CN108375529A - 土石料级配自动检测方法及检测*** - Google Patents
土石料级配自动检测方法及检测*** Download PDFInfo
- Publication number
- CN108375529A CN108375529A CN201810147456.9A CN201810147456A CN108375529A CN 108375529 A CN108375529 A CN 108375529A CN 201810147456 A CN201810147456 A CN 201810147456A CN 108375529 A CN108375529 A CN 108375529A
- Authority
- CN
- China
- Prior art keywords
- earth
- stone material
- particle
- digital picture
- stone
- 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
- 239000004575 stone Substances 0.000 title claims abstract description 149
- 239000000463 material Substances 0.000 title claims abstract description 106
- 238000012360 testing method Methods 0.000 title claims abstract description 16
- 239000002245 particle Substances 0.000 claims abstract description 43
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 8
- 239000007921 spray Substances 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 5
- 239000002689 soil Substances 0.000 description 9
- 239000000203 mixture Substances 0.000 description 7
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Road Paving Structures (AREA)
Abstract
本发明提供了一种土石料级配自动检测方法及检测***，其检测方法包括以下步骤：S1：采集土石料的数字图像；S2：对数字图像进行二值化处理，分离得到相邻颗粒的边界；S3：对数字图像中各颗粒对应区域进行分割；S4：提取数字图像中各颗粒对应区域的面积、周长以及圆形度的几何特征；S5：根据数字图像中单位像素数与颗粒实际单位尺寸的比例关系，由提取的几何特征获得各颗粒的实际尺寸特征；S6：根据颗粒的实际尺寸特征，计算各颗粒的粒径；S7：统计各颗粒的粒径值，获得颗粒的级配曲线。本发明所述的土石料级配自动检测方法，可快速得到土石料的质量级配信息并进行及时反馈，有效保证工程进度，从而可避免因土石料级配不合格导致出现工程质量问题。
Description
技术领域
本发明涉及土石料级配检测技术领域，特别涉及一种土石料级配自动检测方法。
背景技术
土石坝泛指由当地土料、石料或混合料，经过抛填、辗压等方法堆筑成的挡水坝。对土石坝而言，在坝体填筑过程中，有效的控制筑坝材料的质量是保证其在施工期和运营期安全正常运行的重要措施，而筑坝材料级配即土石料级配是直接影响其质量的重要标准。所谓的级配是集料中各级粒径颗粒的分配情况，目前，一般通过筛分试验确定。
在国内外的行业规范中，对筑坝材料的颗粒级配做出了明确的要求，如SL274-2001《碾压式土石坝设计规范》等，其中要求P5(以5mm为限分为粗细料)含量在30％-50％。
在施工过程中，由于对筑坝材料土石料级配检验的手段仍然是古老的筛分法，虽然其技术成熟，但是效率极低、严重影响施工进度，并且其准确和可信性度完全依赖试验者的操作水平。
发明内容
有鉴于此，本发明旨在提出一种土石料级配自动检测方法，以克服用筛分法进行级配检测的不足。
为达到上述目的，本发明的技术方案是这样实现的：
一种土石料级配自动检测方法，以用于土石料中颗粒的级配检测，该检测方法包括以下步骤：
S1：采集所述土石料的数字图像；
S2：对所述数字图像进行二值化处理，分离得到土石料中相邻颗粒的边界；
S3：对所述数字图像中的各所述颗粒对应的区域进行分割；
S4：提取数字图像中各所述颗粒对应区域的面积、周长以及圆形度的几何特征；
S5：根据所述数字图像中单位像素数与所述颗粒实际单位尺寸的比例关系，由步骤S4中的提取几何特征获得各所述颗粒的实际面积、周长与圆形度尺寸特征；
S6：根据步骤S5获得的各所述颗粒的实际尺寸特征，计算各所述颗粒的粒径；
S7：统计步骤S6中计算的各所述颗粒的粒径值，获得所述土石料中所述颗粒的级配曲线。
