CN105205822A - 沥青压实路面离析程度的实时检测方法 - Google Patents
沥青压实路面离析程度的实时检测方法 Download PDFInfo
- Publication number
- CN105205822A CN105205822A CN201510603163.3A CN201510603163A CN105205822A CN 105205822 A CN105205822 A CN 105205822A CN 201510603163 A CN201510603163 A CN 201510603163A CN 105205822 A CN105205822 A CN 105205822A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- zonule
- pixel
- asphalt
- 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
Links
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出一种沥青压实路面离析程度的实时检测方法,以设定的高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理,并将处理后的图像区域等分为M2个小区域;利用MATLAB软件计算图像区域内的平均构造深度和图像区域内构造深度的离异系数Cv,并以Cv值表征图像区域压实沥青路面的离析程度。本发明沥青压实路面离析程度的实时检测方法的有益技术效果是能对沥青压实路面的离析程度进行实时、快速和面分析,分析结果更加贴合实际;并且,准确性较高,适用面较广。
Description
发明领域
本发明涉及到道路工程建设中沥青压实路面离析程度的检测技术,特别涉及到一种沥青压实路面离析程度的实时检测方法。
背景技术
沥青压实路面的离析程度通常是指沥青路面在经过摊铺、压实环节后,路面某一区域内沥青混合料主要性质的不均匀性。主要体现为在沥青路面的某个区域内,沥青混合料的沥青含量、级配组成与设计要求不符,从而导致路面的使用性能与设计要求有较大的差异。由于沥青路面的粗细集料分布不均匀,导致路面的实际级配、沥青含量严重偏离设计值,造成沥青路面整体质量不均匀,不仅会诱发沥青路面发生各类早期损害,而且对路面长期使用性能也会产生重要的影响。
目前,沥青压实路面离析程度的检测方法主要有视觉识别、铺砂试验和核子密度仪三种。视觉识别由于其主观性过强,缺乏统一标准,视觉观察对大粒径粗级配的沥青混合料评价准确性较高,而对级配较细的沥青混合料评价的可靠性较差,存在一定的局限性;铺砂试验原理简单,测量方便,但是极其耗时;核子密度仪有一定的局限性,检测结果离散程度较大。显然,现有技术沥青压实路面离析程度检测方法存在着主观性较强,缺乏统一标准,或者耗时较长和有局限性等问题。
发明内容
为解决现有技术沥青压实路面离析程度检测方法存在的主观性较强,缺乏统一标准,或者耗时较长和有局限性等问题,本发明提出一种沥青压实路面离析程度的实时检测方法。本发明沥青压实路面离析程度的实时检测方法,以设定的高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理,并将处理后的图像区域等分为M2个小区域;利用MATLAB软件计算图像区域内的平均构造深度和图像区域内构造深度的离异系数Cv,并以Cv值表征图像区域压实沥青路面的离析程度;其中,
式中,为图像区域内的平均构造深度,单位为mm;n为等分的小区域数量,即n=M2;当等分为42个小区域时其值为16;Hpi为第i个小区域的平均构造深度,单位为mm;并且,
式中,Vi为第i个小区域表面构造像素值围成的空间体积,单位为mm3;D为第i个小区域的积分区域,即第i个小区域的矩阵行数与列数的乘积,单位为mm2;其中,
V=∫∫D[Fmax-F(x,y)]dxdy(5)
式中,Fmax为第i个小区域灰度矩阵中最大的灰度值;F(x,y)为第i个小区域中坐标为(x,y)的像素点的灰度值。
进一步的,所述图像灰化处理是指将采集的彩色数码图像转化为由黑到白的灰度图像,即从0~255共256个整数灰度级的黑白图像。
进一步的,所述图像二值化处理是指将具有256个整数灰度级的图像转化为只含有灰度值为0和255两种像素的图像,其中,灰度值为0的像素代表沥青,灰度值为255的像素代表集料。
进一步的,所述图像二值化处理包括阙值处理法,即将灰度值低于阙值的像素判断为灰度值为0的像素,即判断为沥青;反之,则判断为灰度值为255的像素,即判断为集料。
进一步的,所述将处理后的图像区域等分为M2个小区域,其中,M的取值为3、4、5或10。
进一步的,所述以Cv值表征图像区域压实沥青路面的离析程度,是指以Cv等于8.0为基准,当计算得到的Cv值大于8.0时,表示图像区域沥青压实路面离析程度超出设计要求,反之,则满足设计要求。
进一步的,本发明沥青压实路面离析程度的实时检测方法包括以下步骤:
S1、以设定的采集高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;
S2、采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理;包括,
