Research on the Method of Detecting the Spreading Rate of the Simultaneous Crushed Stone Sealing Layer Based on Machine Vision
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Synchronous chip seal is an advanced road constructing technology, and the gravel coverage rate is an important indicator of the construction quality. The traditional method to measure the gravel coverage rate usually depends on observation by human eyes, which is rough and inefficient. In this paper, a detection method of gravel coverage based on improved wavelet algorithm is proposed. By decomposing the image with two‐dimensional discrete wavelet, the high‐frequency and low‐frequency coefficients are extracted. The noise of the high‐frequency coefficients in the image is removed by improving the threshold function, and the contrast of the gravel target in the low‐frequency coefficients is improved by the multiscale Retinex algorithm, and then two‐dimensional wavelet reconstruction is carried out. Finally, the gravel target is segmented by the block threshold method, and the pixel ratio of the gravel is calculated to complete the detection of the gravel coverage. The experimental results show that the proposed method can effectively segment the gravel target and reduce the influence of environmental factors on the detection accuracy. The detection accuracy error is within ±2%, which can meet the detection requirements. The improved wavelet algorithm improves the signal‐to‐noise ratio of the denoised image, reduces the mean square error, and achieves a relatively good denoising effect.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle