CN115797472A - 一种改性沥青生产用智能筛分方法 - Google Patents
一种改性沥青生产用智能筛分方法 Download PDFInfo
- Publication number
- CN115797472A CN115797472A CN202310053106.7A CN202310053106A CN115797472A CN 115797472 A CN115797472 A CN 115797472A CN 202310053106 A CN202310053106 A CN 202310053106A CN 115797472 A CN115797472 A CN 115797472A
- Authority
- CN
- China
- Prior art keywords
- aggregate
- degree
- uniformity
- gravity
- acquiring
- 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
- 239000010426 asphalt Substances 0.000 title claims abstract description 44
- 238000012216 screening Methods 0.000 title claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005484 gravity Effects 0.000 claims abstract description 78
- 239000002245 particle Substances 0.000 claims abstract description 35
- 238000011077 uniformity evaluation Methods 0.000 claims abstract description 7
- 238000007873 sieving Methods 0.000 claims abstract description 5
- 238000010606 normalization Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 6
- 241001270131 Agaricus moelleri Species 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 239000011384 asphalt concrete Substances 0.000 description 4
- 238000009795 derivation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001584785 Anavitrinella pampinaria Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种改性沥青生产用智能筛分方法,该方法获取初步筛分后的骨料堆的灰度图像以及对应的灰度直方图;选取处于目标灰阶的像素点作为目标像素点,获取目标像素点在每个预设方向上同灰阶的游程值;基于目标像素点所有预设方向的游程均值获取重心程度;基于目标像素点在相反方向的游程值的差值获取对称程度;根据重心程度和对称程度获取目标像素点为骨料重心的可能性;筛选重心像素点并获取骨料粒径,根据所有重心像素点对应的骨料粒径评估改性沥青的均匀度;当均匀度不符合生产要求时,继续筛分。本发明能够提高均匀度评估的可靠性以及降低计算量,大大提高改性沥青的筛分效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种改性沥青生产用智能筛分方法。
背景技术
改性沥青是通过添加改性剂或者采取加工措施使沥青或沥青混合料的性能得以改善制成的沥青结合料,用它铺设的路面有良好的耐久性、抗磨性,可以达到高温不软化,低温不开裂的效果。
改性沥青生产时不同粒径的骨料对其所铺设沥青路面的强度、寿命具有直接影响,沥青筛分装置的作用是把骨料按不同的粒径重新分离,基本原理是利用不同大小的筛网,过滤不符合大小要求的混合料。
一般筛分之后的沥青骨料由人工观察、取样抽检判断是否达标,随着机器视觉和图像处理技术的发展,现在已经可以通过搭建机器视觉检测装置代替人工进行均匀度评估,可以提高筛分效率,减轻人工作业压力。
但骨料图像复杂且密集,若利用阈值分割的图像处理方法,获取每个骨料的形状、面积、重心、粒径信息,单阈值分割复杂图像会导致准确度较差,且对于每个骨料分割,计算量巨大;对于复杂图像均匀度评估问题中最常用、计算量相对较小的是灰度游程矩阵算法,但在所有骨料形状不规则的情况下,游程矩阵所遍历的结果总是混乱的,简单来说同一个遍历方向上,一个骨料可以遍历出数条不同的游程,且灰度游程矩阵不体现位置信息,无法对每个骨料单独计算粒径,传统游程矩阵的评估结果可信度欠佳;均匀度评估效果不佳导致筛分效果差。
发明内容
为了解决现有均匀度评估方式计算量大、可信度欠佳导致筛分效果差的问题,本发明提供一种改性沥青生产用智能筛分方法,所采用的技术方案具体如下:
获取俯视视角下初步筛分后的骨料堆的灰度图像,将灰度值范围划分为预设数量的灰阶,获取灰度图像的灰度直方图;
