تعیین توزیع دانه‌بندی سنگ‌دانه‌های بتن و آسفالت با استفاده از استخراج ویژگی فیلترهای گابور و شبکه‌های عصبی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی استخراج معدن، بخش مهندسی معدن، دانشگاه شهید باهنر کرمان

2 بخش مهندسی معدن، دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان

3 دانشیار بخش مهندسی معدن، دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان

4 استاد بخش مهندسی برق، دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان

چکیده

توزیع ابعادی سنگ‌دانه‌های تشکیل دهنده بتن و آسفالت، از مهم‏ترین پارامترها در کنترل طرح‌های اختلاط بتن و آسفالت است که می‌تواند بر کیفیت نهایی، مقاومت و دوام بتن و آسفالت تاثیر گذار باشد. به‌منظور ارزیابی درصد اختلاط سنگ‌دانه‌ها، روش پردازش تصویری دیجیتال یک روش غیر مستقیم، سریع و قابل اعتماد است. در این تحقیق بر پایه یکی از روش‌های‌ استخراج ویژگی‌های دیداری تصویر (فیلترهای گابور) و استفاده از شبکه های عصبی، الگوریتمی جهت تعیین توزیع دانه‌بندی تصاویر سنگ‌دانه‌های تشکیل دهنده بتن و آسفالت ارائه شده است. تعداد 100 تصویر از سنگ‌دانه‌های تشکیل دهنده بتن و آسفالت برای آموزش شبکه عصبی به‌کار برده شد. سپس نتایج حاصله با نتایج تخمین خودکار دانه‌بندی سنگ‌دانه‌ها در نرم افزار Split-Desktop و همچنین تجزیه سرندی مقایسه شد. نتایج به‌دست آمده بیان‌گر یک بهبود کلی در ارزیابی توزیع اندازه سنگ‌دانه‌های تشکیل دهنده بتن و آسفالت و کاهش خطای 67% با استفاده از روش پیشنهادی نسبت به تخمین خودکار نرم افزار Split-Desktop است. همچنین در ارزیابی اندازه‌های 10F تا 100F، روش‌ پیشنهادی بهبود 63%را نشان داد.

کلیدواژه‌ها


عنوان مقاله [English]

Determining the size distribution of concrete and asphalt aggregates using Gabor feature extraction and neural networks

نویسندگان [English]

  • Hadi Yaghoobi 1
  • hamid mansouri 2
  • Mohammad Ali Ebrahimi Farsangi 3
  • Hossein Nezamabadi-Pour 4
1 PhD Student of Mining Engineering, Mining Engineering Department, Shahid Bahonar University of Kerman, Kerman, Iran
2 Department of Mining Engineering, Shahid Bahonar University of Kerman,
3 Associate Professor of Mining Engineering, Department of Mining Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
4 Professor of Electrical Engineering, Department of Electrical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
چکیده [English]

Concrete and asphalt aggregates size distribution is one of the most important parameters in concrete and asphalt mix design that can affect the quality, durability, and strength of both concrete and asphalt. For evaluating the aggregates mix design, digital image analysis is a fast, reliable and indirect technique. In this study, based on one of the visual feature extractions methods (Gabor filters) and the neural networks, an algorithm was developed to determine the size distribution of digital images of concrete and asphalt aggregates. 100 images of concrete and asphalt aggregates were applied to train the neural network. Then, the results were compared with the results obtained by automatic estimation of aggregates size distribution by Split-Desktop software and sieving analysis. The results showed a general improvement in evaluating concrete and asphalt aggregates size distribution. Also, by using the proposed method, compare to automatic estimation of Split-Desktop, a reduction of 67% in error estimation was observed. Furthermore, this method showed also an improvement of 63% in evaluating of F10 to F100.

کلیدواژه‌ها [English]

  • Size distribution
  • Concrete and asphalt aggregates
  • Image feature extraction
  • Gabor filters
  • Neural networks