进一步的，所述步骤S2中采用OTSU及局部双窗阈值优化方法对所述数字图像进行二值化处理。
进一步的，步骤S3中采用形态学梯度及分水岭方法分隔所述数字图像中的所述颗粒的边界。
进一步的，在步骤S5中，根据所述数字图像采集点相对于所述土石料的高度，确定所述数字图像中单位像素数与所述颗粒实际单位尺寸间的比例关系。
进一步的，在步骤S1之前还包括步骤S01：对所述土石料进行喷水加湿。
相对于现有技术，本发明具有以下优势：
本发明所述的土石料级配自动检测方法，可快速得到土石料的质量级配信息并进行及时反馈，有效保证工程进度，从而可避免因土石料级配不合格导致出现工程质量问题。
本发明的另一目的在于提出一种土石料级配自动检测***，包括：
数字图像采集装置，所述数字图像采集装置设置于土石料的运输路径上，以对所述土石料进行数字图像采集；
控制处理装置，与所述数字图像采集装置连接，且所述控制处理装置被构造成接收所述数字图像采集装置所采集的数字数字图像，并对所述数字图像进行处理以得到所述土石料中的颗粒的级配曲线。
进一步的，所述数字图像采集装置为工业相机，所述控制处理装置包括控制处理模块，以及与所述控制处理模块相连的数据存储模块、通信连接模块和图像处理模块。
进一步的，还包括与所述控制处理装置连接、以对所述土石料进行喷水加湿的喷水装置。
进一步的，所述数字图像采集装置被设置于一可开闭的暗室内，所述喷水装置位于所述暗室中，且于所述暗室中设有照明装置。
进一步的，还包括与所述控制处理装置通信连接的移动处理终端和/或远程处理终端。
本发明所述的土石料级配自动检测***与前述的土石料级配自动检测方法相对于现有技术具有相同的有益效果，在此不再赘述。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的土石料级配自动检测***应用状态下的结构示意图；
图2为图1的A部放大图；
图3为本发明实施例所述的土石料的数字图像原图；
图4为图3经二值化处理后得到的图像；
图5为本发明实施例所述的土石料进行尺寸标定的图像；
图6为本发明实施例所述的土和石料的轮廓图；
图7为本发明实施例所述的石块轮廓图；
附图标记说明：
1-数字图像采集装置，2-控制处理装置，3-土石料堆料场，4-筑坝现场，5-运输车，6-喷水装置，7-照明装置，8-移动处理终端，9-远程处理终端，10-构筑物。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在此需要说明的是，本发明中所提到土石料的颗粒，可为石块、土或其他需要检测级配信息的成分。因此以下所述的土石料，为至少一种颗粒组成的混合物，如其可为土和石块的组合，也可为石块和石块的组合，或可为土、石料或其他颗粒的混合。该***和检测方法，除了可适用于土石料级配信息检测，还可适用于其他需要检测级配信息的混合料。
下面将参考附图并结合实施例来详细说明本发明。
本发明的另一目的在于提出一种土石料级配自动检测***，主要包括数字图像采集装置1，以及与数字图像采集装置1连接的控制处理装置2。其中：数字图像采集装置1设置于土石料的运输路径上，以对土石料进行数字图像采集；控制处理装置2被构造成接收数字图像采集装置1所采集的数字数字图像，并对数字图像进行处理以得到土石料中的石块的级配曲线。
基于以上设计思想，本实施例的土石料级配自动检测***的一种示例性结构如图3所示。
其包括设置于在运输车5将土石料由土石料堆料场3运输至筑坝现场4的路径上的一构筑物10，该构筑物10可容纳运输车5，且该构筑物10的两相对侧分别设有可开闭的门，以可使运输车5行驶过程中穿过该构筑物10。
具体地，前述的构筑物10被构造成可开闭的暗室，于暗室中分别设有数字图像采集装置1、喷水装置6和照明装置7。
数字图像采集装置1为安装于暗室内的工业相机，其主要用于采集运输车5上所装载的土石料的数字图像。
喷水装置6包括水箱、于水箱出水口处设置的水泵，于水泵的出水口处连接有水管，水管的另一端连接有喷头，喷头布置于暗室内的顶部，以可用于对土石料进行加湿处理。
照明装置7主要包括安装于暗室内顶部的照明灯，如其可为射灯，其主要用于对土石料进行照明，以便得到清晰的土石料的数字图像。
前述的控制处理装置2包括控制处理模块，以及与控制处理模块相连的数据存储模块、通信连接模块和图像处理模块。其主要用于对得到数字图像原图进行处理，并最终获得土石料中石块的级配曲线。
本实施的土石料级配自动检测***，还包括与控制处理装置2通信连接的移动处理终端8和/或远程处理终端9，可便于实现对控制处理模块的实时控制或远程控制。
为了便于描述本发明，以下以土石料为土和石料的混合物来详细说明本土石料级配自动检测***的具体检测方法。
S0、对土石料进行喷水加湿，使得土石料颜色加深，有利于得到清晰的土石料的数字图像；
S1、使用工业摄像机采集运输车5上的土石料的数字图像；
S2、首先提高数字图像的对比度，对采集的数字图像进行去噪处理、灰度化、直方图增强暗部细节，使数字图像对比度明显；
然后对数字图像进行二值化处理，分离开土石料中的石块及沙土，具体可采用OTSU及局部双窗阈值优化方法对步骤S1中的数字图像进行二值化处理。
