中木片塑料杂质的占比和再生骨料中钢筋杂质的占比。具体为:
获取再生骨料平铺灰度图像上像素点总数量;将木片塑料杂质隶属度特征图对应的延伸特征指标与再生骨料平铺灰度图像上像素点总数量的比值记为再生骨料中木片塑料杂质的占比;将钢筋杂质隶属度特征图对应的延伸特征指标与再生骨料平铺灰度图像上像素点总数量的比值记为再生骨料中钢筋杂质的占比。然后获取再生骨料中木片塑料杂质的占比和再生骨料中钢筋杂质的占比的和,记为再生骨料中杂质总占比;若再生骨料中杂质总占比小于预设第二阈值,则判定该再生骨料的质量为第一级别,即最优级别;若再生骨料中钢筋杂质的占比小于预设第一阈值,但是再生骨料中木片塑料杂质的占比大于第二阈值小于第三阈值,则判定该再生骨料的质量为第二级别,即次优级别;若再生骨料中钢筋杂质的占比大于第一阈值,但是再生骨料中木片塑料杂质的占比大于第三阈值小于第四阈值,则判定该再生骨料的质量为第三级别;若再生骨料中杂质总占比大于预设第四阈值,则判定该再生骨料的质量为第四级别。
本实施例设置预设第一阈值为3%,预设第二阈值为5%,预设第三阈值为10%,预设第四阈值为20%;作为其它的实施方式,也可以根据实际情况设置不同的再生骨料的质量分级方式。
有益效果:本实施例依据再生骨料平铺灰度图像对应的灰度直方图和EM算法,得到再生骨料平铺灰度图像上各像素点对应的各隶属度;然后通过对各像素点对应的各隶属度进行分析,得到再生骨料平铺灰度图像对应的各目标隶属度特征图;并且隶属度特征图中一个像素点对应一个隶属度;又根据各目标隶属度特征图上各像素点对应的隶属度,得到各目标隶属度特征图对应的各隶属度延伸游程矩阵;之后根据隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标;最后根据延伸特征指标和再生骨料平铺灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比;根据得到的再生骨料中各类型杂质的占比,得到再生骨料对应的质量级别。本实施例提供的用于建筑垃圾回收的再生骨料分级评价方法能够相对准确的得到再生骨料中杂质含量,进而也能够相对准确的得到再生骨料的质量评价级别,并且该方法与需要复杂采样才能检测得到再生骨料中杂质含量的方式相比,具有快速、便捷的特点。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,该方法包括如下步骤:
获取再生骨料平铺灰度图像;
根据EM算法和所述灰度图像对应的灰度直方图,得到所述灰度图像上各像素点对应的各隶属度;根据所述各像素点对应的各隶属度,得到所述灰度图像对应的各目标隶属度特征图;所述目标隶属度特征图中一个像素点对应一个隶属度;
根据所述各目标隶属度特征图上各像素点对应的隶属度,得到所述各目标隶属度特征图对应的各隶属度延伸游程矩阵;根据所述隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标;
根据所述延伸特征指标和所述灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比;根据所述再生骨料中各类型杂质的占比,得到再生骨料对应的质量评价级别;
所述根据EM算法和所述灰度图像对应的灰度直方图,得到所述灰度图像上各像素点对应的各隶属度的方法,包括:
对再生骨料平铺灰度图像上的灰度值进行统计,构建得到所述灰度图像对应的灰度直方图,所述灰度直方图上的横坐标为灰度值,纵坐标为分布概率;
根据所述灰度直方图和EM算法,拟合得到所述灰度图像对应的高斯混合模型;
将各子高斯模型对应的均值按照从小到大的顺序进行排序,得到各子高斯模型对应的序号;
计算所述灰度直方图各灰度值在各子高斯模型中的取值占比,记为所述灰度图像对应的灰度直方图上的各灰度值对于各子高斯模型的隶属度;
将所述各灰度值对于各子高斯模型的隶属度记为所述灰度图像对应的灰度直方图上的各灰度值对应的各隶属度;
获取所述灰度直方图上的各灰度值对应的各像素点;将所述各灰度值对应的各隶属度记为灰度直方图上对应灰度值对应的各像素点的各隶属度;
所述根据所述各像素点对应的各隶属度,得到所述灰度图像对应的各目标隶属度特征图的方法,包括:
根据所述各灰度值对于相同序号子高斯模型的隶属度,构建得到所述灰度图像对应的各隶属度特征图;所述各隶属度特征图包括木片塑料杂质隶属度特征图、钢筋杂质隶属度特征图以及混凝土隶属度特征图;所述混凝土不属于再生骨料中的杂质;所述隶属度特征图的数量为再生骨料平铺灰度图像上的任一像素点对应的隶属度的数量;所述隶属度特征图和所述再生骨料平铺灰度图像中的像素点一一对应;
将所述木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图记为目标隶属度特征图。
2.如权利要求1所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,根据如下公式计算所述灰度图像对应的灰度直方图上的各灰度值对于各子高斯模型的隶属度:
其中,为所述灰度直方图上的第个灰度值对于第k个子高斯模型的隶属度,为所述灰度直方图上的第个灰度值,为所述高斯混合模型中第k个子高斯模型的权重值,所述灰度直方图上的第个灰度值在第k个子高斯模型中的取值,K为高斯混合模型中的子高斯模型个数。
3.如权利要求1所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,所述根据所述各目标隶属度特征图上各像素点对应的隶属度,得到所述各目标隶属度特征图对应的各隶属度延伸游程矩阵;根据所述隶属度延伸游程矩阵,得到各目标隶属度特征图对应的延伸特征指标的方法,包括:
所述各目标隶属度特征图是指木片塑料杂质隶属度特征图和钢筋杂质隶属度特征图;
获取隶属度取值范围;将所述隶属度取值范围均分为10个隶属度级别,得到木片塑料杂质隶属度特征图上各像素点对应的隶属度级别和钢筋杂质隶属度特征图上各像素点对应的隶属度级别;
