一种基于深度学习的沥青混合料集料分布监测方法及系统

本发明涉及道路工程，尤其是涉及一种基于深度学习的沥青混合料集料分布监测方法及系统。

背景技术：

1、近年来，随着公路交通基础设施建设不断完善，沥青混合料因具有良好的力学性能和行车舒适性，已成为高等级公路路面铺装或加铺的主要材料，然而，沥青路面早期损害现象和耐久性不足的问题较为突出，长期实践与研究表明，沥青混合料的摊铺效果是影响沥青路面使用性能的关键因素，沥青路面的早期破坏多由材料离析、摊铺不均匀所导致，进而引发车辙、坑槽、拥包等病害。

2、现有技术中，沥青路面的摊铺质量检测主要依靠事后采样检测，即在摊铺完成后通过钻孔取芯或取样试验的方式进行质量评定，该方式不仅存在检测滞后、代表性有限的问题，而且难以在摊铺过程中实时掌握摊铺状态，无法对摊铺质量进行全面的过程控制。

3、在摊铺均匀性评价方面，现有技术未能实现基于图像智能识别的自动离析判定：一方面，摊铺表面集料颗粒的识别与分割仍缺乏精度高、适应性强的自动化手段，难以准确获取集料颗粒的轮廓、尺寸及空间位置信息；另一方面，现有评价方法缺乏对集料分布差异的量化描述手段，无法以定量化指标刻画集料颗粒在路面横向和纵向上的分布均匀程度，评价结果易受人为因素影响，客观性和准确性难以保证，现阶段需要一种基于深度学习的沥青混合料集料分布监测方法及系统。

技术实现思路

1、为了解决相现有沥青路面摊铺质量检测中存在的摊铺均匀性评价滞后、客观性和准确性不足的技术问题，本发明提供一种基于深度学习的沥青混合料集料分布监测方法及系统。

2、第一方面，本发明提供的一种基于深度学习的沥青混合料集料分布监测方法，采用如下的技术方案：

3、一种基于深度学习的沥青混合料集料分布监测方法，包括：

4、s1、采集摊铺过程中的沥青混合料表面图像并进行预处理，将预处理后的图像输入经迁移训练的实例分割模型，获得各集料颗粒对应的二值实例掩膜；

5、s2、根据二值实例掩膜提取各集料颗粒的轮廓、尺寸特征及重心坐标，确定各集料颗粒的粒径档位，并计算各集料颗粒的加权质量和贡献因子；

6、s3、以重心坐标确定各集料颗粒的空间位置，选取距离链的起始颗粒，根据起始颗粒计算相邻颗粒间的距离及力矩，直至遍历全部集料颗粒形成距离链；

7、s4、将表面图像划分为若干等面积分区，在各分区内构建分区距离链，计算各分区的力矩加和及全图的力矩加和；

8、s5、根据各分区力矩加和的平均水平与全图力矩加和的平均水平之间的相对偏差，计算集料分布均匀性指数，评价沥青混合料的集料分布均匀性。

9、进一步地，所述采集摊铺过程中的沥青混合料表面图像并进行预处理，包括以沥青混合料表面图像的短边为基准，对沥青混合料表面图像进行裁剪，获得裁剪图像，通过加权平均法将裁剪图像转换为灰度图像；

10、采用中值滤波对灰度图像进行噪声抑制，并对噪声抑制后的图像进行直方图均衡化，得到增强图像，将增强图像的尺寸统一调整至预设的目标尺寸，获得标准化图像。

11、进一步地，所述确定各集料颗粒的粒径档位，包括以重心坐标为极点建立极坐标系，沿周向以预设角度步长对轮廓进行扫描，获取该方向射线与轮廓的首个交点，以及该方向反向延长线与轮廓的首个交点，计算两交点之间的距离，作为该扫描方向下的过心弦长；

12、遍历全部扫描方向，取所有过心弦长中的极小值，作为该集料颗粒的最小过心弦长；

13、根据图像尺寸标定关系将最小过心弦长转换为实际尺寸，确定该集料颗粒能够通过的筛孔尺寸，并依据预设的粗集料粒径分档序列确定该集料颗粒所属的粒径档位。

14、进一步地，所述计算各集料颗粒的加权质量和贡献因子，包括测定各粒径档位集料的球度和毛体积密度，根据集料颗粒的几何形态，将集料颗粒的体积表示为立方体体积与球体体积按球度加权组合的加权体积，并根据加权体积与毛体积密度计算该集料颗粒的加权质量，所述加权质量的表达式为：

15、，

16、，

17、其中，为第i档的集料颗粒的加权质量，为第i档集料的毛体积密度，为第i档集料的加权体积，为第i档集料的球度，为以等效粒径折算的立方体体积，为以等效粒径折算的球体体积。

18、进一步地，所述计算各集料颗粒的加权质量和贡献因子，还包括以最大粒径档位集料的加权体积为归一化基准，根据各粒径档位集料的加权体积定义各档集料的贡献因子，所述贡献因子的计算公式为：

19、，

20、其中，为第i档集料的贡献因子，用于表征第i 档集料颗粒在沥青混合料骨架中的相对贡献程度，为第i+1档集料的筛孔尺寸，为预设的筛孔尺寸至等效粒径换算系数，为最大粒径档位集料的球度，为最大粒径档位对应的筛孔尺寸。