首先，将土石料数字图像转化为灰度图像f(x，y)，阈值取t时像素分为两类，石块类和非石块类，石块类概率为ω1(t)，非石块类概率为ω2(t)，M1(t)和M2(t)代表两类的平均灰度级，MT为平均灰度级，1为最大灰度级(一般为255)。
石块类和非石块类间的最大方差
以像素p为中心取两个邻域窗口即和分别计算两窗口在土石料的数字图像灰度级[0，1]中类间方差取最大值的最优阈值，记为和两窗口大小分别为n×n，m×m。
其中，t为灰度级范围取值[0，1]；1为最大灰度级(一般为255)。
最后，根据最优阈值将f(x，y)二值化，fb(x，y)为土石料的数字图像的二值化结果，可参见图3和图4所示。
S3、对步骤S2得到的土石料的数字图像中的各石块对应的区域进行分割。针对二值化图像中石块边界粘连区域，采用形态学梯度及分水岭方法分隔数字图像中的石块的边界。
首先，对二值图像fb(x，y)进行形态学膨胀，膨胀结构元素o为方形，与fb(x，y)相减，得到土石料的数字图像的形态学梯度图像fgrad(x，y)。
接着，对形态学梯度的图像进行分水岭分割，得到土石料的数字图像石块边界。
举例来说，梯度化图像fgrad(x，y)中石块内部区域较暗，边界及非石块区域较亮，将石块类区域内的最小值位置记为fseed，向四周生长直至遇到像素值高的石块边界，最后得到土石料的数字图像中的石块边界。
S4、针对土和石料形状不同，提取数字图像中各石块对应区域的面积、周长以及圆形度的几何特征。图像中分割目标具备面积大、周长长、圆形度大、高饱和度特征的为石料，其余部分为土。
(1)土石料的数字图像中石块边界用链码记为a1a2…an，Δli为每码段ai的边界线段长度，周长P为：
其中，ne为石块边界链码序列中偶数码个数；n为边界链码中码的总个数。
(2)石块区域面积S
其中Δy＝yi-yi-1，Δx＝xi-xi-1，xi和yi分别为土石料的数字图像中石块边界横纵坐标，x0和y0分别为石块边界起始点横纵坐标。
(3)石块区域圆形度R0
R0＝4πS/P2 0＜R0≤1 8
其中，S和P分别为土石料的视频图像中石块区域的面积和周长。
S5、根据数字图像中单位像素数与石块实际单位尺寸的比例关系，由步骤S4中的提取几何特征获得各石块的实际面积、周长与圆形度尺寸特征；
由于土石料的数字图像像素的分辨率随工业摄像头安装位置的高低变化而改变。因此可固定摄像头高度，土石料的数字图像单位像素数与实际单位尺寸成比例关系，从而获得土石料的数字图像中石块的物理尺寸，可参照图5所示。
S6、根据步骤S5获得的各石块的实际尺寸特征，计算各石块的粒径；
统计土和石料的面积占比，去除面积小于一定阈值的土方区域，完成土方和石料区分。小于一定阈值的土方区域，根据其面积及孔隙率，计算其颗粒所占面积，进而估算其土料体积。利用提取到的几何特征，计算土石料的数字图像中的石块粒径。可参照图6和图7所示。
具体地，首先，利用几何特征面积S、周长P得到石块区域外接匹配矩形长轴a和短轴b，进而计算土石料的数字图像中石块粒径d。
土石料的数字图像中石块粒径d为：
统计坝料石块粒径结果，把坝料石块物理参数信息转换成质量级配信息，从而绘制坝料石块的级配曲线。
本发明所述的土石料级配自动检测方法及检测***，可快速得到土石料的质量级配信息并进行及时反馈，有效保证工程进度，从而可避免因土石料级配不合格导致出现工程质量问题；还可及时将土石料级配资料上传到远程终端，管理员壳根据数据信息及时调整土石料颗粒级配；并且，将土石料相关信息整理并存储在远程终端，便于工程资料存档及工程验收。
以上所述仅为本发明的较佳实施例而已，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 (10)
1.一种土石料级配自动检测方法，以用于土石料中颗粒的级配检测，其特征在于该检测方法包括以下步骤：
S1：采集所述土石料的数字图像；
S2：对所述数字图像进行二值化处理，分离得到土石料中相邻颗粒的边界；
S3：对所述数字图像中的各所述颗粒对应的区域进行分割；
S4：提取数字图像中各所述颗粒对应区域的面积、周长以及圆形度的几何特征；
S5：根据所述数字图像中单位像素数与所述颗粒实际单位尺寸的比例关系，由步骤S4中的提取几何特征获得各所述颗粒的实际面积、周长与圆形度尺寸特征；
S6：根据步骤S5获得的各所述颗粒的实际尺寸特征，计算各所述颗粒的粒径；
S7：统计步骤S6中计算的各所述颗粒的粒径值，获得所述土石料中所述颗粒的级配曲线。
2.根据权利要求1所述的土石料级配自动检测方法，其特征在于：所述步骤S2中采用OTSU及局部双窗阈值优化方法对所述数字图像进行二值化处理。
3.根据权利要求1所述的土石料级配自动检测方法，其特征在于：步骤S3中采用形态学梯度及分水岭方法分隔所述数字图像中的所述颗粒的边界。
4.根据权利要求1所述的土石料级配自动检测方法，其特征在于：在步骤S5中，根据所述数字图像采集点相对于所述土石料的高度，确定所述数字图像中单位像素数与所述颗粒实际单位尺寸间的比例关系。
5.根据权利要求1至4中任一项所述的土石料级配自动检测方法，其特征在于：在步骤S1之前还包括步骤S01：对所述土石料进行喷水加湿。
