Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "Max Coenen",
2
  "author": "Max Coenen",
            
3
  "author_email": "m.coenen@baustoff.uni-hannover.de",
3
  "author_email": "m.coenen@baustoff.uni-hannover.de",
            
4
  "creator_user_id": "17755db4-395a-4b3b-ac09-e8e3484ca700",
4
  "creator_user_id": "17755db4-395a-4b3b-ac09-e8e3484ca700",
            
5
  "doi": "10.25835/etbkk0pb",
5
  "doi": "10.25835/etbkk0pb",
            
6
  "doi_date_published": "2022-02-07",
6
  "doi_date_published": "2022-02-07",
            
7
  "doi_publisher": "LUIS",
7
  "doi_publisher": "LUIS",
            
8
  "doi_status": "true",
8
  "doi_status": "true",
            
9
  "domain": "https://data.uni-hannover.de",
9
  "domain": "https://data.uni-hannover.de",
            
10
  "groups": [],
10
  "groups": [],
            
11
  "have_copyright": "Yes",
11
  "have_copyright": "Yes",
            
12
  "id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
12
  "id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
            
13
  "isopen": false,
13
  "isopen": false,
            
14
  "license_id": "CC-BY-NC-3.0",
14
  "license_id": "CC-BY-NC-3.0",
            
15
  "license_title": "CC-BY-NC-3.0",
15
  "license_title": "CC-BY-NC-3.0",
            
16
  "maintainer": "Max Coenen",
16
  "maintainer": "Max Coenen",
            
17
  "maintainer_email": "",
17
  "maintainer_email": "",
            
18
  "metadata_created": "2023-01-12T13:14:30.175393",
18
  "metadata_created": "2023-01-12T13:14:30.175393",
            
n
19
  "metadata_modified": "2023-01-12T13:14:30.175398",
n
19
  "metadata_modified": "2023-08-04T08:46:54.127994",
            
20
  "name": "luh-visual-granulometry",
20
  "name": "luh-visual-granulometry",
            
21
  "notes": "# Introduction\r\nConcrete is one if the most used 
21
  "notes": "# Introduction\r\nConcrete is one if the most used 
            
22
building materials worldwide. With up to 80% of volume, a large 
22
building materials worldwide. With up to 80% of volume, a large 
            
23
constituent of concrete consists of fine and coarse aggregate 
23
constituent of concrete consists of fine and coarse aggregate 
            
24
particles (normally, sizes of 0.1mm to 32 mm) which are dispersed in a 
24
particles (normally, sizes of 0.1mm to 32 mm) which are dispersed in a 
            
25
cement paste matrix. The size distribution of the aggregates (i.e. the 
25
cement paste matrix. The size distribution of the aggregates (i.e. the 
            
26
grading curve) substantially affects the properties and quality 
26
grading curve) substantially affects the properties and quality 
            
27
characteristics of concrete, such as e.g. its workability at the fresh 
27
characteristics of concrete, such as e.g. its workability at the fresh 
            
28
state and the\r\nmechanical properties at the hardened state. In 
28
state and the\r\nmechanical properties at the hardened state. In 
            
29
practice, usually the size distribution of small samples of the 
29
practice, usually the size distribution of small samples of the 
            
30
aggregate is determined by manual mechanical sieving and is considered 
30
aggregate is determined by manual mechanical sieving and is considered 
            
31
as representative for a large amount of aggregate. However, the size 
31
as representative for a large amount of aggregate. However, the size 
            
32
distribution of the actual aggregate used for individual production 
32
distribution of the actual aggregate used for individual production 
            
33
batches of concrete varies, especially when e.g. recycled material is 
33
batches of concrete varies, especially when e.g. recycled material is 
            
34
used as aggregate. As a consequence, the unknown variations of the 
34
used as aggregate. As a consequence, the unknown variations of the 
            
35
particle size distribution have a negative effect on the robustness 
35
particle size distribution have a negative effect on the robustness 
            
36
and the quality of the final concrete produced from the raw material. 
36
and the quality of the final concrete produced from the raw material. 
            
