集料级配是评估沥青混凝土路面性能的重要指标,是影响沥青混凝土路面耐久性、强度等多种特性的关键因素。当前工程实践中常采用随机抽样加人工筛分方法计算级配,该方法费力耗时长。因此,本文针对集料级配检测效率低、自动化程度低等问题,利用机器学习对非粘连状态下集料级配预测算法进行研究。首先,本文自主搭建集料二维颗粒采集平台对集料颗粒二维投影进行采集,并对采集图像质量进行提升。根据集料颗粒粒径大小划分为4.75mm、9.5mm、13.2mm、16.0mm四种类别,构建集料二维颗粒图像数据集。针对集料档位类别分类问题,采用ResNet50分类算法进行模型微调与训练。在此基础上,通过增加残差连接与引入SK注意力机制对ResNet50进行改进,设计出Multi-ResNet50与改进Multi-ResNet50集料档位分类模型。以分类准确率为评价指标,对比分析等效椭圆短径模型、等效矩形短边模型与ResNet50、Multi-ResNet50、改进Multi-ResNet50等模型的分类结果,结果表明改进MultiResNet50提高了集料档位分类准确率,最终集料二维档位分类平均准确率为85.6%。其次,为进一步表征和分析集料三维信息,基于Gocator2370线激光轮廓传感器搭建集料三维点云扫描平台,采集集料三维点云数据,并利用B样条插值进行点云缺失修复。在此基础上,结合MVCNN模型,对视图投影、视图特征提取、视图融合模块进行改进,设计三维集料档位分类模型,最终实现88.1%档位分类准确率。最后,本文利用OpenCV提取21个常用集料特征因子,通过相关性系数选择其中18个质量特征因子构建XGBoost集料质量预测模型,并利用网格搜索法对模型参数进行调优。与其他Boosting模型对比,网格搜索优化XGBoost模型预测精度更高,2R为0.886,误差更小。基于以上研究,本文进一步提出多模型联合级配预测算法,将集料质量预测模型与二维、三维集料档位分类模型进行联合以求解集料级配,并绘制级配曲线展示结果。经过多次分组试验,基于集料二维图像的级配预测算法平均误差为7.0%,基于集料三维点云数据的级配预测算法平均误差为5.1%,两者均优于现有等效拟合级配计算方法。试验表明,多模型联合级配计算方法实现了集料级配准确高效计算,为集料智能化检测提供了理论支撑,对推进集料生产自动化、智能化检测具有重要实际意义。