构建得到钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵、在45度方向下的隶属度延伸游程矩阵、在90度方向下的隶属度延伸游程矩阵以及在135度方向下的隶属度延伸游程矩阵;所述钢筋杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的最大游程长度都为D,将D记为钢筋杂质隶属度特征图对应的最大延伸长度;所述钢筋杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的行数和列数相同;
构建得到木片塑料杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵、在45度方向下的隶属度延伸游程矩阵、在90度方向下的隶属度延伸游程矩阵以及在135度方向下的隶属度延伸游程矩阵;所述木片塑料杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的最大游程长度都为M;所述木片塑料杂质隶属度特征图对应的四个方向下的隶属度延伸游程矩阵的行数和列数相同;
根据钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵和在90度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向;
根据钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵和在135度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向;
根据钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵和在90度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到木片塑料杂质隶属度特征图中各隶属度级别对应的第一延伸偏向;
根据钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵和在135度方向下的隶属度延伸游程矩阵中的参数值和游程长度,得到木片塑料杂质隶属度特征图中各隶属度级别对应的第二延伸偏向;
计算钢筋杂质隶属度特征图中各像素点隶属度的均值,记为钢筋杂质隶属度特征图对应的平均隶属度;
根据钢筋杂质隶属度特征图对应的平均隶属度、钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向,得到钢筋杂质隶属度特征图对应的延伸特性;
计算木片塑料杂质隶属度特征图中各像素点隶属度的均值,记为木片塑料杂质隶属度特征图对应的平均隶属度;
根据木片塑料杂质隶属度特征图对应的平均隶属度、木片塑料杂质隶属度特征图中各隶属度级别对应的第一延伸偏向和对应的第二延伸偏向,得到木片塑料杂质隶属度特征图对应的延伸特征指标。
4.如权利要求3所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,根据如下公式计算钢筋杂质隶属度特征图中各隶属度级别对应的第一延伸偏向:
其中,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向,为钢筋杂质隶属度特征图对应的最大游程长度,为钢筋杂质隶属度特征图在0度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值,为钢筋杂质隶属度特征图在90度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值。
5.如权利要求3所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,根据如下公式计算钢筋杂质隶属度特征图中各隶属度级别对应的第二延伸偏向:
其中,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向,为钢筋杂质隶属度特征图对应的最大游程长度,为钢筋杂质隶属度特征图在45度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值,为钢筋杂质隶属度特征图在135度方向下的隶属度延伸游程矩阵中第g行、第d列的元素值。
6.如权利要求3所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,根据如下公式计算钢筋杂质隶属度特征图对应的延伸特征指标:
其中,为钢筋杂质隶属度特征图对应的延伸特征指标,为钢筋杂质隶属度特征图对应的平均隶属度,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向,为钢筋杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向。
7.如权利要求3所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,根据如下公式计算木片塑料杂质隶属度特征图对应的延伸特征指标:
其中,为木片塑料杂质隶属度特征图对应的延伸特征指标,为木片塑料杂质隶属度特征图对应的平均隶属度,为木片塑料杂质隶属度特征图中第g个隶属度级别对应的第一延伸偏向,为木片塑料杂质隶属度特征图中第g个隶属度级别对应的第二延伸偏向。
8.如权利要求3所述的一种用于建筑垃圾回收的再生骨料分级评价方法,其特征在于,所述根据所述延伸特征指标和所述灰度图像上像素点总数量,得到再生骨料中各类型杂质的占比的方法,包括:
获取再生骨料平铺灰度图像上像素点总数量;
将木片塑料杂质隶属度特征图对应的延伸特征指标与再生骨料平铺灰度图像上像素点总数量的比值记为再生骨料中木片塑料杂质的占比;
将钢筋杂质隶属度特征图对应的延伸特征指标与再生骨料平铺灰度图像上像素点总数量的比值记为再生骨料中钢筋杂质的占比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211076244.9A CN115147421B (zh) | 2022-09-05 | 2022-09-05 | 一种用于建筑垃圾回收的再生骨料分级评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211076244.9A CN115147421B (zh) | 2022-09-05 | 2022-09-05 | 一种用于建筑垃圾回收的再生骨料分级评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115147421A CN115147421A (zh) | 2022-10-04 |