6.一种土石料级配自动检测***，其特征在于包括：
数字图像采集装置(1)，所述数字图像采集装置(1)设置于土石料的运输路径上，以对所述土石料进行数字图像采集；
控制处理装置(2)，与所述数字图像采集装置(1)连接，且所述控制处理装置(2)被构造成接收所述数字图像采集装置(1)所采集的数字数字图像，并对所述数字图像进行处理以得到所述土石料中的颗粒的级配曲线。
7.根据权利要求6所述的土石料级配自动检测***，其特征在于：所述数字图像采集装置(1)为工业相机，所述控制处理装置(2)包括控制处理模块，以及与所述控制处理模块相连的数据存储模块、通信连接模块和图像处理模块。
8.根据权利要求6所述的土石料级配自动检测***，其特征在于：还包括与所述控制处理装置(2)连接、以对所述土石料进行喷水加湿的喷水装置(6)。
9.根据权利要求8所述的土石料级配自动检测***，其特征在于：所述数字图像采集装置(1)被设置于一可开闭的暗室内，所述喷水装置(6)位于所述暗室中，且于所述暗室中设有照明装置(7)。
10.根据权利要求6至9中任一项所述的土石料级配自动检测***，其特征在于：还包括与所述控制处理装置(2)通信连接的移动处理终端(8)和/或远程处理终端(9)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810147456.9A CN108375529A (zh) | 2018-02-12 | 2018-02-12 | 土石料级配自动检测方法及检测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810147456.9A CN108375529A (zh) | 2018-02-12 | 2018-02-12 | 土石料级配自动检测方法及检测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108375529A true CN108375529A (zh) | 2018-08-07 |
Family
ID=63017942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810147456.9A Pending CN108375529A (zh) | 2018-02-12 | 2018-02-12 | 土石料级配自动检测方法及检测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108375529A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411916A (zh) * | 2019-08-01 | 2019-11-05 | 国网四川省电力公司 | 一种巨粒土的颗粒级配测试方法 |
| CN110553954A (zh) * | 2019-08-22 | 2019-12-10 | 中国电建集团华东勘测设计研究院有限公司 | 一种确定含超大粒径巨粒土的颗粒级配的方法 |
| CN111504862A (zh) * | 2020-04-29 | 2020-08-07 | 中铁二院工程集团有限责任公司 | 一种基于图像技术的粗颗粒土级配确定方法 |
| CN112183308A (zh) * | 2020-09-25 | 2021-01-05 | 中国水利水电科学研究院 | 一种胶结砂砾石料在线识别与级配优化方法及*** |
| CN114324078A (zh) * | 2021-12-24 | 2022-04-12 | 中煤科工清洁能源股份有限公司 | 一种颗粒粒径识别方法、装置、设备和介质 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1995968A (zh) * | 2007-01-12 | 2007-07-11 | 北京工业大学 | 一种排水沥青混凝土有效空隙特征参数提取方法 |
| CN101153850A (zh) * | 2006-09-30 | 2008-04-02 | 长安大学 | 一种沥青混合料的检测方法及*** |
| CN101510262A (zh) * | 2009-03-17 | 2009-08-19 | 江苏大学 | 一种钢中析出粒子的自动测量及其形态分类方法 |
| CN101713776A (zh) * | 2009-11-13 | 2010-05-26 | 长春迪瑞实业有限公司 | 一种基于神经网络的尿液中有形成分识别分类方法 |
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
| CN202216890U (zh) * | 2011-06-30 | 2012-05-09 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置 |
| CN103559511A (zh) * | 2013-11-20 | 2014-02-05 | 天津农学院 | 一种温室蔬菜叶部病害图像自动识别方法 |