37
\r\n\r\nTowards the goal of deriving precise knowledge about the 
37
\r\n\r\nTowards the goal of deriving precise knowledge about the 
            
38
actual particle size distribution of the aggregate, thus eliminating 
38
actual particle size distribution of the aggregate, thus eliminating 
            
39
the unknown variations in the material\u2019s properties, we propose a 
39
the unknown variations in the material\u2019s properties, we propose a 
            
40
data set for the image based prediction of the size distribution of 
40
data set for the image based prediction of the size distribution of 
            
41
concrete aggregates. Incorporating such an approach into the 
41
concrete aggregates. Incorporating such an approach into the 
            
42
production chain of concrete enables to react on detected variations 
42
production chain of concrete enables to react on detected variations 
            
43
in the size distribution of the aggregate in real-time by 
43
in the size distribution of the aggregate in real-time by 
            
44
adapting\r\nthe composition, i.e. the mixture design of the concrete 
44
adapting\r\nthe composition, i.e. the mixture design of the concrete 
            
45
accordingly, so that the desired concrete properties are 
45
accordingly, so that the desired concrete properties are 
            
46
reached.\r\n\r\n![Classicial vs. image based 
46
reached.\r\n\r\n![Classicial vs. image based 
            
47
18/resource/042abf8d-e87a-4940-8195-2459627f57b6/download/overview.png 
47
18/resource/042abf8d-e87a-4940-8195-2459627f57b6/download/overview.png 
            
48
\" \")\r\n\r\n\r\n\r\n\r\n# Classification data\r\nIn the 
48
\" \")\r\n\r\n\r\n\r\n\r\n# Classification data\r\nIn the 
            
49
classification data, nine different grading curves are distinguished. 
49
classification data, nine different grading curves are distinguished. 
            
50
In this context, the normative regulations of DIN 1045 are considered. 
50
In this context, the normative regulations of DIN 1045 are considered. 
            
51
The nine grading curves differ in their maximum particle size (8, 16, 
51
The nine grading curves differ in their maximum particle size (8, 16, 
            
52
or 32 mm) and in the distribution of the particle size fractions 
52
or 32 mm) and in the distribution of the particle size fractions 
            
53
allowing a categorisation of the curves to coarse-grained (A), 
53
allowing a categorisation of the curves to coarse-grained (A), 
            
54
medium-grained (B) and fine-grained (C) curves, respectively. A 
54
medium-grained (B) and fine-grained (C) curves, respectively. A 
            
55
quantitative description of the grain size distribution of the nine 
55
quantitative description of the grain size distribution of the nine 
            
56
curves distinguished is shown in the following figure, where the left 
56
curves distinguished is shown in the following figure, where the left 
            
57
side shows a histogram of the particle size fractions\r\n0-2, 2-8, 
57
side shows a histogram of the particle size fractions\r\n0-2, 2-8, 
            
58
8-16, and 16-32 mm and the right side shows the cumulative histograms 
58
8-16, and 16-32 mm and the right side shows the cumulative histograms 
            
59
of the grading curves (the vertical axes represent the 
59
of the grading curves (the vertical axes represent the 
            
60
mass-percentages of the material).\r\n\r\nFor each of the grading 
60
mass-percentages of the material).\r\n\r\nFor each of the grading 
            
61
curves, two samples (S1 and S2) of aggregate particles were created. 
61
curves, two samples (S1 and S2) of aggregate particles were created. 
            
62
Each sample consists of a total mass of 5 kg of aggregate material and 
62
Each sample consists of a total mass of 5 kg of aggregate material and 
            
63
is carefully designed according to the grain size distribution shwon 
63
is carefully designed according to the grain size distribution shwon 
            
64
in the figure by sieving the raw material in order to separate the 
64
in the figure by sieving the raw material in order to separate the 
            
65
different grain size fractions first, and subsequently, by composing 
65
different grain size fractions first, and subsequently, by composing 
            
66
the samples according to the dedicated mass-percentages of the size 
66
the samples according to the dedicated mass-percentages of the size 
            
67
distributions.\r\n\r\n![Particle size distribution of the 
67
distributions.\r\n\r\n![Particle size distribution of the 
            
68
classification 
68
classification 
            
69
b23-4ec2-9311-0f339e0330b4/download/statistics_classification-data.png 
69
b23-4ec2-9311-0f339e0330b4/download/statistics_classification-data.png 
            
70
\"\")\r\n\r\nFor data acquisition, a static setup was used for which 
70
\"\")\r\n\r\nFor data acquisition, a static setup was used for which 
            
71
the samples are placed in a measurement vessel equipped with a set of 
71
the samples are placed in a measurement vessel equipped with a set of 
            
72
calibrated reference markers whose object coordinates are known and 
72
calibrated reference markers whose object coordinates are known and 
            
73
which are assembled in a way that they form a common plane with the 
73
which are assembled in a way that they form a common plane with the 
            
74
surface of the aggregate sample. We acquired the data by taking images 
74
surface of the aggregate sample. We acquired the data by taking images 
            
75
of the aggregate samples (and the reference markers) which are filled 
75
of the aggregate samples (and the reference markers) which are filled 
            
76
in the the measurement vessel and whose constellation within the 
76
in the the measurement vessel and whose constellation within the 
            
77
vessel is perturbed between the acquisition of each image in order to 
77
vessel is perturbed between the acquisition of each image in order to 
            
78
obtain variations in the sample\u2019s visual appearance. This 
78
obtain variations in the sample\u2019s visual appearance. This 
            
79
acquisition strategy allows to record multiple different images for 
79
acquisition strategy allows to record multiple different images for 
            
80
the individual grading curves by reusing the same sample, consequently 
80
the individual grading curves by reusing the same sample, consequently 
            
81
reducing the labour-intensive part of material sieving\r\nand sample 
81
reducing the labour-intensive part of material sieving\r\nand sample 
            
82
generation. In this way, we acquired a data set of **900 images** in 
82
generation. In this way, we acquired a data set of **900 images** in 
            
83
total, consisting of 50 images of each of the two samples (S1 and S2) 
83
total, consisting of 50 images of each of the two samples (S1 and S2) 
            
84
which were created for each of the nine grading curve definitions, 
84
which were created for each of the nine grading curve definitions, 
            
85
respectively (50 x 2 x 9 = 900). For each image, we automatically 
85
respectively (50 x 2 x 9 = 900). For each image, we automatically 
            
86
detect the reference markers, thus receiving the image coordinates of 
86
detect the reference markers, thus receiving the image coordinates of 
            
87
each marker in addition to its known object coordinates. We make use 
87
each marker in addition to its known object coordinates. We make use 
            
88
of these correspondences for the computation of the homography which 
88
of these correspondences for the computation of the homography which 
            
89
describes the perspective transformation of the reference 
89
describes the perspective transformation of the reference 
            
90
marker\u2019s plane in object space (which corresponds to the surface 
90
marker\u2019s plane in object space (which corresponds to the surface 
            
91
plane of the aggregate sample) to the image plane. Using the computed 
91
plane of the aggregate sample) to the image plane. Using the computed 
            
92
homography, we transform the image in order to obtain an perspectively 
92
homography, we transform the image in order to obtain an perspectively 
            
93
rectified representation of the aggregate sample with a known, and 
93
rectified representation of the aggregate sample with a known, and 
            
94
especially a for the entire image consistent, ground sampling distance 
94
especially a for the entire image consistent, ground sampling distance 
            
95
(GSD) of **8 px/mm**. In the following figure, example images of our 
95
(GSD) of **8 px/mm**. In the following figure, example images of our 
            
96
data set showing aggregate samples of each of the distinguished 
96
data set showing aggregate samples of each of the distinguished 
            
97
grading curve classes are depicted.\r\n\r\n![Example images of the 
97
grading curve classes are depicted.\r\n\r\n![Example images of the 
            
