بهبود نتایج سنجش و آنالیز تراکم مخلوط آسفالتی حاصل از پردازش تصاویر سی‌تی‌اسکن با استفاده از آستانه فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه صنعتی امیرکبیر، تهران، ایران

2 گروه مشاوران جوان شهرداری مشهد، مشهد، ایران

چکیده

چکیده: تراکم، ازجمله مهم‌ترین عوامل مؤثر بر عملکرد مخلوط آسفالتی است که تأثیر بسزایی بر ارزیابی مقاومت و عمر روسازی دارد. در حال حاضر مطالعات متعددی بر روی تصاویر سی‌تی اسکن مخلوط‌های آسفالتی انجام شده است؛ اما به دلیل ماهیت مبهم در لبه سنگ‌دانه‌ها، پردازش این بخش از تصاویر با خطا بالایی انجام شده است. روش‌های آستانه گذاری ثابت و داینامیک که توسط مطالعات گذشته مطرح شده است نیز نتوانسته است این ابهام را رفع نماید. هدف از ارائه این مقاله بکار گیری مدل آستانه گذاری فازی بر اساس تفکیک اجزا و تحلیل تراکم مخلوط آسفالتی است. خروجی این روش می‌تواند سبب افزایش دقت جداسازی و سنجش بهتر تراکم مخلوط آسفالتی گردد. مقایسه روش فازی پیشنهادی با نتایج آستانه ثابت و دینامیک نشان می‌دهد، روش آستانه گذاری فازی نسبت به روش‌های ثابت و داینامیک دارای خطا کمتری بوده است، به طوری که تراکم مخلوط آسفالتی را با خطای کمتر از 2% تشخیص می‌دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Improving the Result of Asphalt Mixtures Density Derived from CT Images Using Fuzzy Thresholding

نویسندگان [English]

  • F. Moghadas Nejad 1
  • M.M. Makhmalbaf 2
  • H. Zakeri 1
1 Department of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran
2 Department of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran
چکیده [English]

Density, as a one of the important factors affecting the performance of asphalt mixture has a significant impact on the pavement serviceability. Numerous studies on computed tomography (CT) scan images of asphalt mixtures are done; however, due to the ambiguous nature at the edge of aggregates, the processing of images contains uncertainty. Static and dynamic thresholding techniques that have been conducted by previous studies were also unable to resolve and handle the ambiguity. The aim of this study is enhance the results using a new fuzzy thresholding model for separation of components and analyze the density of asphalt mixture. The analysis indicates that fuzzy threshold provides more accurate results. It was also found that, the density of asphalt mixture were determined with less than 2% error.

کلیدواژه‌ها [English]

  • Digital Image Processing
  • Asphalt Mixture
  • Features
  • X-ray CT
  • Fuzzy Thresholding
[1] H. Wang, P. Hao, Numerical Simulation of Indirect Tensile Test Based on the Microstructure of Asphalt Mixture, Journal of Materials in Civil Engineering, 23 (2011) 21-29.
[2] K.H. Moon, A. Cannone Falchetto, J.H. Jeong, Microstructural analysis of asphalt mixtures using digital image processing techniques, Canadian Journal of Civil Engineering, 41(1) (2014) 74-86.
[3] H.M. Zelelew, A.T. Papagiannakis, A volumetrics thresholding algorithm for processing asphalt concrete X-ray CT images, International Journal of Pavement Engineering, 12(6) (2011) 543-551.
[4] H.M. Zelelew, A.T. Papagiannakis, E. Masad, Application of Digital Image Processing Techniques for Asphalt Concrete Mixture Images, in: International Association for Computer Methods and Advances in Geomechanics (IACMAG) Goa, India 2008.
[5] H. Zelelew, E. Mahmoud, A.T. Papagiannakis, Micromechanical Simulation of the Permanent Deformation Properties of Asphalt Concrete Mixtures, in: Multi-Scale Modeling and Characterization of Infrastructure Materials, Springer Netherlands, 2013, pp. 421-432.
[6] H.m. Zelelew, Simulation of the permanent deformation of asphalt concrete mixtures using discrete element method(DEM) Washington State university, Washington 2008.
[7] F. Moghadas Nejad, F. Zare motekhases , H. Zakeri, New Representation of Asphalt Compaction Using an Image Processing Algorithm, in: The third international reliability engineering conference, Tehran, 2014.
[8] F. Moghadas Nejad, F. Zare motekhases, H. Zakeri , A. Mehrabi An Image Processing Approach to Asphalt Concrete Feature Extraction, Journal of Industrial and Intelligent Information, 3(1) (2015) 54-60.
[9] T. Yang, J.P. Ignizio, H.-j. Kim, Fuzzy programming with Nonlinear membership functions: Piecewise linear approximation, Fuzzy Sets and Systems, 41(1) (1991) 39-53.
[10] I.l. Al-Qadi, Z. Leng , A. Larkin, In-place hot mix asphalt density estimation using ground penetrating radar and 3-d finite element analyses, Illinois University of illinois at urbana-champaign advanced transportation research and engineering laboratory (atrel), 2011.
[11] E. Masad, V.K. Jandhyala, N. Dasgupta, N. Somadevan, N. Shashidhar, Characterization of Air Void Distribution in Asphalt Mixes using X-ray Computed Tomography, Journal of Materials in Civil Engineering, 14(2) (2002) 122-129.
[12] Z. You, S. Adhikari, a.Q. Dai, Three-Dimensional Discrete Element Models for Asphalt Mixtures, Journal of Engineering Mechanics, 134(12 ) (2008) 1053-1063.
[13] C.E. Synolakis, R.M. Leahy, M.B. Singh, Z. Zhou, Development of an Asphalt Core Tomographer, Strategic Highway Research Program, Washington, 1993.
[14] E. Coleri, J.T. Harvey , K. Yang , M. John A micromechanical approach to investigate asphalt concrete rutting mechanisms, Construction and Building Materials, 30 (2011) 36-49.
[15] I. Onifade, D. Jelagin, A. Guarin, B. irgisson, Asphalt Internal Structure Characterization with X-Ray Computed Tomography and Digital Image Processing, in: Multi-Scale Modeling and Characterization of Infrastructure Materials, Springer Netherlands, 2013, pp. 139-158.
[16] Z.Q. Yue, S. Chen, L.G. Tham, Finite element modeling of geomaterials using digital image processing, Computers and Geotechnics, 30(5) (2003) 375–397.
[17] I.S. Bessa, V.T.F. Castelo Branco, J.B. Soares, Evaluation of different digital image processing software for aggregates and hot mix asphalt characterizations, Construction and Building Materials, 37 (2012) 370–378.