| CN103824304A (zh) * | 2014-03-18 | 2014-05-28 | 中国矿业大学(北京) | 传送带上矿石传送过程中故障诊断方法 |
| CN104258967A (zh) * | 2014-09-05 | 2015-01-07 | 刘执军 | 一种石料级配方法 |
| CN105043947A (zh) * | 2015-08-07 | 2015-11-11 | 中国水利水电科学研究院 | 土石方料的颗粒级配检测***及检测方法 |
| CN105223114A (zh) * | 2015-08-31 | 2016-01-06 | 长安大学 | 一种集料级配自动检测方法 |
| CN105424724A (zh) * | 2015-10-22 | 2016-03-23 | 汤一平 | 基于主动式全景视觉的火炮內膛疵病检测装置及方法 |
| CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
| CN106228536A (zh) * | 2016-07-12 | 2016-12-14 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
| CN107330478A (zh) * | 2017-07-24 | 2017-11-07 | 广东工业大学 | 一种圣女果分类方法、***及圣女果在线分拣*** |
| CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
| CN107564002A (zh) * | 2017-09-14 | 2018-01-09 | 广东工业大学 | 塑料管表面缺陷检测方法、***及计算机可读存储介质 |
| CN207908306U (zh) * | 2018-02-12 | 2018-09-25 | 中国水利水电科学研究院 | 土石料级配自动检测*** |
| CN109060813A (zh) * | 2018-06-05 | 2018-12-21 | 中国矿业大学(北京) | 基于图像优化分类的土石料级配自动检测方法 |
-
2018
- 2018-02-12 CN CN201810147456.9A patent/CN108375529A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101153850A (zh) * | 2006-09-30 | 2008-04-02 | 长安大学 | 一种沥青混合料的检测方法及*** |
| CN1995968A (zh) * | 2007-01-12 | 2007-07-11 | 北京工业大学 | 一种排水沥青混凝土有效空隙特征参数提取方法 |
| CN101510262A (zh) * | 2009-03-17 | 2009-08-19 | 江苏大学 | 一种钢中析出粒子的自动测量及其形态分类方法 |
| CN101713776A (zh) * | 2009-11-13 | 2010-05-26 | 长春迪瑞实业有限公司 | 一种基于神经网络的尿液中有形成分识别分类方法 |
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN102288522A (zh) * | 2011-06-30 | 2011-12-21 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置及分析方法 |
| CN202216890U (zh) * | 2011-06-30 | 2012-05-09 | 河海大学 | 基于数字图像技术的泥沙颗粒分析装置 |
| CN103559511A (zh) * | 2013-11-20 | 2014-02-05 | 天津农学院 | 一种温室蔬菜叶部病害图像自动识别方法 |
| CN103824304A (zh) * | 2014-03-18 | 2014-05-28 | 中国矿业大学(北京) | 传送带上矿石传送过程中故障诊断方法 |
| CN104258967A (zh) * | 2014-09-05 | 2015-01-07 | 刘执军 | 一种石料级配方法 |
| CN105043947A (zh) * | 2015-08-07 | 2015-11-11 | 中国水利水电科学研究院 | 土石方料的颗粒级配检测***及检测方法 |
| CN105223114A (zh) * | 2015-08-31 | 2016-01-06 | 长安大学 | 一种集料级配自动检测方法 |
| CN105424724A (zh) * | 2015-10-22 | 2016-03-23 | 汤一平 | 基于主动式全景视觉的火炮內膛疵病检测装置及方法 |
| CN106127749A (zh) * | 2016-06-16 | 2016-11-16 | 华南理工大学 | 基于视觉注意机制的目标零件识别方法 |
