钢渣碎石复合路面基层材料路用性能研究

目前我国钢渣排放量大，利用率低，利用钢渣做路面基层材料可大量减少天然土石料的开采，具有显著的经济、社会效益。将级配差的钢渣与碎石按一定比例掺配组成复合集料，不仅优化了钢渣的级配，还能减少钢渣的水化膨胀对集料体级配积稳定性能的不利影响。利用不同结合料稳定复合集料，以无侧限抗压强度为指标对其配比进行了优化，研究了用粉煤灰直接稳定时和用水泥粉煤灰稳定时的最佳配比。     

提高工业数字射线图像对比度及信噪比的工艺措施

对比度及信噪比是构成工业射线数字图像质量的核心要素。从人眼的视觉特性入手,计算验证了人眼对灰度的分辨能力,在数字射线探测器接收特性基础上总结了图像对比度及信噪比与曝光参数的关系,据此提出了一种提高工业数字图像对比度及信噪比的工艺措施。可供优化数字式射线实时成像检测工艺（RTR）及配置检测设备时参考和应用。     

弱建筑:住在暖昧的空间里——藤本壮介作品解读

"弱建筑"概念的产生是基于建筑设计策略的对象由静止的建筑本身向有著多样可能性的人和事件的转变.随着"之间"关系浮出水面.建筑开始关注空间的不明确性、关联性、双重性和可开发性.     

不同级配粗骨料对橡胶混凝土构件力学性能的分形研究

基于材性试验研究了粗骨料级配对橡胶混凝土构件强度及弹性模量的影响;通过三根不同级配粗骨料橡胶混凝土梁探讨了粗骨料级配对试验梁受弯承载力、挠度等方面的影响,并研究了三根橡胶混凝土梁在集中荷载下损伤演化过程的分形行为。用分形几何学研究橡胶混凝土梁的损伤演化过程,为橡胶混凝土结构的健康检测和安全性评估提供新的方法。     

计算机在混凝土矿质混合料组成级配设计中的应用

当前的工程建设,质量与效率并重,施工单位目前在矿质混合料组成级配设计中广泛采用的图解法、试算法就暴露出烦琐、偏差大、效率低等缺陷。本文介绍了矿料级配设计的正规方程方法,同时应用Microsoft Office excel VBA工具进行二次应用开发,直接编程求解矿料组成配比,提高了矿料组成级配设计的效率和质量。     

泡沫沥青混合料动态性能研究

为更好地模拟泡沫沥青混合料在车辆动载作用下的动态性能，便于与国外相关研究进行比较，采用劈裂法对混合料动态性能进行研究。通过试验研究骨料类型、级配、水泥用量等对泡沫沥青混合料动态回弹模量的影响，总结了泡沫沥青混合料动静模量的关系。     

不同级配类型沥青混合料抗疲劳特性研究

采用五种不同级配类型沥青混合料，就沥青混合料的空隙率，沥青用量，对其疲劳性能的影响进行了系统地研究，这对进一步揭示沥青混合料的疲劳规律，合理地选择沥青混合料类型和进行路面结构进行将起到积极作用。     

冷再生泡沫沥青混合料最佳参数及龄期性质

泡沫冷再生沥青混合料的参数主要包括级配、最佳含水量、沥青以及水泥的含量.在尽量利用再生混合料的级配基础上,此研究以最大压实干密度确定最佳含水量,以劈裂、残留强度等确定最佳沥青及水泥用量.在一定的水泥、沥青等用量的基础上,用马歇尔击实成型试件,研究强度、密度等随龄期的变化.     

菜地土壤评价中参评因素的选定与分级指标的划分

菜地选片规划应通过土壤详查和评价工作,选出最适地区,才能经济有效、持续发展。土壤评价中参评因素的选定与分级指标的划分是工作的核心。应选取对蔬菜的生长发育和生产力具有重大影响的、稳定性较高的限制因素,并以土壤属性为主,结合环境条件,因地制宜选定。参评因素的分级应尽量采用定量指标,为分等定级提出定量依据,其主要级差应尽量利用有生物学意义的临界指标。在目前全国无统一规定下,试图面向全国选定参评因素及划分为五等六级的分级指标。     

Intelligent analysis method of dam material gradation for asphalt-core rock-fill dam based on enhanced Cascade Mask R-CNN and GCNet

Reasonable dam materials’ gradation design for asphalt-core rock-fill dams is one of the main ways to control permeability. It is a challenge to test whether it can meet the requirements of dam construction. The computer vision method provides a new idea for asphalt-core rock-fill dam material gradation testing. However, due to the characteristics of densely overlapping and multi-scale sizes of dam material particles, the traditional image segmentation methods and algorithms cannot achieve accurate segmentation of dam materials’ images, and it is hard to apply the segmentation result to quantify the gradation curve. In this research, the enhanced Cascade Mask R-CNN with ResNet and PAFPN (Path Aggregation Feature Pyramid Networks) is proposed. Multi-scale features extracted by ResNet and feature ensemble can be realized using PAFPN. Data augmentation (DA) and online hard example mining (OHEM) are also applied in segmentation model training. Moreover, the GCNet is proposed to calibrate the gradation curve. The nonlinear relationship between the real gradation and the one based on the segmentation results can be revealed and the model of dam materials’ gradation analysis can be established. In the research, the enhanced Cascade Mask R-CNN can achieve 84.2 mAP, which is higher than that of Cascade Mask R-CNN with 74.9 mAP. The effectiveness of the proposed module and training strategies is proved using ablation experiments. The average error of each level for the gradation calibration using GCNet is 0.55%, 1.87%, 2.22%, 1.18%, and 2.42% respectively. The accuracy can meet the requirements of hydraulic engineering construction, which verifies the effectiveness of the GCNet network for gradation calibration, and the research provides a new method and technology for intelligent gradation testing of the asphalt-core rock-fill dam.