Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Aggregate segmentation of asphaltic mixes using digital image processing

Tytuł:
Aggregate segmentation of asphaltic mixes using digital image processing
Autorzy:
Reyes-Ortiz, Oscar R.
Mejía, M.
Useche-Castelblanco, J. S.
Powiązania:
https://bibliotekanauki.pl/articles/201845.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
digital image processing
asphalt mixtures
morphological operations
particle segmentation
cyfrowe przetwarzanie obrazów
mieszanki asfaltowe
operacje morfologiczne
segmentacja cząstek
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2019, 67, 2; 279-287
0239-7528
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 4.0
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
The study of the different engineering materials according to their mechanical and dynamic characteristics has become an area of research interest in recent years. Several studies have verified that the mechanical properties of the material are directly affected by the distribution and size of the particles that compose it. Such is the case of asphalt mixtures. For this reason, different digital tools have been developed in order to be able to detect the structural components of the elements in a precise, clear and efficient manner. In this work, a segmentation model is developed for different types of dense-graded asphalt mixtures with grain sizes from 9.5 mm to 0.0075 mm, using sieve size reconstruction of the laboratory production curve. The laboratory curve is used to validate the particles detection model that uses morphological operations for elements separation. All this with the objective of developing a versatile tool for the analysis and study of pavement structures in a non-destructive test. The results show that the model presented in this work is able to segment elements with an area greater than 0.0324 mm2 and reproduce the sieve size curves of the mixtures with a high percentage of precision.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies