基于卷积神经网络图像处理的新拌混凝土强度识别.pdfVIP

基于卷积神经网络图像处理的新拌混凝土强度识别 尹峰德ꎬ焦双健 (中国海洋大学 工程学院ꎬ山东　 青岛　 ２６６１００) 摘　 要:混凝土抗压强度是评价混凝土结构质量和安全的代 ｐｒｅｓｓｉｖｅ ｓｔｒｅｎｇｔｈꎻｉｍａｇｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ 表性参数ꎬ但传统的评价混凝土抗压强度的方法多为后验方 ０　 引　 言 法ꎬ对已硬化后的混凝土进行抗压强度试验ꎬ此类方法成本 高、浪费严重、耗时巨大且具有滞后性ꎮ 因此ꎬ提出一种基于 混凝土因其具备可塑性好、耐久性能好以及廉价等优点 卷积神经网络的新拌混凝土抗压强度识别预测方法ꎮ 根据 一直是工程中应用最广泛的建筑材料ꎬ而混凝土的２８ｄ抗压 不同特性(水灰比、骨料粒径、砂率)的混凝土具有不同的图 强度是最重要的性能指标ꎮ 目前混凝土强度的检测方法一 像表面特征ꎬ对不同配合比情况下的新拌混凝土进行图像采 般是对养护２８ｄ 的立方体试块进行压损试验ꎬ虽然这些方法 集以及对卷积神经网络的改进来实现混凝土强度较为精准 真实有效ꎬ但实际上后验方法检测周期长ꎬ如果存在质量问 [１] 的识别预测ꎬ其中改进的卷积神经网络模型识别准确率高达 题无法及时补救 ꎮ 此外ꎬ混凝土性能检测方法属于抽样检 ９７.９４％ꎮ 将该方法与现有的强度检测方法结合使用以提高 测ꎬ抽样占比低ꎬ无法反映全部的混凝土质量ꎬ造成了不必要 的 [２] 混凝土抗压强度的检测效率和准确性ꎮ 资源浪费 ꎮ 关键词:卷积神经网络ꎻ新拌混凝土ꎻ抗压强度ꎻ图像识别 除了传统检测方法外ꎬ一些研究人员采用机器学习的方 中图分类号:ＴＰ２０４ 文献标志码:Ａ 法来预测混凝土的抗压强度ꎬ以提高预测精度ꎬ具体是通过 － － － 一些ＢＰ神经网络、ＲＢＦ神经网络、支持向量机等人工神经网 文章编号:１６７２ ４０１１(２０２３)０５ ０００５ ０４ － 络模型ꎬ基于混凝土配合比参数及养护条件等因素ꎬ在大量 ＤＯＩ:１０３９６９/ ｊｉｓｓｎ１６７２ ４０１１２０２３０５００２ 试验数据支撑的前提下ꎬ挖掘其影响因素与抗压强度之间的 － 潜在规律ꎬ并用于新样本的预测[３ ７] ꎮ 此类方法对评估混凝 Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｃｏｍｐｒｅｓｓｉｖｅ ｓｔｒｅｎｇｔｈ ｏｆ 土强度的准确性有一定的提高ꎬ但是需要一些诸如配合比等 ｆｒｅｓｈ ｃｏｎｃｒｅｔｅ ｂａｓｅｄ ｏｎ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ 特定的信息ꎬ而目前无论是混凝土拌合物还是硬化成型的混 ｎｅｔｗｏｒｋ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