采用MATLAB软件对彩色数码图像进行灰化处理,即将采集的彩色数码图像转化为由黑到白的灰度图像,即从0~255共256个整数灰度级的黑白图像;
采用MATLAB软件对彩色数码图像进行二值化处理,即将具有256个整数灰度级的图像转化为只显示灰度值为0和255两种像素的图像,其中,灰度值为0的像素代表沥青,灰度值为255的像素代表集料;
S3、将处理后的图像等分为M2个小区域,其中,M的取值为3、4、5或10;
S4、以下式计算图像区域内构造深度的离异系数Cv:
式中,为图像区域内的平均构造深度,单位为mm;n为等分的小区域数量,即n=M2;当等分为42个小区域时其值为16;Hpi为第i个小区域的平均构造深度,单位为mm;并且,
式中,Vi为第i个小区域表面构造像素值围成的空间体积,单位为mm3;D为第i个小区域的积分区域,即第i个小区域的矩阵行数与列数的乘积,单位为mm2;其中,
V=∫∫D[Fmax-F(x,y)]dxdy(5)
式中,Fmax为第i个小区域灰度矩阵中最大的灰度值;F(x,y)为第i个小区域中坐标为(x,y)的像素点的灰度值;
S5、以Cv值表征图像区域压实沥青路面的离析程度,即指以Cv等于8.0为基准,当计算得到的Cv值大于8.0时,表示图像区域沥青压实路面离析程度超出设计要求,反之,则满足设计要求。
进一步的,步骤S2中采用MATLAB软件对彩色数码图像进行二值化处理,包括阙值处理法,即将灰度值低于阙值的像素判断为灰度值为0的像素,即判断为沥青;反之,则判断为灰度值为255的像素,即判断为集料。
本发明沥青压实路面离析程度的实时检测方法的有益技术效果是能对沥青压实路面的离析程度进行实时、快速和面分析,分析结果更加贴合实际;并且,准确性较高,适用面较广。
附图说明
附图1是本发明沥青压实路面离析程度的实时检测方法拍摄的沥青压实路面的彩色数码图像;
附图2是本发明沥青压实路面离析程度的实时检测方法等分的小区域的实施例示意图;
附图3是本发明沥青压实路面离析程度的实时检测方法的流程图。
下面结合附图及具体实施例对本发明沥青压实路面离析程度的实时检测方法进一步的说明。
具体实施方式
附图1是本发明沥青压实路面离析程度的实时检测方法拍摄的沥青压实路面的彩色数码图像,附图2是本发明沥青压实路面离析程度的实时检测方法等分的小区域的实施例示意图。由图可知,本发明沥青压实路面离析程度的实时检测方法,以设定的采集高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理,并将处理后的图像等分为M2个小区域;利用MATLAB软件计算图像区域内的平均构造深度和图像区域内构造深度的离异系数Cv,并以Cv值表征图像区域压实沥青路面的离析程度;其中,
式中,为图像区域内的平均构造深度,单位为mm;n为等分的小区域数量,即n=M2;当等分为42个小区域时其值为16;Hpi为第i个小区域的平均构造深度,单位为mm;并且,
式中,Vi为第i个小区域表面构造像素值围成的空间体积,单位为…mm3;D为第i个小区域的积分区域,即第i个小区域的矩阵行数与列数的乘积,单位为…mm2;其中,
V=∫∫D[Fmax-F(x,y)]dxdy(5)
式中,Fmax为第i个小区域灰度矩阵中最大的灰度值;F(x,y)为第i个小区域中坐标为(x,y)的像素点的灰度值。其中,所述以Cv值表征图像区域压实沥青路面的离析程度,是指以Cv等于8.0为基准,当计算得到的Cv值大于8.0时,表示图像区域沥青压实路面离析程度超出设计要求,反之,则满足设计要求。为确定离析程度判定的临界值,实际采集了压实沥青路面的100幅图像,分别按等分的小区域数量M2(M的取值为2、3、4、5或10)五种方法计算Cv,试验证明当以Cv等于8.0为基准时,五种判定方法之间的一致性更好。另外,根据试验研究证明,在等分的小区域数量M2时,M的取值为2、3、4、5或10的几组试验的结果具有较强的相关性。因此,本发明沥青压实路面离析程度的实时检测方法优选的M的取值为2、3、4、5或10。
为准确判定图像区域内的集料和沥青,本发明沥青压实路面离析程度的实时检测方法采用MATLAB软件对彩色数码图像进行处理,其中,所述图像灰化处理是指将采集的彩色数码图像转化为由黑到白的灰度图像,即从0~255共256个整数灰度级的黑白图像;所述图像二值化处理是指将具有256个整数灰度级的图像转化为只含有灰度值为0和255两种像素的图像,其中,灰度值为0的像素代表沥青,灰度值为255的像素代表集料。较为常用的图像二值化处理包括阙值处理法,即将灰度值低于阙值的像素判断为灰度值为0的像素,即判断为沥青;反之,则判断为灰度值为255的像素,即判断为集料。
附图3是本发明沥青压实路面离析程度的实时检测方法的流程图,由图可知,本发明沥青压实路面离析程度的实时检测方法包括以下步骤:
S1、以设定的采集高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;
S2、采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理;包括,
采用MATLAB软件对彩色数码图像进行灰化处理,即将采集的彩色数码图像转化为由黑到白的灰度图像,即从0~255共256个整数灰度级的黑白图像;
采用MATLAB软件对彩色数码图像进行二值化处理,即将具有256个整数灰度级的图像转化为只含有灰度值为0和255两种像素的图像,其中,灰度值为0的像素代表沥青,灰度值为255的像素代表集料;
S3、将处理后的图像等分为M2个小区域,其中,M的取值为3、4、5或10。考虑到小区域划分数对运算速度和计算量的影响,选择将彩色图像等分为42个小区域作为沥青路面离析评价的计算方法较为妥当本实施例中选择M的取值为4,即将图像区域分为42个小区域。
S4、以下式计算图像区域内构造深度的离异系数Cv:
式中,为图像区域内的平均构造深度,单位为mm;n为等分的小区域数量,即n=M2;当等分为42个小区域时其值为16;Hpi为第i个小区域的平均构造深度,单位为mm;并且,
式中,Vi为第i个小区域表面构造像素值围成的空间体积,单位为…mm3;D为第i个小区域的积分区域,即第i个小区域的矩阵行数与列数的乘积,单位为…mm2;其中,
V=∫∫D[Fmax-F(x,y)]dxdy(5)
式中,Fmax为第i个小区域灰度矩阵中最大的灰度值;F(x,y)为第i个小区域中坐标为(x,y)的像素点的灰度值;
S5、以Cv值表征图像区域压实沥青路面的离析程度,即指以Cv等于8.0为基准,当计算得到的Cv值大于8.0时,表示图像区域沥青压实路面离析程度超出设计要求,反之,则满足设计要求。
当然,步骤S2中采用MATLAB软件对彩色数码图像进行二值化处理,可以采用阙值处理法,即将灰度值低于阙值的像素判断为灰度值为0的像素,即判断为沥青;反之,则判断为灰度值为255的像素,即判断为集料。
显然,本发明沥青压实路面离析程度的实时检测方法的有益技术效果是能对沥青压实路面的离析程度进行实时、快速和面分析,分析结果更加贴合实际;并且,准确性较高,适用面较广。
Claims (8)
1.一种沥青压实路面离析程度的实时检测方法,其特征在于,以设定的高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理,并将处理后的图像区域等分为M2个小区域;利用MATLAB软件计算图像区域内的平均构造深度和图像区域内构造深度的离异系数Cv,并以Cv值表征图像区域压实沥青路面的离析程度;其中,
式中,为图像区域内的平均构造深度,单位为mm;n为等分的小区域数量,即n=M2;当等分为42个小区域时其值为16;Hpi为第i个小区域的平均构造深度,单位为mm;并且,
式中,Vi为第i个小区域表面构造像素值围成的空间体积,单位为mm3;D为第i个小区域的积分区域,即第i个小区域的矩阵行数与列数的乘积,单位为mm2;其中,
V=∫∫D[Fmax-F(x,y)]dxdy(5)
式中,Fmax为第i个小区域灰度矩阵中最大的灰度值;F(x,y)为第i个小区域中坐标为(x,y)的像素点的灰度值。
2.根据权利要求1所述沥青压实路面离析程度的实时检测方法,其特征在于,所述图像灰化处理是指将采集的彩色数码图像转化为由黑到白的灰度图像,即从0~255共256个整数灰度级的黑白图像。
3.根据权利要求1所述沥青压实路面离析程度的实时检测方法,其特征在于,所述图像二值化处理是指将具有256个整数灰度级的图像转化为只含有灰度值为0和255两种像素的图像,其中,灰度值为0的像素代表沥青,灰度值为255的像素代表集料。
4.根据权利要求1或3所述沥青压实路面离析程度的实时检测方法,其特征在于,所述图像二值化处理包括阙值处理法,即将灰度值低于阙值的像素判断为灰度值为0的像素,即判断为沥青;反之,则判断为灰度值为255的像素,即判断为集料。
5.根据权利要求1所述沥青压实路面离析程度的实时检测方法,其特征在于,所述将处理后的图像区域等分为M2个小区域,其中,M的取值为3、4、5或10。
6.根据权利要求1所述沥青压实路面离析程度的实时检测方法,其特征在于,所述以Cv值表征图像区域压实沥青路面的离析程度,是指以Cv等于8.0为基准,当计算得到的Cv值大于8.0时,表示图像区域沥青压实路面离析程度超出设计要求,反之,则满足设计要求。
7.根据权利要求1所述沥青压实路面离析程度的实时检测方法,其特征在于,该方法包括以下步骤:
S1、以设定的采集高度、光源亮度和照射角度采集沥青压实路面的实时彩色数码图像;
S2、采用MATLAB软件对彩色数码图像进行图像灰化、图像滤波、直方图均衡化、形态学和图像二值化处理;包括,
采用MATLAB软件对彩色数码图像进行灰化处理,即将采集的彩色数码图像转化为由黑到白的灰度图像,即从0~255共256个整数灰度级的黑白图像;
采用MATLAB软件对彩色数码图像进行二值化处理,即将具有256个整数灰度级的图像转化为只显示灰度值为0和255两种像素的图像,其中,灰度值为0的像素代表沥青,灰度值为255的像素代表集料;
S3、将处理后的图像等分为M2个小区域,其中,M的取值为3、4、5或10;
S4、以下式计算图像区域内构造深度的离异系数Cv:
式中,为图像区域内的平均构造深度,单位为mm;n为等分的小区域数量,即n=M2;当等分为42个小区域时其值为16;Hpi为第i个小区域的平均构造深度,单位为mm;并且,
式中,Vi为第i个小区域表面构造像素值围成的空间体积,单位为mm3;D为第i个小区域的积分区域,即第i个小区域的矩阵行数与列数的乘积,单位为mm2;其中,
