基于深度学习的城市道路沥青路面病害智能检测仿真实验

为提高城市道路沥青路面病害检测精度,提出一种基于深度学习的智能检测方法。方法以Faster R-CNN网络为基础检测模型,通过对采用拟合值填充方式优化Faster R-CNN网络卷积层,提升网络对目标检测的准确性,实现了Faster R-CNN网络的改进;然后利用改进后的Faster R-CNN网络对城市道路沥青路面病害进行检测,实现了沥青路面病害的智能检测。仿真结果表明,所提的改进Faster R-CNN网络可有效检测城市道路沥青路面坑槽、裂缝病害,且具有较高的检测精度,平均精确度的均值达到为90.26%。相较于标准Faster R-CNN网络和ResNet、U-Net目标检测算法,在平均精确度的均值和单张图像的检测速度指标上具有明显优势,可用于实际城市道路沥青路面病害检测。     

SBS/HON复合改性沥青流变性能

为了研究SBS(styrene-butadiene-styrene)/HON(Honeywell TitanTM)复合改性沥青的流变性能,选取2种SBS和2种HON改性剂制备复合改性沥青,采用布氏旋转黏度计分析了复合改性沥青的黏温性能,采用动态剪切流变仪(DSR)、低温弯曲流变仪(BBR)分别评价复合改性沥青的高温及低温流变性能.结果表明:HON可有效改善沥青的黏温性能,降低施工温度,并可提高沥青的高温流变性能;SBS可明显改善沥青材料的高温流变性能,并可在一定程度上提高沥青材料的低温流变性能.