沥青混凝土路面施工中质量管理与控制

介绍了沥青混凝土路面在施工过程中的质量内容及方法,并提出了相应的质量管理体系。     

沥青混凝土路面破损的原因及防治措施

根据我国的城市道路越来越多地采用沥青混凝土或改性沥青混凝土路面的实际情况,论述了沥青路面工程病害的原因,介绍了沥青路面病害因素的分析及预防措施的问题。目前,随着城市交通量日益增大,使城市道路面临严峻的考验,很多城市道路沥青路面均呈现出一定的早期破坏,如开裂、泛油剥落、车辙等现象,有的城市道路甚至当年通车即发生了病害,正常维修期大大提前,直接影响了车辆的运行,也增大了养护管理资金的投入,对此,现就其原因及对策做了详细的分析。     

PFWD在路面施工质量控制中的应用

利用PFWD检测方法准确、高效、安全、省力和方便的特点,根据实践工程的对比检测结果,建立了PFWD回弹模量检测与贝克曼梁弯沉检测结果的换算关系;通过实例分析,介绍了其在路面工程施工质量控制中的应用.     

提高沥青混凝土路面压实质量的探讨

通过对提高沥青混凝土路面压实质量相关的几个要素进行理论探讨和实践摸索，对沥青混凝土路面规范压实所必须认真解决的几个关键性问题作了深入细致的研究和分析。     

车辆超限运输对沥青路面的影响及对策

针对车辆超限运输对沥青路面的严重影响，指出在加强管理的同时，要注重超限运输车辆的检测、调查、预测和科学研究，对车辆超限运输的调查和预测要象交通量调查那样，进行统计和预测，并建立预测模型；提出沥青路面设计施工方面的措施。     

再生料对微表处混合料技术性能影响

采用MS-Ⅲ和MS-Ⅳ两种级配,将不同掺量的再生料添加至两种级配的微表处混合料中,之后再进行微表处混合料的技术性能试验。根据实验结果得出结论:再生料微表处混合料的用水量和用油量小于新微表处混合料;再生料微表处混合料的黏聚力低于新微表处混合料。为使微表处结构更紧密,黏聚力增加,并提前开放交通,可用吨位较大的胶轮压路机碾压路面。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。