V=∫∫D[Fmax-F(x,y)]dxdy(5)
式中,Fmax为第i个小区域灰度矩阵中最大的灰度值;F(x,y)为第i个小区域中坐标为(x,y)的像素点的灰度值;
S5、以Cv值表征图像区域压实沥青路面的离析程度,即指以Cv等于8.0为基准,当计算得到的Cv值大于8.0时,表示图像区域沥青压实路面离析程度超出设计要求,反之,则满足设计要求。
8.根据权利要求7所述沥青压实路面离析程度的实时检测方法,其特征在于,步骤S2中采用MATLAB软件对彩色数码图像进行二值化处理,包括阙值处理法,即将灰度值低于阙值的像素判断为灰度值为0的像素,即判断为沥青;反之,则判断为灰度值为255的像素,即判断为集料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603163.3A CN105205822A (zh) | 2015-09-21 | 2015-09-21 | 沥青压实路面离析程度的实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603163.3A CN105205822A (zh) | 2015-09-21 | 2015-09-21 | 沥青压实路面离析程度的实时检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105205822A true CN105205822A (zh) | 2015-12-30 |
Family
ID=54953483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510603163.3A Pending CN105205822A (zh) | 2015-09-21 | 2015-09-21 | 沥青压实路面离析程度的实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205822A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105784543A (zh) * | 2016-05-25 | 2016-07-20 | 王壹帆 | 一种废胎胶粉橡胶沥青离析试验及评定方法 |
CN105913443A (zh) * | 2016-05-03 | 2016-08-31 | 黑龙江省交通科学研究所 | 模拟人眼识别技术检测沥青路面纹理的方法 |
CN107238604A (zh) * | 2017-07-19 | 2017-10-10 | 云南省交通规划设计研究院 | 路面表面构造分布及抗滑性能检测综合装置及检测方法 |
CN107341794A (zh) * | 2017-06-27 | 2017-11-10 | 重庆交通大学 | 沥青混合料摊铺均匀性实时检测方法 |
CN109919856A (zh) * | 2019-01-21 | 2019-06-21 | 重庆交通大学 | 基于双目视觉的沥青路面构造深度检测方法 |
CN111553878A (zh) * | 2020-03-23 | 2020-08-18 | 四川公路工程咨询监理有限公司 | 基于双目视觉的沥青路面混合料摊铺均匀性的检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014085953A1 (en) * | 2012-12-03 | 2014-06-12 | Harman International Industries, Incorporated | System and method for detecting pedestrians using a single normal camera |
CN104361579A (zh) * | 2014-10-21 | 2015-02-18 | 河海大学 | 一种沥青混合料的各向异性程度评估方法 |
-
2015
- 2015-09-21 CN CN201510603163.3A patent/CN105205822A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014085953A1 (en) * | 2012-12-03 | 2014-06-12 | Harman International Industries, Incorporated | System and method for detecting pedestrians using a single normal camera |
CN104361579A (zh) * | 2014-10-21 | 2015-02-18 | 河海大学 | 一种沥青混合料的各向异性程度评估方法 |
Non-Patent Citations (2)
Title |
---|
宋永朝 等: "基于数字图像技术的露石混凝土路面纹理构造抗滑性能", 《哈尔滨工业大学学报》 * |
李想 等: "基于数字图像技术沥青路面集料离析的研究", 《中外公路》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913443A (zh) * | 2016-05-03 | 2016-08-31 | 黑龙江省交通科学研究所 | 模拟人眼识别技术检测沥青路面纹理的方法 |