CN115147421B true CN115147421B (zh) | 2023-04-25 |
Family
ID=83415573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211076244.9A Active CN115147421B (zh) | 2022-09-05 | 2022-09-05 | 一种用于建筑垃圾回收的再生骨料分级评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147421B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116523911B (zh) * | 2023-07-03 | 2023-09-12 | 湖南融城环保科技有限公司 | 一种建筑垃圾再生骨料生产监控系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066876A (zh) * | 2021-11-25 | 2022-02-18 | 北京建筑大学 | 一种基于分类结果及cva-sgd法的建筑垃圾变化检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366367B (zh) * | 2013-06-19 | 2015-11-11 | 西安电子科技大学 | 基于像素数聚类的模糊c-均值灰度图像分割方法 |
CN110826917A (zh) * | 2019-11-07 | 2020-02-21 | 延安大学 | 一种建筑垃圾资源化模式模糊评价方法 |
CN113095412B (zh) * | 2021-04-14 | 2024-02-09 | 中北大学 | 基于多特征融合与支持向量机的混合细骨料分类识别方法 |
CN114882029B (zh) * | 2022-07-11 | 2022-09-20 | 南通科特森新材料科技有限公司 | 一种玻纤增强材料表面浮纤识别方法及电子设备 |
-
2022
- 2022-09-05 CN CN202211076244.9A patent/CN115147421B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066876A (zh) * | 2021-11-25 | 2022-02-18 | 北京建筑大学 | 一种基于分类结果及cva-sgd法的建筑垃圾变化检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115147421A (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115147421B (zh) | 一种用于建筑垃圾回收的再生骨料分级评价方法 | |
CN105510195A (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
CN110287975B (zh) | 基于nsst形态特征及深度kelm的浮选加药异常检测方法 | |
CN109815979B (zh) | 一种弱标签语义分割标定数据生成方法及系统 | |
CN110610061A (zh) | 一种融合多源信息的混凝土塌落度高精度预测方法 | |
CN102867183B (zh) | 一种车辆遗撒物检测方法、装置及智能交通监控系统 | |
CN108734714B (zh) | 一种基于Matlab分析碳酸盐岩结构的方法 | |
CN111127499A (zh) | 一种基于语义轮廓信息的安检图像刀具检测分割方法 | |
CN104680157A (zh) | 一种基于支持向量机的成捆棒材识别计数方法 | |
CN115564771A (zh) | 一种基于建筑物基柱的混凝土裂纹识别方法 | |
CN116309577B (zh) | 一种高强传送带物料智能检测方法及系统 | |
CN105046714A (zh) | 一种非监督的基于超像素和目标发现机制的图像分割方法 | |
CN113312846B (zh) | 一种基于混合工艺过程的智能检测方法及系统 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN105205816A (zh) | 多特征加权融合的高分辨率sar影像建筑区提取方法 | |
CN112199862A (zh) | 纳米粒子运移的预测方法、其影响因子分析方法及系统 | |
CN113743523B (zh) | 一种视觉多特征引导的建筑垃圾精细分类方法 | |
CN106096663B (zh) | 一种基于稀疏异构分组的高光谱遥感影像的分类器构建方法 | |
CN108765426A (zh) | 自动图像分割方法及装置 | |
CN110728676A (zh) | 一种基于滑动窗口算法的纹理特征度量方法 | |
CN115497006A (zh) | 基于动态混合策略的城区遥感图像变化深度监测方法及系统 | |
CN110738674B (zh) | 一种基于颗粒密集度的纹理特征度量方法 | |
CN111797730A (zh) | 一种水泥熟料岩相自动分析方法 | |
CN113901932A (zh) | 融合人工鱼与粒子群算法的工程机械图像识别方法及系统 | |
CN106845479B (zh) | 一种基于对比色矩形特征的小尺寸车牌检测方法 |
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 |