| CN106228536A (zh) * | 2016-07-12 | 2016-12-14 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
| CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
| CN107330478A (zh) * | 2017-07-24 | 2017-11-07 | 广东工业大学 | 一种圣女果分类方法、***及圣女果在线分拣*** |
| CN107564002A (zh) * | 2017-09-14 | 2018-01-09 | 广东工业大学 | 塑料管表面缺陷检测方法、***及计算机可读存储介质 |
| CN207908306U (zh) * | 2018-02-12 | 2018-09-25 | 中国水利水电科学研究院 | 土石料级配自动检测*** |
| CN109060813A (zh) * | 2018-06-05 | 2018-12-21 | 中国矿业大学(北京) | 基于图像优化分类的土石料级配自动检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| 于沭;温彦锋;王玉杰;张国英;张延亿;邓刚;: "基于图像识别技术的土石料级配检测***", 中国水利水电科学研究院学报, no. 06, pages 41 - 47 * |
| 刘晶;刘素一;: "基于链码的织物疵点图像形态特征提取", 现代电子技术, no. 23, 1 December 2007 (2007-12-01), pages 155 - 157 * |
| 张国英 等: "基于图像的原矿碎石粒度检测与分析***", 《冶金自动化》, vol. 36, no. 3, pages 63 - 67 * |
| 梁栋华 等: "BOSA-Ⅰ矿石粒度图像分析仪的研究与应用", 《冶金自动化》, no. 2, pages 15 - 17 * |
| 沙爱民;王超凡;孙朝云;: "一种基于图像的沥青混合料矿料级配检测方法", 长安大学学报(自然科学版), no. 05, pages 5 - 9 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411916A (zh) * | 2019-08-01 | 2019-11-05 | 国网四川省电力公司 | 一种巨粒土的颗粒级配测试方法 |
| CN110411916B (zh) * | 2019-08-01 | 2021-07-20 | 国网四川省电力公司 | 一种巨粒土的颗粒级配测试方法 |
| CN110553954A (zh) * | 2019-08-22 | 2019-12-10 | 中国电建集团华东勘测设计研究院有限公司 | 一种确定含超大粒径巨粒土的颗粒级配的方法 |
| CN110553954B (zh) * | 2019-08-22 | 2021-09-28 | 中国电建集团华东勘测设计研究院有限公司 | 一种确定含超大粒径巨粒土的颗粒级配的方法 |
| CN111504862A (zh) * | 2020-04-29 | 2020-08-07 | 中铁二院工程集团有限责任公司 | 一种基于图像技术的粗颗粒土级配确定方法 |
| CN112183308A (zh) * | 2020-09-25 | 2021-01-05 | 中国水利水电科学研究院 | 一种胶结砂砾石料在线识别与级配优化方法及*** |
| CN114324078A (zh) * | 2021-12-24 | 2022-04-12 | 中煤科工清洁能源股份有限公司 | 一种颗粒粒径识别方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108375529A (zh) | 土石料级配自动检测方法及检测*** | |
| CN110458119B (zh) | 一种非接触式测量的混凝土骨料级配快速识别方法 | |
| CN108197583B (zh) | 基于图割优化和影像结构特征的建筑物变化检测方法 | |
| CN106934795B (zh) | 一种混凝土桥梁裂缝的自动检测方法和预测方法 | |
| CN105373794A (zh) | 一种车牌识别方法 | |
| CN106846813A (zh) | 构建城市道路车辆图像数据库的方法 | |
| Guo et al. | A method of blasted rock image segmentation based on improved watershed algorithm | |
| CN100385452C (zh) | 一种车牌字符分割方法 | |
| CN104766078A (zh) | 目标图像的倾斜角检测方法及倾斜角检测设备 | |
| CN105632170A (zh) | 一种基于Mean Shift跟踪算法的交通流检测方法 | |
| CN111582070B (zh) | 一种高速公路视频抛洒物检测的前景提取方法 | |
| CN102393902A (zh) | 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法 | |
