基于三维点云数据的集料颗粒棱角性量化评价

集料颗粒的棱角性是决定沥青混合料路用性能的重要因素.文中首先搭建了基于Gocator 3 D智能传感器的集料三维图像采集系统,获取粒径为9.5、13.2和16.0 mm的玄武岩、花岗岩和石灰岩3种集料样本的三维点云数据;然后采用基于Sobel-Feldman卷积和基于集料表面法线的集料颗粒表面棱角性量化方法进行评价,并...     

基于多特征因子的路用集料粒径计算神经网络模型

在道路施工及养护过程中,高效、准确地测量沥青混合料中的集料级配是保证混合料骨架结构稳定及施工质量的重要环节。针对基于单一几何模型应用在粗集料颗粒分档时,存在粒径计算不准确、无法满足施工要求的问题,文中提出一种基于多特征因子的路用集料粒径计算神经网络模型,实现对集料颗粒粒径的准确计算。首先,对采集到的集料颗粒图像进行几何特征提取,并对提取到的特征数据进行数据清洗和归一化等处理,建立样本数据集;然后通过相关性分析,提取出与集料粒径相关性较强的特征因子;最后,构建多层感知机(MLP)神经网络模型对数据集进行训练,并采用敏感性分析得到用于表征集料粒径的重要特征权重,实现对集料粒径的准确计算。结果表明,文中提出的集料粒径计算方法与卡尺法测量的结果拟合精度较高(相关系数R~2=0.91),与二阶矩、等效椭圆等传统几何模型方法相比不仅明显提高了精度,而且可以实现快速虚拟筛分,显著提升后续的筛分效率。     

基于改进Multi-ResUnet算法的黏结集料图像分割方法

为提高黏结集料图像的分割精度,提出了基于Inception网络与残差连接优化的黏结集料图像分割模型（Multi-ResUnet模型）。利用实验室自主研发的集料三维特性分析系统V3.0对黏结集料图像进行采集,并建立图像分割模型样本集,然后采用图像分割模型对样本集进行训练。结果表明：相较于分水岭算法和Unet模型,该图像分割模型的精确率分别提升了30.46%和2.11%,召回率分别提升了4.68%和1.85%,准确率分别提升了25.95%和2.47%。     

改进粒子群优化XGBoost模型的高速公路服务区交通量预测

为了科学有效地评估高速公路服务区交通通行服务能力和进行基础设施优化配置,提出一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和XGBoost融合的高速公路服务区交通量预测模型.首先对粒子群算法的拓扑关系结构进行改进,将粒子群划分为主粒子和从粒子,获得多个改进粒子组,并给出改进后主从粒子速度和位置的更新方法;其次利用线性递增和递减函数对粒子的迭代寻优速度进行自适应调整;最后在模型训练过程中,引入交通量调查数据这一重要特征,并利用IPSO算法对XGBoost模型的主要超参数进行优化选择,建立了交通量调查数据和服务区各交通量之间的IPSO_XGBoost预测模型.结果表明:提出的改进粒子群算法具有更强的参数寻优能力,迭代收敛速度更快,能够搜索出XGBoost模型的理想超参数,实现对服务区交通量的有效预测.同时,提出模型的预测性能明显优于LSTM、XGBoost、CNN-LSTM和PSO_XGBoost,对小型车、大型车、货车、车当量和人当量数据的预测精度分别达到了0.913、0.815、0.872、0.931和0.924.     

基于改进Faster R-CNN的路面灌封裂缝检测方法

路面灌封裂缝对路面使用寿命的影响较为突出,为了解决目前灌封裂缝检测技术匮乏的问题,文中提出了一种基于改进Faster R-CNN的路面灌封裂缝检测方法。首先,建立灌封裂缝图像集,对采集到的图像进行增广处理,构建路面灌封裂缝标注样本数据集,并将图像集按6∶2∶2的比例划分为训练集、验证集和测试集;接着,采用Faster R-CNN模型对灌封裂缝进行检测,针对Faster R-CNN检测灌封裂缝存在漏检、定位效果不够理想的问题,文中分别将VGG16、ZFNet和Resnet50网络的特征提取层与Faster R-CNN模型进行结合,结果表明,VGG16和Faster R-CNN结合的模型检测精度最高,达到0. 9031;然后,通过增加灌封裂缝候选框宽高比的方法继续改进模型,检测精度达到0. 907 3,且原先被漏检的目标能被检测出来;最后,对改进Faster R-CNN与YOLOv2模型的检测精度及定位效果进行对比,结果表明,文中提出的改进Faster RCNN能够明显提高对灌封裂缝的检测准确率和定位精度。