98
classification 
98
classification 
            
99
-3eef-4b50-986a-e8d2b0e14beb/download/examples_classification_data.png 
99
-3eef-4b50-986a-e8d2b0e14beb/download/examples_classification_data.png 
            
100
\"\")\r\n\r\n## Related publications:\r\nIf you make use of the 
100
\"\")\r\n\r\n## Related publications:\r\nIf you make use of the 
            
101
proposed data, please cite the publication listed below. \r\n\r\n* 
101
proposed data, please cite the publication listed below. \r\n\r\n* 
            
102
**Coenen, M., Beyer, D., Heipke, C. and Haist, M., 2022**: Learning to 
102
**Coenen, M., Beyer, D., Heipke, C. and Haist, M., 2022**: Learning to 
            
103
Sieve: Prediction of Grading Curves from Images of Concrete Aggregate. 
103
Sieve: Prediction of Grading Curves from Images of Concrete Aggregate. 
            
104
In: _ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial 
104
In: _ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial 
            
105
Information Sciences V-2-2022_, pp. 227-235, 
105
Information Sciences V-2-2022_, pp. 227-235, 
            
106
[Link](https://doi.org/10.5194/isprs-annals-V-2-2022-227-2022).",
106
[Link](https://doi.org/10.5194/isprs-annals-V-2-2022-227-2022).",
            
107
  "num_resources": 4,
107
  "num_resources": 4,
            
108
  "num_tags": 7,
108
  "num_tags": 7,
            
109
  "organization": {
109
  "organization": {
            
110
    "approval_status": "approved",
110
    "approval_status": "approved",
            
111
    "created": "2021-10-14T10:15:54.910241",
111
    "created": "2021-10-14T10:15:54.910241",
            
112
    "description": "Appelstra\u00dfe 9a\r\n__30167 
112
    "description": "Appelstra\u00dfe 9a\r\n__30167 
            
113
Hannover__\r\n\r\nTel.: +49 511762-3722 \r\n\r\nFax: +49 511762-4736 
113
Hannover__\r\n\r\nTel.: +49 511762-3722 \r\n\r\nFax: +49 511762-4736 
            
114
\r\n\r\nE-Mail: institut@baustoff.uni-hannover.de 
114
\r\n\r\nE-Mail: institut@baustoff.uni-hannover.de 
            
115
\r\n\r\nhttps://www.baustoff.uni-hannover.de/\r\n",
115
\r\n\r\nhttps://www.baustoff.uni-hannover.de/\r\n",
            
116
    "id": "c5907647-9127-4a15-819b-9d61da4e3ec6",
116
    "id": "c5907647-9127-4a15-819b-9d61da4e3ec6",
            
117
    "image_url": "",
117
    "image_url": "",
            
118
    "is_organization": true,
118
    "is_organization": true,
            
119
    "name": "institut-fur-baustoffe",
119
    "name": "institut-fur-baustoffe",
            
120
    "state": "active",
120
    "state": "active",
            
121
    "title": "Institut f\u00fcr Baustoffe",
121
    "title": "Institut f\u00fcr Baustoffe",
            
122
    "type": "organization"
122
    "type": "organization"
            
123
  },
123
  },
            
124
  "owner_org": "c5907647-9127-4a15-819b-9d61da4e3ec6",
124
  "owner_org": "c5907647-9127-4a15-819b-9d61da4e3ec6",
            
125
  "private": false,
125
  "private": false,
            
126
  "relationships_as_object": [],
126
  "relationships_as_object": [],
            
127
  "relationships_as_subject": [],
127
  "relationships_as_subject": [],
            
128
  "repository_name": "Leibniz University Hannover",
128
  "repository_name": "Leibniz University Hannover",
            
129
  "resources": [
129
  "resources": [
            
130
    {
130
    {
            
131
      "cache_last_updated": null,
131
      "cache_last_updated": null,
            
132
      "cache_url": null,
132
      "cache_url": null,
            
133
      "created": "2022-02-07T08:57:09.719830",
133
      "created": "2022-02-07T08:57:09.719830",
            