CN105784543A (zh) * | 2016-05-25 | 2016-07-20 | 王壹帆 | 一种废胎胶粉橡胶沥青离析试验及评定方法 |
CN107341794A (zh) * | 2017-06-27 | 2017-11-10 | 重庆交通大学 | 沥青混合料摊铺均匀性实时检测方法 |
CN107238604A (zh) * | 2017-07-19 | 2017-10-10 | 云南省交通规划设计研究院 | 路面表面构造分布及抗滑性能检测综合装置及检测方法 |
CN107238604B (zh) * | 2017-07-19 | 2024-04-09 | 云南省交通规划设计研究院股份有限公司 | 路面表面构造分布及抗滑性能检测综合装置及检测方法 |
CN109919856A (zh) * | 2019-01-21 | 2019-06-21 | 重庆交通大学 | 基于双目视觉的沥青路面构造深度检测方法 |
CN109919856B (zh) * | 2019-01-21 | 2023-02-28 | 重庆交通大学 | 基于双目视觉的沥青路面构造深度检测方法 |
CN111553878A (zh) * | 2020-03-23 | 2020-08-18 | 四川公路工程咨询监理有限公司 | 基于双目视觉的沥青路面混合料摊铺均匀性的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105205822A (zh) | 沥青压实路面离析程度的实时检测方法 | |
CN107957408B (zh) | 一种利用光反射理论测量土壤吸力的方法 | |
CN105303558A (zh) | 沥青路面混合料摊铺均匀性的实时检测方法 | |
Amelian et al. | Moisture susceptibility evaluation of asphalt mixes based on image analysis | |
Masad et al. | Fine-aggregate angularity: automated image analysis approach | |
CN103955923B (zh) | 一种快速的基于图像的路面病害检测方法 | |
CN105806861A (zh) | 一种基于虚拟单轴贯入试验的沥青混合料均匀性评价方法 | |
CN103456021B (zh) | 一种基于形态学分析的布匹瑕疵检测方法 | |
CN106872472A (zh) | 混凝土外观质量检测评价方法 | |
CN107121440A (zh) | 一种沥青路面集料分布均匀性检测与评价方法 | |
CN102012356A (zh) | 一种沥青混凝土路面集料级配的快速检测方法 | |
Koohmishi et al. | Evaluation of morphological properties of railway ballast particles by image processing method | |
Zhang et al. | A novel evaluation method of aggregate distribution homogeneity for asphalt pavement based on the characteristics of texture structure | |
CN105445160A (zh) | 一种沥青混合料的空隙特征及其提取方法 | |
CN103292749A (zh) | 运用数字图像处理技术检测路表宏观构造分布状态的方法 | |
CN116542969B (zh) | 一种基于视觉技术的道路沥青粘连检测方法 | |
CN105913443A (zh) | 模拟人眼识别技术检测沥青路面纹理的方法 | |
CN109410205A (zh) | 一种复杂路面背景下的裂缝提取方法 | |
Dan et al. | Application of deep learning-based image recognition technology to asphalt–aggregate mixtures: Methodology | |
CN106023233A (zh) | 一种评估大空隙沥青混合料垂直双向上宏观纹理的方法 | |
CN102749048B (zh) | 道路表面三维构造的评价方法 | |
CN110375685A (zh) | 一种大空隙沥青混凝土冻融前后沥青膜厚变化量的测试方法 | |
CN111626529A (zh) | 一种再生沥青混合料中rap分散程度评价方法 | |
CN107609757B (zh) | 一种评价路面养护长期效益的方法 | |
CN116591003A (zh) | 沥青道路安全性能测验方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151230 |
|
RJ01 | Rejection of invention patent application after publication |