| CN107314957A (zh) | 一种岩石块度尺寸分布的测量方法 | |
| CN107610147A (zh) | 一种废弃薄膜加筋风积沙地基处理方法 | |
| CN115690081A (zh) | 一种树木计数方法、***、存储介质、计算机设备及终端 | |
| CN207908306U (zh) | 土石料级配自动检测*** | |
| CN112085725B (zh) | 基于启发式迭代算法的残膜残留量检测方法及预警*** | |
| CN110443142A (zh) | 一种基于路面提取与分割的深度学习车辆计数方法 | |
| CN110033425B (zh) | 干扰区域检测装置及方法、电子设备 | |
| CN110826364A (zh) | 一种库位识别方法及装置 | |
| CN113450461B (zh) | 一种排泥库土工布点云提取方法 | |
| CN103903449A (zh) | 一种基于车牌识别技术的高速公路车辆查找方法 | |
| CN115578695B (zh) | 一种自由拍摄视角的水尺水位机器视觉检测方法及装置 | |
| CN112461345B (zh) | 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 | |
| CN114463678A (zh) | 一种利用摄像头视频图像的降雨类型识别方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Yu Shu Inventor after: Zhang Zhaosheng Inventor after: Yang Feng Inventor after: Yu Shu Wen Yanfeng, Zhang Yanyi, Wang Xiaogang, Deng Gang, Zhang Yinqi, Zhang Guoying, Li Yongjiang, Zhu Yunxian, Zhang Zhaoxian, Yang Feng Huangfu, Zehua, Yang Xiaochuan, Chen Shujing, and Jinghong Huayi, Zhang Xingxing Inventor after: Yan Shi Inventor after: Yang Xiaochuan Inventor after: Chen Shujing Inventor after: Bian Jinghong Inventor after: Chao Huayi Inventor after: Zhang Xingxing Inventor after: Wen Yanfeng Inventor after: Zhang Yanyi Inventor after: Wang Xiaogang Inventor after: Deng Gang Inventor after: Zhang Yinqi Inventor after: Zhang Guoying Inventor after: Li Yongjiang Inventor after: Zhu Yunxian Inventor before: Yu Shu Inventor before: Zhang Zhaosheng Inventor before: Yang Feng Inventor before: Yu Shu, Wen Yanfeng, Zhang Yanyi, Wang Xiaogang, Deng Gang, Zhang Yinqi, Zhang Guoying, Li Yongjiang, Zhu Yunxian, Zhang Zhao Province, Yang Feng, Huangfu, Zehua, Yang Xiaochuan, Chen Shujing, Jinghong, Huayi and Zhang Xing Inventor before: Yan Shi Inventor before: Yang Xiaochuan Inventor before: Chen Shujing Inventor before: Bian Jinghong Inventor before: Chao Huayi Inventor before: Zhang Xingxing Inventor before: Wen Yanfeng Inventor before: Zhang Yanyi Inventor before: Wang Xiaogang Inventor before: Deng Gang Inventor before: Zhang Yinqi Inventor before: Zhang Guoying Inventor before: Li Yongjiang Inventor before: Zhu Yunxian |
|
| CB03 | Change of inventor or designer information |