【技术实现步骤摘要】
本专利技术属于道路工程的，特别是涉及一种基于vision transformer的沥青混合料级配识别方法及系统。
技术介绍
1、沥青混合料是现代道路建设和维护中应用最广泛的道路路面材料之一，由沥青结合料和矿质集料组成，故描述混合料中集料颗粒的大小及其数量分布的级配对混合料的性能具有直接和重要的影响。但如果骨料级配不符合施工标准，则沥青混合料的孔隙率会增加。这将影响混凝土的应力和变形特性，从而削弱混凝土的抗变形能力。因此，检测级配对保证施工质量至关重要。
2、目前级配检测主要采用人工筛分方法。首先需要从混合料中取出一定量的样品，再经过包括抽提沥青、烘干水分在内的适当处理。按照沥青混合料级配设计要求，选用一系列标准筛子，使用摇筛机将样品分成不同粒径的部分，并绘制级配曲线。这种方法需要大量的人力，而且效率低下。
技术实现思路
1、本专利技术为解决上述
技术介绍
中存在的技术问题，提供了一种基于visiontransformer的沥青混合料级配识别方法及系统。
2、本专利技术采用以下技术方案：一种基于vision transformer的沥青混合料级配识别方法，包括以下步骤：
3、对沥青混合料试件的切片进行拍摄得到试件切片图，并记录每个沥青混合料试件的级配；
4、基于所述试件切片图的有效部分按照预定宽高比进行剪裁构建，并生成数据样本集；将所述数据样本集进行预处理后按照预定比例划分为训练集和测试集；
5、将所述训练集输入vision t
6、利用所述训练完成的vision transformer网络实现沥青混合料级别的识别。
7、在进一步的实施例中，按照预定宽高比进行剪裁构建的具体步骤如下：
8、去除试件切片图中无效背景，定义高大于宽的方向为竖向；将竖向的试件切片图旋转为横向，得到原始数据集p＝{pic1,pic2,…,picn}，n为数据集大小，并计算每一张切片图的宽高比
9、对每一张切片图pici，根据宽高比按照裁剪规则使用opencv图像处理库，将pici裁剪成mi张正方形的子图其中mi＝f(ri)；f(ri)根据裁剪成子图的数量和相似度的平衡点而定，即在保证子图之间相似度较低的同时尽量使子图数量更大；
10、完成自动裁剪后，结合每张切片图pici的级配信息gi，构建沥青混合料级配识别数据集：
11、
12、在进一步的实施例中，，所述沥青混合料级配识别数据集dg的预处理包括：
13、将输入图像的尺寸按照预定大小进行调整，读取数据集dg中所有图像；对dg中的每一张图像进行亮度匹配。此处给出一个亮度匹配的方法示例：
14、在dg中挑选一张亮度合适的参考图像r，转为灰度图后计算其平均亮度lr：
15、lr＝mean(σpixr)
16、其中n为r的总像素点个数，pixr为r中像素点的灰度值。
17、对于待进行亮度匹配的图像i，按照上式计算平均亮度li，并计算亮度比例系数α＝lr/li；
18、对图像i中的所有像素值应用该比例系数α，即：
19、l′i＝mean(∑α·pixi)
20、对dg中剩余所有图像进行上述步骤，将亮度匹配至参考图像r；
21、使用直方图均衡化和图像去噪两种图像增强方式，增强图像对比度，去除噪点，提高图像质量；
22、考虑到沥青混合料切片图的特性，即特征均匀地分布在全图中，使用cutmix和mixup数据扩充方法。
23、在进一步的实施例中，所述vision transformer网络的训练和级配识别过程如下：
24、将数据集以8:2划分为数据集和测试集，并输入训练集进行训练；
25、网络将每张图像分成若干个patch并展平；
26、将铺平后的patches线性映射到低维空间，并添加位置编码信息，以生成图像序列位置编码方式如下：
27、
28、其中，pos是位置索引(图像分成若干个patch后，patch的位置信息)，j是维度索引(pe(pos,2j)表示对输入图像奇数维度的编码，pe(pos,2j+1)表示对输入图像奇数维度的编码)，d是编码维度(位置编码向量的总长度)；
29、将图像序列送入标准的transformer encoder中来提取特征；
30、将提取的特征输入mlp模块进行分类；
31、将分类结果与标签进行对比，计算交叉熵损失函数，并反向传播更新网络权重，直到完成训练。
32、在进一步的实施例中，所述交叉熵损失函数的计算公式如下：
33、
34、其中，class为数据集中混合料级配类别的合集，c为class中的某一个类别，yc和分别为数据集中的样本y的真实值和网络对样本y的预测值；
35、使用测试集测试完成训练的vision transformer网络，并以分类准确率为指标，衡量网络的性能，若符合要求，则使用该网络完成后续的沥青混合料级配识别任务。
36、一种基于vision transformer的沥青混合料级配识别系统，用于实现如上所述的沥青混合料级配识别方法，包括：
37、第一模块，被设置为对沥青混合料试件的切片进行拍摄得到试件切片图，并记录每个沥青混合料试件的级配；
38、第二模块，被设置为基于所述试件切片图的有效部分按照预定宽高比进行剪裁构建，并生成数据样本集；将所述数据样本集进行预处理后按照预定比例划分为训练集和测试集；
39、第三模块，被设置为将所述训练集输入vision transformer网络，以分类准确率作为评估指标进行训练得到训练完成的vision transformer网络；将所述测试集输入训练完成的vision transformer网络以测试训练效果；
40、第四模块，被设置为利用所述训练完成的vision transformer网络实现沥青混合料级别的识别。
41、与现有技术相比，本专利技术具有以下技术优势：
42、(1)本专利技术提出了一种基于vision transformer的沥青混合料级配识别方法，可实现沥青混合料级配低成本、高效率的智能识别。
43、(2)高清相机拍摄的沥青混合料切片图相较于其他种类的数据较为容易获取和处理。
44、(3)使用包括亮度匹配、图像增强和数据扩增在内的数据预处理方法，有助于扩充数据集规模且提高数据集质量。
45、(4)vision transformer分类网络可以直接且准确地从沥青混合料切片图中识别级配，很大程度上本文档来自技高网...
【技术保护点】
1.一种基于Vision Transformer的沥青混合料级配识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于Vision Transformer的沥青混合料级配识别方法，其特征在于，按照预定宽高比进行剪裁构建的具体步骤如下：
3.根据权利要求1所述的一种基于Vision Transformer的沥青混合料级配识别方法，其特征在于，所述沥青混合料级配识别数据集DG的预处理包括：
4.根据权利要求1所述的一种基于Vision Transformer的沥青混合料级配识别方法，其特征在于，所述Vision Transformer网络的训练和级配识别过程如下：
5.根据权利要求4所述的一种基于Vision Transformer的沥青混合料级配识别方法，其特征在于，所述交叉熵损失函数的计算公式如下：
6.一种基于Vision Transformer的沥青混合料级配识别系统，用于实现如权利要求1至5中任意一项所述的沥青混合料级配识别方法，其特征在于，包括：
【技术特征摘要】
1.一种基于vision transformer的沥青混合料级配识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于vision transformer的沥青混合料级配识别方法，其特征在于，按照预定宽高比进行剪裁构建的具体步骤如下：
3.根据权利要求1所述的一种基于vision transformer的沥青混合料级配识别方法，其特征在于，所述沥青混合料级配识别数据集dg的预处理包括：
4.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员：孔维一，胡靖，黄卫，罗桑，
申请(专利权)人：南京现代综合交通实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。