134
      "description": "",
134
      "description": "",
            
135
      "format": "PNG",
135
      "format": "PNG",
            
136
      "hash": "",
136
      "hash": "",
            
137
      "id": "042abf8d-e87a-4940-8195-2459627f57b6",
137
      "id": "042abf8d-e87a-4940-8195-2459627f57b6",
            
138
      "last_modified": "2022-02-07T09:20:43.026505",
138
      "last_modified": "2022-02-07T09:20:43.026505",
            
n
139
      "metadata_modified": "2023-01-12T13:14:30.156963",
n
139
      "metadata_modified": "2023-08-04T08:46:54.131120",
            
140
      "mimetype": "image/png",
140
      "mimetype": "image/png",
            
141
      "mimetype_inner": null,
141
      "mimetype_inner": null,
            
142
      "name": "Pipeline of automatic granulometry",
142
      "name": "Pipeline of automatic granulometry",
            
143
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
143
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
            
144
      "position": 0,
144
      "position": 0,
            
145
      "resource_type": null,
145
      "resource_type": null,
            
146
      "size": 215006,
146
      "size": 215006,
            
147
      "state": "active",
147
      "state": "active",
            
148
      "url": 
148
      "url": 
            
149
rce/042abf8d-e87a-4940-8195-2459627f57b6/download/overview_small.png",
149
rce/042abf8d-e87a-4940-8195-2459627f57b6/download/overview_small.png",
            
150
      "url_type": ""
150
      "url_type": ""
            
151
    },
151
    },
            
152
    {
152
    {
            
153
      "cache_last_updated": null,
153
      "cache_last_updated": null,
            
154
      "cache_url": null,
154
      "cache_url": null,
            
155
      "created": "2022-02-07T09:43:56.365019",
155
      "created": "2022-02-07T09:43:56.365019",
            
156
      "description": "",
156
      "description": "",
            
157
      "format": "PNG",
157
      "format": "PNG",
            
158
      "hash": "",
158
      "hash": "",
            
159
      "id": "59925f1d-3eef-4b50-986a-e8d2b0e14beb",
159
      "id": "59925f1d-3eef-4b50-986a-e8d2b0e14beb",
            
160
      "last_modified": "2022-02-07T09:43:56.308890",
160
      "last_modified": "2022-02-07T09:43:56.308890",
            
n
161
      "metadata_modified": "2023-01-12T13:14:30.158251",
n
161
      "metadata_modified": "2023-08-04T08:46:54.131256",
            
162
      "mimetype": "image/png",
162
      "mimetype": "image/png",
            
163
      "mimetype_inner": null,
163
      "mimetype_inner": null,
            
164
      "name": "Example images of the classification data",
164
      "name": "Example images of the classification data",
            
165
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
165
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
            
166
      "position": 1,
166
      "position": 1,
            
167
      "resource_type": null,
167
      "resource_type": null,
            
168
      "size": 621763,
168
      "size": 621763,
            
169
      "state": "active",
169
      "state": "active",
            
170
      "url": 
170
      "url": 
            
171
eef-4b50-986a-e8d2b0e14beb/download/examples_classification_data.png",
171
eef-4b50-986a-e8d2b0e14beb/download/examples_classification_data.png",
            
172
      "url_type": ""
172
      "url_type": ""
            
173
    },
173
    },
            
174
    {
174
    {
            
175
      "cache_last_updated": null,
175
      "cache_last_updated": null,
            
176
      "cache_url": null,
176
      "cache_url": null,
            
177
      "created": "2022-02-07T09:47:55.535950",
177
      "created": "2022-02-07T09:47:55.535950",
            
178
      "description": "",
178
      "description": "",
            
179
      "format": "PNG",
179
      "format": "PNG",
            
180
      "hash": "",
180
      "hash": "",
            
181
      "id": "17eb2a46-eb23-4ec2-9311-0f339e0330b4",
181
      "id": "17eb2a46-eb23-4ec2-9311-0f339e0330b4",
            
182
      "last_modified": "2022-02-07T09:52:18.204202",
182
      "last_modified": "2022-02-07T09:52:18.204202",
            
n
183
      "metadata_modified": "2023-01-12T13:14:30.159503",
n
183
      "metadata_modified": "2023-08-04T08:46:54.131365",
            
184
      "mimetype": "image/png",
184
      "mimetype": "image/png",
            
185
      "mimetype_inner": null,
185
      "mimetype_inner": null,
            
186
      "name": "Particle size distribution of the classification data",
186
      "name": "Particle size distribution of the classification data",
            
187
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
187
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
            
188
      "position": 2,
188
      "position": 2,
            
189
      "resource_type": null,
189
      "resource_type": null,
            
190
      "size": 55629,
190
      "size": 55629,
            
191
      "state": "active",
191
      "state": "active",
            
192
      "url": 
192
      "url": 
            
193
3-4ec2-9311-0f339e0330b4/download/statistics_classification-data.png",
193
3-4ec2-9311-0f339e0330b4/download/statistics_classification-data.png",
            
194
      "url_type": ""
194
      "url_type": ""
            
195
    },
195
    },
            
196
    {
196
    {
            
197
      "cache_last_updated": null,
197
      "cache_last_updated": null,
            
198
      "cache_url": null,
198
      "cache_url": null,
            
199
      "created": "2022-02-07T11:11:24.298927",
199
      "created": "2022-02-07T11:11:24.298927",
            
200
      "description": "ZIP-Archive Filesize 2 Gbyte",
200
      "description": "ZIP-Archive Filesize 2 Gbyte",
            
201
      "format": "ZIP",
201
      "format": "ZIP",
            
202
      "hash": "",
202
      "hash": "",
            
203
      "id": "01d100b8-aec7-461f-b723-d870a95719cd",
203
      "id": "01d100b8-aec7-461f-b723-d870a95719cd",
            
204
      "last_modified": null,
204
      "last_modified": null,
            
n
205
      "metadata_modified": "2023-01-12T13:14:30.164969",
n
205
      "metadata_modified": "2023-08-04T08:46:54.131469",
            
206
      "mimetype": "application/zip",
206
      "mimetype": "application/zip",
            
207
      "mimetype_inner": null,
207
      "mimetype_inner": null,
            
208
      "name": "Classification Data",
208
      "name": "Classification Data",
            
209
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
209
      "package_id": "72c39209-98a8-4e69-ab42-2fa703782cfc",
            
210
      "position": 3,
210
      "position": 3,
            
211
      "resource_type": null,
211
      "resource_type": null,
            
212
      "size": null,
212
      "size": null,
            
213
      "state": "active",
213
      "state": "active",
            
214
      "url": 
214
      "url": 
            
215
ad/users/baustoff/visual-granulometry/coenen_classification_data.zip",
215
ad/users/baustoff/visual-granulometry/coenen_classification_data.zip",
            
216
      "url_type": ""
216
      "url_type": ""
            
217
    }
217
    }
            
218
  ],
218
  ],
            
t
t
219
  "services_used_list": "",
            
219
  "source_metadata_created": "2022-02-07T08:28:46.598661",
220
  "source_metadata_created": "2022-02-07T08:28:46.598661",
            
220
  "source_metadata_modified": "2022-05-19T09:23:00.983520",
221
  "source_metadata_modified": "2022-05-19T09:23:00.983520",
            
221
  "state": "active",
222
  "state": "active",
            
222
  "tags": [
223
  "tags": [
            
223
    {
224
    {
            
224
      "display_name": "aggregate",
225
      "display_name": "aggregate",
            
225
      "id": "8b5bef85-b8c8-45db-8de6-15da1fae41cd",
226
      "id": "8b5bef85-b8c8-45db-8de6-15da1fae41cd",
            