以灰度直方图中分布概率最大的灰阶作为目标灰阶,选取处于目标灰阶的像素点作为目标像素点,获取目标像素点在每个预设方向上同灰阶的游程值;
基于目标像素点所有预设方向的游程均值获取重心程度;计算目标像素点在相反方向的游程值的差值,基于所有差值获取对称程度;根据所述重心程度和所述对称程度获取目标像素点为骨料重心的可能性;
通过局部筛选可能性的峰值获取重心像素点,基于重心像素点处同灰阶的游程值获取骨料粒径,根据所有重心像素点对应的骨料粒径评估改性沥青的均匀度;当均匀度不符合生产要求时,继续筛分。
进一步的,所述重心程度的获取方法为:对所有预设方向的游程均值进行归一化,以得到的归一化结果作为所述重心程度。
进一步的,所述对称程度的获取方法为:
计算每两个相反方向对应的游程值的差值的平方,计算所有差值的平方的平均值,对该平均值进行反比例归一化得到所述对称程度。
进一步的,所述可能性的获取方法为:
计算所述重心程度和所述对称程度的欧氏范数作为对应目标像素点为骨料重心的所述可能性。
进一步的,所述重心像素点的获取方法为:
以预设大小的滑窗遍历所述灰度图像,在每次滑动的窗口内,当窗口中心点为窗口内的极大值点时,该窗口中心点筛选为重心像素点。
进一步的,所述骨料粒径的获取方法为:
计算重心像素点所有预设方向上同灰阶的游程均值作为平均半径,以平均半径的2倍作为所述骨料粒径。
进一步的,所述均匀度的评估方法为:
计算灰度图像中所有骨料粒径的均方差,对所述均方差进行反比例归一化,得到改性沥青的均匀度。
进一步的,所述均匀度不符合生产要求的判断方法为:
预设均匀度阈值,当所述均匀度大于或者等于所述均匀度阈值时,对应的改性沥青均匀度符合生产要求,否则不符合生产要求。
本发明至少具有如下有益效果:
首先获取初步筛选后的骨料堆的灰度图像,通过划分灰阶消除骨料之间的灰度差异,方便统计且减少后续的计算量;然后获取灰度图像的灰度直方图,选取分布概率最大的灰阶作为目标灰阶,由于灰度图像中大部分都是骨料,分布概率最大的灰阶代表了出现最多次数的灰阶,筛选出的目标灰阶能够表征灰度图像中最普遍的灰阶,进而选取的目标像素点必定是骨料上的像素点;获取目标像素点不同预设方向上同灰阶的游程值,反映目标像素点在不同预设方向上同属于目标像素点的数量,该数量越大,对应的目标像素点越靠近骨料的重心位置;通过目标像素点在相反方向的游程值的差值反映目标像素点的对称程度,在相反方向上的游程值越接近,差值越接近于0,目标像素点越有可能为对称中心,也就越有可能为骨料重心,因此结合重心程度和对称程度共同判断目标像素点为骨料重心的可能性;然后通过局部筛选可能性的峰值获取重心像素点,即通过筛选局部可能性最大的目标像素点获取重心像素点,灰度图像中有大量骨料,通过局部筛选能够尽可能准确地选取每个骨料的重心,然后通过骨料重心处同灰阶的游程值获取骨料粒径,即根据骨料重心周围同属于骨料的像素点的数量来获取骨料粒径,在基于灰度图像中所有骨料粒径评估改性沥青的均匀度,均匀度不符合生产要求时需要再次筛分。本发明通过重心程度和均匀程度相结合的方式筛选重心像素点进而获取骨料粒径,相比阈值分割的方式极大降低了计算量,且提高了准确度,通过游程值对重心像素点的筛选,相比普通游程矩阵的方法,结合像素点自身特性,大幅提高了检测结果的可信度,在提高均匀度评估可靠性和降低计算量之后,大大提高了改性沥青的筛分效率。
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改性沥青生产用智能筛分方法的步骤流程图;
图2为本发明一个实施例提供的游程值获取示意图。
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改性沥青生产用智能筛分方法,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改性沥青生产用智能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改性沥青生产用智能筛分方法的步骤流程图,该方法包括以下步骤:
步骤S001,获取俯视视角下初步筛分后的骨料堆的灰度图像,将灰度值范围划分为预设数量的灰阶,获取灰度图像的灰度直方图。
沥青混凝土骨料的主要组成是矿料、石料,包括粗骨料(粒径大于2.5mm)、细骨料(粒径0.074-2.5mm)及填料(粒径小于0.074mm)三部分,其物理化学性质对沥青混凝土的施工性能与工作性能有着极大的影响。
筛分的过程就是将不符合尺寸的骨料筛除掉,若筛分后的骨料粒径均匀,则符合生产需求,若不均匀,则还需要继续筛分。
在筛分装置旁平面搭建支架、相机,相机镜头俯视视角下正对筛分后的骨料,骨料筛分时,大量骨料在实时筛分,无法完全获取所有骨料的图像进行分析,利用相机对筛分后的骨料堆进行拍摄,获取相机镜头内的骨料图像。
将相机所拍摄的抽样骨料图像进行灰度化处理,得到灰度图像,减少计算量、简化计算过程。图像灰度化方法有很多,在本发明实施例中不再赘述具体的灰度化过程。在其他实施例中还可以采用灰度相机采集骨料的灰度图像。
通过将灰度范围0-255共256个灰度级分割为预设数量的灰阶完成灰阶分割,在本发明实施例中预设数量为8,即将灰度范围0-255划分为8个灰阶,每个灰阶包含32个灰度级,即灰度值为0-31的灰阶为1,32-63的灰阶为2,以此类推,224-255的灰阶为8。骨料的灰度值相近,通过灰阶分割能够消除骨料之间的灰度差异,方便统计且减少计算量。
获取灰度图像中像素值处于每个灰阶的像素点数量,以该数量与灰度图像中所有像素点数量的比值作为对应灰阶的分布频率,基于所有灰阶的分布频率构建灰度直方图,灰度直方图中每个矩形的高度为对应灰阶的分布频率。
步骤S002,以灰度直方图中分布概率最大的灰阶作为目标灰阶,选取处于目标灰阶的像素点作为目标像素点,获取目标像素点在每个预设方向上同灰阶的游程值。
由于图像中骨料分布密集,因此图像中像素点分布最多的必然为骨料部分,获取分布概率最大的灰阶作为后续游程的目标灰阶,记为I。
在灰度图像中选取灰度值处于目标灰阶I的像素点作为目标像素点,目标灰阶代表了骨料部分所在的灰阶,目标像素点必然是处于骨料中的像素点。
在本发明实施例中每个目标像素点具有8个预设方向,即八邻域方向,对于每个目标像素点,获取每个预设方向上同灰阶的像素点的连续数量,也就是每个方向上连续的目标像素点的长度即为对应预设方向的游程值。
对于每个目标像素点来说,8个预设方向上的游程值可以被设想为,以该目标像素点作为骨料重心,对应的8个预设方向上的半径。后续通过分析不同目标像素点的游程值来分析该目标像素点是否为骨料重心。
在其他实施例中,目标像素点的预设方向还可以是4个,即四邻域方向。
如图2所示的游程值获取示意图,虚线部分为每个预设方向上的直线轨迹,加粗部分则为以某一目标像素点为中心,其8个预设方向上的游程值。向上方向的游程值最大,为7,右上方向的游程值次之,为5。
步骤S003,基于目标像素点所有预设方向的游程均值获取重心程度;计算目标像素点在相反方向的游程值的差值,基于所有差值获取对称程度;根据重心程度和对称程度获取目标像素点为骨料重心的可能性。
对所有预设方向的游程均值进行归一化,以得到的归一化结果作为重心程度:
通过计算目标像素点在8个预设方向上的游程值的平均值,再利用双曲正切函数进行归一化,使其取值限制在0-1之间。目标像素点对应的游程均值越大,说明该目标像素点越靠近其所在骨料的重心,即重心程度越大。
计算每两个相反方向对应的游程值的差值的平方,计算所有差值的平方的平均值,对该平均值进行反比例归一化得到对称程度。
对于每个目标像素点的8个预设方向,为4对相反方向,两个相反方向位于同一直线上,例如u方向和v方向为一对相反方向,则u方向和v方向位于同一直线上,v方向加上180°为u方向,每一组同线的游程值之和为一组直径。计算对称程度:
同线的相反方向对应的游程值越接近,即的差值越接近于0,对应的目标像素点越可能为对称中心,然而可能会出现目标像素点在骨料边缘上的情况,存在同线游程值为0或接近0但并不对称的情况,此时若仅仅以的累加求均,结果也会较小,但是并不能代表此目标像素点位于对称中心,会出现误差,因此通过对进行平方,放大其差值结果然后再进行累加求均,得到。然后利用以自然常数e为底的负指数函数对其进行反比例归一化,差值越小,对应的反比例归一化的结果越大,对应的目标像素点对称性越好,越有可能为对称中心,也就越有可能为骨料重心。
举例说明:在水平方向上,0°方向和180°方向同线,假设两个方向上游程值均为5时,为0,将4组同线游程的差值累加求均值后也很小,则代表该目标像素点对称性好,但是当目标像素点在骨料一侧边缘处,虽然至少有一组同线游程差异较大,假设其分别为9和1,但是其他组的同线游程可能很小,差值也会很小,假设其他三组差值为0,这会导致累加求均值结果为(8+0+0+0)/4=2,明明不具有对称性却出现均值结果较小,就会出现计算误差,因此通过平方放大差值,变为(+0+0+0)/4=16,则可以避免此类问题。
重心程度代表了目标像素点靠近重心的程度,对称程度代表了目标像素点为对称中心的可能性,两者结合能够得到目标像素点为骨料重心的可能性。计算重心程度和对称程度的欧氏范数作为对应目标像素点为骨料重心的可能性:,其中,W表示目标像素点为骨料重心的可能性,和的取值范围均为[0,1],则W的取值范围为[0,],该值越大代表对应的目标像素点越可能为骨料重心点。
步骤S004,通过局部筛选可能性的峰值获取重心像素点,基于重心像素点处同灰阶的游程值获取骨料粒径,根据所有重心像素点对应的骨料粒径评估改性沥青的均匀度;当均匀度不符合生产要求时,继续筛分。
通过上述步骤获取个目标像素点为骨料重心的可能性,可能性越大,越有可能为骨料的重心,由于每个骨料只存在一个重心,也就是说目标像素点越接近重心,对应的可能性越大,越接近边缘,对应的可能性越小,因此对于每个单独的骨料来说,骨料内目标像素点对应的可能性分布近似高斯分布,峰值点处的目标像素点即为骨料重心,对于整张灰度图像来说,存在多少个峰值点即存在多少个单独的骨料。
以预设大小的滑窗遍历灰度图像,在每次滑动的窗口内,当窗口中心点为窗口内的极大值点时,该窗口中心点筛选为重心像素点。
在本发明实施例中预设大小为5×5,以5×5的滑窗遍历灰度图像,在每次滑动的窗口内,当窗口中心像素点的可能性向窗口内其他可能性进行一阶求导,求导结果全部小于0时,则判断该窗口中心像素点为一个重心像素点。求导结果小于0说明变化趋势为减小,所有求导结果均小于0,即窗口中心点对于窗口内的所有像素点来说,可能性的值均为下降趋势,也就是窗口中心点为极大值点,局部的峰值点,窗口中心点即为一个重心像素点。
如果骨料的形状是规则的,例如圆形,则粒径的物理含义非常清晰,即骨料的直径,但是实际沥青骨料的形状是不规则的,那么根据现有文献的定义,其粒径定义为通过颗粒重心,连接颗粒表面两点的线段大小,这种情况下直径不是单一的,而是由小到大的多个直径分布,那么粒径即这些直径的统计平均值。
对于本发明来说,以重心在八个预设方向上的长度作为对应预设方向上的半径,再获取所有半径的平均值作为平均半径。计算重心像素点所有预设方向上同灰阶的游程均值作为平均半径,以平均半径的2倍作为骨料粒径。
具体的计算公式为:
重心在不同预设方向上的游程值代表了重心到骨料边缘的长度,即半径,通过计算平均半径的2倍即可得到骨料的直径,也即骨料粒径。
计算灰度图像中所有骨料粒径的均方差,对均方差进行反比例归一化,得到改性沥青的均匀度。
骨料粒径的均方差代表了灰度图像中所有骨料粒径的差异情况,均方差越大,说明骨料粒径差异越大,即灰度图像中的骨料越不均匀,因此通过对均方差进行反比例归一化,得到改性沥青的均匀度:,其中,K表示均匀度,表示灰度图像中所有骨料粒径的均方差,e为自然常数。通过的函数对均方差进行反比例归一化,均方差越大,对应的均匀度越小,即筛分后的结果并不理想。
预设均匀度阈值,当均匀度大于或者等于均匀度阈值时,对应的改性沥青均匀度符合生产要求,否则不符合生产要求。
需要说明的是,预设的均匀度阈值为经验阈值,在其他实施例中可根据实际生产标准和具体情况自行调节。
综上所述,本发明实施例获取俯视视角下初步筛分后的骨料堆的灰度图像,将灰度值范围划分为预设数量的灰阶,获取灰度图像的灰度直方图;以灰度直方图中分布概率最大的灰阶作为目标灰阶,选取处于目标灰阶的像素点作为目标像素点,获取目标像素点在每个预设方向上同灰阶的游程值;基于目标像素点所有预设方向的游程均值获取重心程度;计算目标像素点在相反方向的游程值的差值,基于所有差值获取对称程度;根据重心程度和对称程度获取目标像素点为骨料重心的可能性;通过局部筛选可能性的峰值获取重心像素点,基于重心像素点处同灰阶的游程值获取骨料粒径,根据所有重心像素点对应的骨料粒径评估改性沥青的均匀度;当均匀度不符合生产要求时,继续筛分。本发明能够通过提高均匀度评估可靠性以及降低计算量,大大提高改性沥青的筛分效率。
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。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或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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;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,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范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种改性沥青生产用智能筛分方法,其特征在于,该方法包括以下步骤:
获取俯视视角下初步筛分后的骨料堆的灰度图像,将灰度值范围划分为预设数量的灰阶,获取灰度图像的灰度直方图;
以灰度直方图中分布概率最大的灰阶作为目标灰阶,选取处于目标灰阶的像素点作为目标像素点,获取目标像素点在每个预设方向上同灰阶的游程值;
基于目标像素点所有预设方向的游程均值获取重心程度;计算目标像素点在相反方向的游程值的差值,基于所有差值获取对称程度;根据所述重心程度和所述对称程度获取目标像素点为骨料重心的可能性;
通过局部筛选可能性的峰值获取重心像素点,基于重心像素点处同灰阶的游程值获取骨料粒径,根据所有重心像素点对应的骨料粒径评估改性沥青的均匀度;当均匀度不符合生产要求时,继续筛分。
2.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述重心程度的获取方法为:对所有预设方向的游程均值进行归一化,以得到的归一化结果作为所述重心程度。
3.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述对称程度的获取方法为:
计算每两个相反方向对应的游程值的差值的平方,计算所有差值的平方的平均值,对该平均值进行反比例归一化得到所述对称程度。
4.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述可能性的获取方法为:
计算所述重心程度和所述对称程度的欧氏范数作为对应目标像素点为骨料重心的所述可能性。
5.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述重心像素点的获取方法为:
以预设大小的滑窗遍历所述灰度图像,在每次滑动的窗口内,当窗口中心点为窗口内的极大值点时,该窗口中心点筛选为重心像素点。
6.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述骨料粒径的获取方法为:
计算重心像素点所有预设方向上同灰阶的游程均值作为平均半径,以平均半径的2倍作为所述骨料粒径。
7.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述均匀度的评估方法为:
计算灰度图像中所有骨料粒径的均方差,对所述均方差进行反比例归一化,得到改性沥青的均匀度。
8.根据权利要求1所述的一种改性沥青生产用智能筛分方法,其特征在于,所述均匀度不符合生产要求的判断方法为:
预设均匀度阈值,当所述均匀度大于或者等于所述均匀度阈值时,对应的改性沥青均匀度符合生产要求,否则不符合生产要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053106.7A CN115797472B (zh) | 2023-02-03 | 2023-02-03 | 一种改性沥青生产用智能筛分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053106.7A CN115797472B (zh) | 2023-02-03 | 2023-02-03 | 一种改性沥青生产用智能筛分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797472A true CN115797472A (zh) | 2023-03-14 |
CN115797472B CN115797472B (zh) | 2023-05-12 |
Family
ID=85429578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310053106.7A Active CN115797472B (zh) | 2023-02-03 | 2023-02-03 | 一种改性沥青生产用智能筛分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797472B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005081178A1 (en) * | 2004-02-17 | 2005-09-01 | Yeda Research & Development Co., Ltd. | Method and apparatus for matching portions of input images |
WO2019104627A1 (zh) * | 2017-11-30 | 2019-06-06 | 深圳配天智能技术研究院有限公司 | 一种图像的灰阶分类方法、装置以及可读存储介质 |
CN112763466A (zh) * | 2020-12-24 | 2021-05-07 | 山东省交通科学研究院 | 一种聚合物改性沥青相态分布特性识别方法 |
CN112964712A (zh) * | 2021-02-05 | 2021-06-15 | 中南大学 | 一种快速检测沥青路面状态的方法 |
CN113255027A (zh) * | 2021-03-05 | 2021-08-13 | 广西大学 | 一种高效的混凝土三维骨料生成与投放方法——三维剩余空间法 |
CN113674201A (zh) * | 2021-07-09 | 2021-11-19 | 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 |
CN114462543A (zh) * | 2022-02-15 | 2022-05-10 | 河南四通实业有限公司 | 再生沥青混凝土生产用筛分方法 |
US20220187273A1 (en) * | 2020-12-10 | 2022-06-16 | Guangxi Transportation Science and Technology Group Co, Ltd. | Selection method of base asphalt for rubber asphalt based on grey relational analysis |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
CN115147421A (zh) * | 2022-09-05 | 2022-10-04 | 深圳市洪桦环保科技有限公司 | 一种用于建筑垃圾回收的再生骨料分级评价方法 |
CN115294138A (zh) * | 2022-10-09 | 2022-11-04 | 如皋市中如新材料科技有限公司 | 一种基于高速混料机的混料均匀程度评估方法 |
CN115359053A (zh) * | 2022-10-19 | 2022-11-18 | 江苏万森绿建装配式建筑有限公司 | 一种金属板材缺陷智能检测方法及系统 |
-
2023
- 2023-02-03 CN CN202310053106.7A patent/CN115797472B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005081178A1 (en) * | 2004-02-17 | 2005-09-01 | Yeda Research & Development Co., Ltd. | Method and apparatus for matching portions of input images |
WO2019104627A1 (zh) * | 2017-11-30 | 2019-06-06 | 深圳配天智能技术研究院有限公司 | 一种图像的灰阶分类方法、装置以及可读存储介质 |
US20220187273A1 (en) * | 2020-12-10 | 2022-06-16 | Guangxi Transportation Science and Technology Group Co, Ltd. | Selection method of base asphalt for rubber asphalt based on grey relational analysis |
CN112763466A (zh) * | 2020-12-24 | 2021-05-07 | 山东省交通科学研究院 | 一种聚合物改性沥青相态分布特性识别方法 |
CN112964712A (zh) * | 2021-02-05 | 2021-06-15 | 中南大学 | 一种快速检测沥青路面状态的方法 |
CN113255027A (zh) * | 2021-03-05 | 2021-08-13 | 广西大学 | 一种高效的混凝土三维骨料生成与投放方法——三维剩余空间法 |
CN113674201A (zh) * | 2021-07-09 | 2021-11-19 | 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 |
CN114462543A (zh) * | 2022-02-15 | 2022-05-10 | 河南四通实业有限公司 | 再生沥青混凝土生产用筛分方法 |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
CN115147421A (zh) * | 2022-09-05 | 2022-10-04 | 深圳市洪桦环保科技有限公司 | 一种用于建筑垃圾回收的再生骨料分级评价方法 |
CN115294138A (zh) * | 2022-10-09 | 2022-11-04 | 如皋市中如新材料科技有限公司 | 一种基于高速混料机的混料均匀程度评估方法 |
CN115359053A (zh) * | 2022-10-19 | 2022-11-18 | 江苏万森绿建装配式建筑有限公司 | 一种金属板材缺陷智能检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
R.T. FISCHER等: "Crusher and Screen Drives for the Mining, Aggregate and Cement Industries" * |
刘海;朱小平;: "基于纹理累积游程直方图的图像检索" * |
陈艳;葛凌波;宋焕生;: "沥青混合料拌和过程实时监控" * |
Also Published As
Publication number | Publication date |
---|---|
CN115797472B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114723701B (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
CN105510195B (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
CN116758083B (zh) | 基于计算机视觉的金属洗脸盆缺陷快速检测方法 | |
CN107392232B (zh) | 一种浮选工况分类方法和系统 | |
CN102043959B (zh) | 车牌字符分割方法 | |
CN115311277B (zh) | 一种不锈钢制品的凹坑缺陷识别方法 | |
CN115049657A (zh) | 一种玻璃缺陷检测方法 | |
CN112964712A (zh) | 一种快速检测沥青路面状态的方法 | |
CN116385450B (zh) | 基于图像处理的ps片材抗耐磨性检测方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN115170570B (zh) | 基于灰度游程矩阵的织物起毛起球检测方法 | |
CN117788467B (zh) | 一种钛金属板材缺陷图像分类方法 | |
CN116091455A (zh) | 基于机器视觉的钢网表面缺陷判定方法 | |
CN115082719B (zh) | 一种木材质量分级方法 | |
CN116542969B (zh) | 一种基于视觉技术的道路沥青粘连检测方法 | |
CN117152163B (zh) | 一种桥梁施工质量视觉检测方法 | |
CN117710399B (zh) | 一种基于视觉的地质调查中裂缝轮廓提取方法 | |
CN115239702A (zh) | 一种塑料薄膜缺陷分析处理方法 | |
CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN117011276A (zh) | 一种电池外壳缺陷识别方法 | |
CN117974655B (zh) | 基于计算机视觉的沥青道路质量检测方法 | |
CN115797361A (zh) | 一种铝模板表面缺陷检测方法 | |
CN115797472A (zh) | 一种改性沥青生产用智能筛分方法 | |
CN117078678B (zh) | 基于图像识别的废硅片形状检测方法 |
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 |