21、进一步地，步骤s3，具体包括：

22、s31、根据二值实例掩膜的数量确定集料颗粒数量，选取图像左上方识别到的第一个集料颗粒作为距离链的起始颗粒；

23、s32、从尚未加入距离链的集料颗粒中按照粒径优先原则搜索与当前颗粒距离最近的颗粒作为下一颗粒加入距离链，当前颗粒与下一颗粒之间的距离采用欧氏距离计算；

24、s33、计算当前颗粒的加权质量与距离的乘积，作为当前颗粒对应的力矩；

25、s34、将下一颗粒作为新的当前颗粒，重复步骤s32至s33，直至遍历全部集料颗粒。

26、进一步地，所述粒径优先原则，具体按照如下优先级顺序递次判定：

27、第一级，比较各候选颗粒所属的粒径档位，选择所属粒径档位最高的候选颗粒作为下一颗粒；

28、第二级，当多个候选颗粒所属粒径档位相同时，则计算各候选颗粒与当前颗粒的连线方向和当前链方向之间的夹角，选择夹角最小的候选颗粒作为下一颗粒，其中，当前链方向为距离链中当前颗粒的上一颗粒指向当前颗粒的方向；

29、第三级，按照图像扫描顺序由左至右、由上至下确定下一颗粒。

30、进一步地，步骤s4，包括采用对分法将沥青混合料表面图像沿纵横中线划分为多个等面积矩形分区，并在各分区内分别构建分区距离链，将各分区距离链中的各链节在图像几何上依次链接，得到与集料骨架分布相对应的分区距离链条；

31、分别统计各分区内集料颗粒的数量以及全图的集料颗粒数量，计算各分区的力矩加和以及全图的力矩加和，所述力矩加和的表达式为：

32、，

33、其中，为区域标识，取值为任一分区或全图，为区域内距离链的力矩加和，为区域内集料颗粒的数量，为区域内距离链中第个链节对应颗粒的所述加权质量，为第个链节中当前颗粒与下一颗粒之间的距离，为第r个链节对应颗粒所属粒径档位的所述贡献因子。

34、进一步地，所述评价沥青混合料的集料分布均匀性，包括根据各分区的力矩加和相应分区内距离链的链节数，计算各分区的平均力矩，并以各平均力矩作为相应分区力矩加和的平均水平；

35、计算全图的平均力矩，并将其作为征理论均匀分布状态的归一化基准，基于各分区的平均力矩的均值与全图的平均力矩的比值确定集料分布均匀性指数，用于评价沥青混合料的集料分布均匀性，所述集料分布均匀性指数的表达式为：

36、，

37、其中，为集料分布均匀性指数，、、和分别为对应分区内距离链的力矩加和，、、和分别为对应分区内的集料颗粒数量，为全图范围内集料颗粒的总数量，为全图距离链中第m个链节的力矩，表示为从第1个链节起，对全图距离链中全部链节的力矩逐一累加。

38、第二方面，一种基于深度学习的沥青混合料集料分布监测系统，包括：

39、图像采集与分割模块，用于采集摊铺过程中的沥青混合料表面图像并进行预处理，将预处理后的图像输入经迁移训练的实例分割模型，获得各集料颗粒对应的二值实例掩膜；

40、特征提取与加权模块，用于根据二值实例掩膜提取各集料颗粒的轮廓、尺寸特征及重心坐标，确定各集料颗粒的粒径档位，并计算各集料颗粒的加权质量；

41、距离链构建模块，用于以重心坐标确定各集料颗粒的空间位置，选取距离链的起始颗粒，根据起始颗粒计算相邻颗粒间的距离及力矩，直至遍历全部集料颗粒形成距离链；

42、分区统计模块，用于将表面图像划分为若干等面积分区，在各分区内构建分区距离链，计算各分区的力矩加和及全图的力矩加和；

43、均匀性评价模块，用于根据各分区力矩加和的平均水平与全图力矩加和的平均水平之间的相对偏差，计算集料分布均匀性指数，评价沥青混合料的集料分布均匀性。

44、综上所述，本发明具有如下的有益技术效果：

45、1、本发明通过以重心为极点的周向扫描获取过心弦长并取其极小值确定集料颗粒的粒径档位，准确表征了集料颗粒能够通过筛孔的尺寸特征，实现了粒径档位的客观、自动判定；

46、2、本发明将集料颗粒体积表示为立方体体积与球体体积按球度加权组合的加权体积计算加权质量，并以最大粒径档位集料的加权体积为归一化基准定义贡献因子，使集料颗粒的质量估算符合其真实几何形态。

47、3、本发明通过粒径优先原则对距离相同的候选颗粒进行递次判定，并对边界截断颗粒进行有效性判定，保证了距离链构建结果的唯一性和连续性，避免了轮廓缺失颗粒引入的计算误差；

48、4、本发明以全图平均力矩作为理论均匀分布状态的归一化基准，构建基于各分区平均力矩与全图平均力矩相对偏差的集料分布均匀性指数，实现了对集料分布局部差异的灵敏、量化评价，指数取值与离析程度具有明确的对应关系，评价结果客观、准确，可有效指导沥青路面的智能化摊铺施工。