基于AlexNet 的瀝青混合料油石比識(shí)別研究

楊占忠

（中國(guó)海洋大學(xué)，山東 青島 266000）

油石比作為瀝青混合料質(zhì)量控制的關(guān)鍵因素，是拌和站保證生產(chǎn)質(zhì)量和控制生產(chǎn)成本的主要指標(biāo)[1]。油石比大小直接影響瀝青路面的高溫穩(wěn)定性、低溫抗裂性和水穩(wěn)定性等路用性能。油石比偏小容易導(dǎo)致瀝青路面出現(xiàn)裂縫病害，影響其低溫抗裂性；而油石比偏大容易出現(xiàn)車轍，影響瀝青路面的高溫穩(wěn)定性。因此，實(shí)現(xiàn)快速檢測(cè)油石比對(duì)控制瀝青混合料質(zhì)量是極其重要的。

1 數(shù)據(jù)采集

本文選擇粗、細(xì)集料均為石灰?guī)r，填料為礦粉，瀝青為70 號(hào)瀝青。集料使用前經(jīng)過(guò)篩分、水洗、烘干后按集料試驗(yàn)規(guī)程對(duì)原材料進(jìn)行性能檢測(cè)，結(jié)果表明所有試驗(yàn)指標(biāo)均滿足規(guī)定的技術(shù)要求。選擇細(xì)粒式密級(jí)配瀝青混合料AC-13C，設(shè)計(jì)瀝青混合料級(jí)配如表1 所示。

表1 瀝青混合料級(jí)配方案

通過(guò)馬歇爾試驗(yàn)法進(jìn)行配合比設(shè)計(jì)，可知最佳油石比為4.2%。熱拌瀝青混合料的頻度和質(zhì)量要求，瀝青混合料拌合機(jī)需要通過(guò)離心分離法或者射線法測(cè)定實(shí)際生產(chǎn)油石比，其中對(duì)于高速公路而言，最大允許偏差為±0.3%。為實(shí)現(xiàn)對(duì)瀝青混合料油石比的實(shí)時(shí)監(jiān)控，及時(shí)發(fā)現(xiàn)不符合要求的油石比，以±0.3%為間隔，確定試驗(yàn)方案的油石比為3.8%、4.2%和4.6%。其中油石比3.8%與4.6%均不滿足生產(chǎn)要求。試驗(yàn)采用智能瀝青混合料拌合機(jī)，混合料級(jí)配如表1 所示，拌和溫度155℃，拌和時(shí)間為180s，拌和AC-13C 瀝青混合料。

在采集油石比數(shù)據(jù)集過(guò)程中，嚴(yán)格控制采集條件，確保光線均勻一致，拍攝角度垂直向下，固定相機(jī)的高度和焦距，共獲得油石比為3.8%、4.2%和4.6%三個(gè)數(shù)據(jù)集。油石比數(shù)據(jù)集圖像特征具有類間差別大、類內(nèi)差異小的特點(diǎn)，符合識(shí)別研究特點(diǎn)。為保證數(shù)據(jù)集質(zhì)量，對(duì)數(shù)據(jù)集進(jìn)行篩選和裁剪等處理，每個(gè)數(shù)據(jù)集保留500 張照片，其中70%的圖像用于訓(xùn)練，30%的圖像用于驗(yàn)證。

2 AlexNet 網(wǎng)絡(luò)訓(xùn)練與識(shí)別

AlexNet 網(wǎng)絡(luò)最先由Krizhevsky 提出，其權(quán)值共享網(wǎng)絡(luò)結(jié)構(gòu)類似于生物神經(jīng)網(wǎng)絡(luò)，在降低網(wǎng)絡(luò)模型復(fù)雜度的同時(shí)，減少了權(quán)值的數(shù)量，對(duì)處理多維圖像更具優(yōu)勢(shì)[2]。AlexNet增添了數(shù)據(jù)增強(qiáng)、Dropout 和ReLU 激活函數(shù)，提高了傳統(tǒng)的分類效果。

AlexNet 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中，學(xué)習(xí)率控制模型的學(xué)習(xí)進(jìn)度，學(xué)習(xí)率過(guò)低，會(huì)導(dǎo)致網(wǎng)絡(luò)收斂緩慢，學(xué)習(xí)效率降低；學(xué)習(xí)率過(guò)大，則參數(shù)更新幅度加劇，導(dǎo)致網(wǎng)絡(luò)收斂到局部最優(yōu)點(diǎn)，或者損失值直接開(kāi)始增加。通過(guò)優(yōu)化訓(xùn)練參數(shù)，當(dāng)LearRate 為1×，MiniBatchsize 為32，Epochs 為30，獲得最佳識(shí)別效果。模型訓(xùn)練對(duì)應(yīng)訓(xùn)練曲線如圖1 所示。

圖1 AlexNet模型訓(xùn)練過(guò)程

基于遷移學(xué)習(xí)的AlexNet 神經(jīng)網(wǎng)絡(luò)在對(duì)油石比的識(shí)別中，隨著訓(xùn)練迭代次數(shù)的增加，訓(xùn)練與驗(yàn)證損失逐漸減少，訓(xùn)練與驗(yàn)證準(zhǔn)確率隨之上升，在迭代次數(shù)達(dá)到320 次后，驗(yàn)證準(zhǔn)確率趨于穩(wěn)定，最終達(dá)到89.33%。

3 結(jié)語(yǔ)

本文利用AlexNe 卷積神經(jīng)網(wǎng)絡(luò)對(duì)三種油石比數(shù)據(jù)集進(jìn)行遷移學(xué)習(xí)，通過(guò)優(yōu)化識(shí)別參數(shù)，得到最佳驗(yàn)證識(shí)別準(zhǔn)確率。本文提出新的快速分類檢測(cè)油石比方法，改善傳統(tǒng)油石比檢測(cè)的弊端，為實(shí)現(xiàn)實(shí)時(shí)監(jiān)控生產(chǎn)過(guò)程瀝青混合料油石比做出了重要探索。