226
      "name": "aggregate",
227
      "name": "aggregate",
            
227
      "state": "active",
228
      "state": "active",
            
228
      "vocabulary_id": null
229
      "vocabulary_id": null
            
229
    },
230
    },
            
230
    {
231
    {
            
231
      "display_name": "computer vision",
232
      "display_name": "computer vision",
            
232
      "id": "f650b4e3-9955-49b0-ba7b-2d302a990978",
233
      "id": "f650b4e3-9955-49b0-ba7b-2d302a990978",
            
233
      "name": "computer vision",
234
      "name": "computer vision",
            
234
      "state": "active",
235
      "state": "active",
            
235
      "vocabulary_id": null
236
      "vocabulary_id": null
            
236
    },
237
    },
            
237
    {
238
    {
            
238
      "display_name": "concrete",
239
      "display_name": "concrete",
            
239
      "id": "f3b78da4-3d53-4a64-b626-b42be17cce8c",
240
      "id": "f3b78da4-3d53-4a64-b626-b42be17cce8c",
            
240
      "name": "concrete",
241
      "name": "concrete",
            
241
      "state": "active",
242
      "state": "active",
            
242
      "vocabulary_id": null
243
      "vocabulary_id": null
            
243
    },
244
    },
            
244
    {
245
    {
            
245
      "display_name": "construction",
246
      "display_name": "construction",
            
246
      "id": "fe3254bd-5dec-45e9-9cfd-c21612001265",
247
      "id": "fe3254bd-5dec-45e9-9cfd-c21612001265",
            
247
      "name": "construction",
248
      "name": "construction",
            
248
      "state": "active",
249
      "state": "active",
            
249
      "vocabulary_id": null
250
      "vocabulary_id": null
            
250
    },
251
    },
            
251
    {
252
    {
            
252
      "display_name": "grading curve",
253
      "display_name": "grading curve",
            
253
      "id": "fd35aa83-8084-4f40-b76c-007cc76c2a70",
254
      "id": "fd35aa83-8084-4f40-b76c-007cc76c2a70",
            
254
      "name": "grading curve",
255
      "name": "grading curve",
            
255
      "state": "active",
256
      "state": "active",
            
256
      "vocabulary_id": null
257
      "vocabulary_id": null
            
257
    },
258
    },
            
258
    {
259
    {
            
259
      "display_name": "granulometry",
260
      "display_name": "granulometry",
            
260
      "id": "4593ebf2-7d9c-4c6c-bbdc-694f0fc0f59f",
261
      "id": "4593ebf2-7d9c-4c6c-bbdc-694f0fc0f59f",
            
261
      "name": "granulometry",
262
      "name": "granulometry",
            
262
      "state": "active",
263
      "state": "active",
            
263
      "vocabulary_id": null
264
      "vocabulary_id": null
            
264
    },
265
    },
            
265
    {
266
    {
            
266
      "display_name": "particle size",
267
      "display_name": "particle size",
            
267
      "id": "3edd4519-a8a7-4cb3-8644-e062e00608d1",
268
      "id": "3edd4519-a8a7-4cb3-8644-e062e00608d1",
            
268
      "name": "particle size",
269
      "name": "particle size",
            
269
      "state": "active",
270
      "state": "active",
            
270
      "vocabulary_id": null
271
      "vocabulary_id": null
            
271
    }
272
    }
            
272
  ],
273
  ],
            
273
  "terms_of_usage": "Yes",
274
  "terms_of_usage": "Yes",
            
274
  "title": "Visual Granulometry: Image-based Granulometry of Concrete 
275
  "title": "Visual Granulometry: Image-based Granulometry of Concrete 
            
275
Aggregate",
276
Aggregate",
            
276
  "type": "vdataset",
277
  "type": "vdataset",
            
277
  "url": "https://data.uni-hannover.de/dataset/visual-granulometry",
278
  "url": "https://data.uni-hannover.de/dataset/visual-granulometry",
            
278
  "version": ""
279
  "version": ""
            
279
}
280
}