为调查再生沥青性能测试程序和技术指标的有效性,以疲劳及低温抗裂性能恢复为研究对象,开展宽温域流变试验、低温蠕变试验和延性开裂破坏试验。选取中温连续分级温度(T_(ICG))、Glover-Rowe参数(P_(G-R))、限制相位角温度(T30°、T4...为调查再生沥青性能测试程序和技术指标的有效性,以疲劳及低温抗裂性能恢复为研究对象,开展宽温域流变试验、低温蠕变试验和延性开裂破坏试验。选取中温连续分级温度(T_(ICG))、Glover-Rowe参数(P_(G-R))、限制相位角温度(T30°、T45°、ΔT_(cδ))、低温连续分级温度(1 h TCLG、72 h TCLG)、等级损失(LG)和临界开裂位移(D_(CTO))作为开裂参数,研究了多来源油再生剂(AAS、Cargill、Cyclogen、REOB)和掺量(2%、4%、8%)对再生沥青抗裂性能的影响。采用Pearson相关性分析评价了不同开裂参数的有效性,并基于优选的开裂参数确定再生剂的最佳掺量范围。结果表明:化学老化是不可逆过程,胶凝化相关的参数ΔT_(cδ)和D_(CTO)随再生剂掺量的增加,其变化趋势缓慢或几乎无变化。限制相位角温度是潜在的评价沥青黏结剂抗热裂的有效指标,能够通过相对简单的测试程序获取。基于限制相位角温度能够确定再生剂掺量范围的下限,并且其值与工程中的实际用量相近。相比于T_(ICG),P_(G-R)是评价老化/再生沥青开裂的更佳选择。根据优选参数,确定选择的3种商品再生剂的再生效率排序和掺量范围为:Cargill(3.5%~8.9%)>AAS(6.5%~15.6%)>Cyclogen(10.4%~18.4%)。展开更多
为提高水域鱼类资源监测的自动化程度和实时分析能力,结合YOLOv8X(You only look once version 8-extra large)目标检测模型、ByteTrack(ByteTrack:a strong baseline for multi-object tracking)算法与双频识别声呐(Dual-frequency ide...为提高水域鱼类资源监测的自动化程度和实时分析能力,结合YOLOv8X(You only look once version 8-extra large)目标检测模型、ByteTrack(ByteTrack:a strong baseline for multi-object tracking)算法与双频识别声呐(Dual-frequency identification sonar,DIDSON)数据,开发了1种快速、准确的鱼类目标识别与计数方法。实验结果表明,YOLOv8X与ByteTrack联合方法与传统的Echoview软件识别精度接近(偏差率仅为1.36%),但处理时间显著减少(单条测线从约30 min减少至约3 min),表现出较强的实时处理能力和泛化性能。同时,通过重复实验验证了该方法的稳定性,确认其在不同场景中的可靠性。本研究方法与成果为水域鱼类资源的自动化监测提供了可靠的技术支持,可广泛地应用于大范围高频次的渔业资源监测与管理工作中。展开更多
文摘为调查再生沥青性能测试程序和技术指标的有效性,以疲劳及低温抗裂性能恢复为研究对象,开展宽温域流变试验、低温蠕变试验和延性开裂破坏试验。选取中温连续分级温度(T_(ICG))、Glover-Rowe参数(P_(G-R))、限制相位角温度(T30°、T45°、ΔT_(cδ))、低温连续分级温度(1 h TCLG、72 h TCLG)、等级损失(LG)和临界开裂位移(D_(CTO))作为开裂参数,研究了多来源油再生剂(AAS、Cargill、Cyclogen、REOB)和掺量(2%、4%、8%)对再生沥青抗裂性能的影响。采用Pearson相关性分析评价了不同开裂参数的有效性,并基于优选的开裂参数确定再生剂的最佳掺量范围。结果表明:化学老化是不可逆过程,胶凝化相关的参数ΔT_(cδ)和D_(CTO)随再生剂掺量的增加,其变化趋势缓慢或几乎无变化。限制相位角温度是潜在的评价沥青黏结剂抗热裂的有效指标,能够通过相对简单的测试程序获取。基于限制相位角温度能够确定再生剂掺量范围的下限,并且其值与工程中的实际用量相近。相比于T_(ICG),P_(G-R)是评价老化/再生沥青开裂的更佳选择。根据优选参数,确定选择的3种商品再生剂的再生效率排序和掺量范围为:Cargill(3.5%~8.9%)>AAS(6.5%~15.6%)>Cyclogen(10.4%~18.4%)。
基金国家自然科学基金联合基金项目(U21A20485)浙江省“十四五”第二批本科省级教学改革备案项目(JGBA2024014)+2 种基金教育部产学合作协同育人项目(2501270945)2024年度浙江大学本科“AI赋能”示范课程建设项目(202424EE2501M)浙江大学第四批AI For Education系列实证教学研究项目(BKSY20251104)。
文摘为提高水域鱼类资源监测的自动化程度和实时分析能力,结合YOLOv8X(You only look once version 8-extra large)目标检测模型、ByteTrack(ByteTrack:a strong baseline for multi-object tracking)算法与双频识别声呐(Dual-frequency identification sonar,DIDSON)数据,开发了1种快速、准确的鱼类目标识别与计数方法。实验结果表明,YOLOv8X与ByteTrack联合方法与传统的Echoview软件识别精度接近(偏差率仅为1.36%),但处理时间显著减少(单条测线从约30 min减少至约3 min),表现出较强的实时处理能力和泛化性能。同时,通过重复实验验证了该方法的稳定性,确认其在不同场景中的可靠性。本研究方法与成果为水域鱼类资源的自动化监测提供了可靠的技术支持,可广泛地应用于大范围高频次的渔业资源监测与管理工作中。
