基于卷积神经网络的砂石骨料粒径粒形评价研究

发布时间：2021-05-13 14:20

　　混凝土是国家基础设施建设的重要建材材料,而细骨料是混凝土主要原材料之一,其粒径粒形对混凝土的多种性能均有显著影响。高性能混凝土需要良好品质的细骨料,良好品质的细骨料需具有合理的粒径粒形。在行业应用中对粒径分布（级配）检测费时费力,不能直接获取骨料的几何尺寸参数;对骨料粒形检测仪器复杂、且只对部分指标进行了间接测量,未对粒形进行直接量化;对细骨料品质检测只停留在宏观因素评估。因此本文基于0.8-2.0mm的三种细骨料图像提取的几何参数数据,展开骨料级配、粒形、品质研究。首先,类比行业中筛分法对骨料级配进行检测,以图像尺寸参数划分粒级,以累计面积、累计体积等效筛分法中累计质量,得到图像级配,通过修正因子使得图像法级配与筛分级配有良好的一致性。其次,引入特征选择对细骨料12个二维图像粒形特征进行分析,基于互信息与最大信息系数提出新的特征子集评价函数MMFS。实验结果表明,该方法较MIFS准确率提升了3.8%。再通过随机森林特征选择模型对MMFS算法得到的候选特征子集进行精选,得到6个最重要粒形特征。以6个最重要粒形特征的重要度作为权重,定义了粒形综合系数公式:粒形综合系数=∑（粒形特征×权重... 

【文章来源】：贵州师范大学贵州省

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 选题背景
    1.2 研究意义
    1.3 研究现状
        1.3.1 特征选择研究现状
        1.3.2 卷积神经网络研究现状
    1.4 主要研究内容
        1.4.1 研究目的
        1.4.2 研究内容
        1.4.3 技术路线
2 基于图像法的细骨料级配检测
    2.1 骨料几何参数获取
    2.2 骨料级配原理
    2.3 实验结果分析
        2.3.1 初步结果分析
        2.3.2 误差分析
    2.4 图像法级配检测的适用性验证
    2.5 本章小结
3 基于特征选择的粒形研究
    3.1 行业粒形检测
    3.2 粒形表征参数
    3.3 特征选择相关理论
        3.3.1 特征选择
        3.3.2 互信息
        3.3.3 最大信息系数
    3.4 新的特征子集评价函数
    3.5 基于随机森林的特征选择
        3.5.1 随机森林思想
        3.5.2 随机森林特征重要度评估
    3.6 实验设置与结果分析
        3.6.1 实验设置
        3.6.2 结果分析
    3.7 本章小结
4 基于卷积神经网络的品质研究
    4.1 卷积神经网络基本原理
        4.1.1 卷积神经网络结构
        4.1.2 激活函数
        4.1.3 代价函数
        4.1.4 基本工作原理
    4.2 数据集
    4.3 网络训练
        4.3.1 激活函数的选择
        4.3.2 模型优化
    4.4 实验结果分析
    4.5 本章小结
5 结论与展望
    5.1 主要结论
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间主要研究成果


【参考文献】：
期刊论文
[1]基于卷积神经网络的混凝土路面裂缝检测[J]. 王丽苹,高瑞贞,张京军,王二成.  计算机科学. 2019(S2)
[2]基于数字图像处理技术的砂土颗粒级配分析研究[J]. 吕超,唐朝生,李胜杰,谢约翰,刘博,徐其良,王东伟.  高校地质学报. 2019(03)
[3]如何看待中国水泥价格问题[J]. 孔祥忠.  中国建材. 2019(05)
[4]级配对机制砂应用性能的影响研究[J]. 喻萍,潘菲,姜观荣.  粉煤灰综合利用. 2017(03)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[6]骨料粒形的评定方法及对混凝土工作性能的影响[J]. 吴波,李固华.  建筑科学. 2014(11)
[7]细骨料颗粒形貌特征、显微及微观结构研究[J]. 温喜廉,欧阳东,李建友.  混凝土. 2013(06)
[8]机制砂级配对混凝土性能的影响规律与作用效应[J]. 艾长发,彭浩,胡超,周永武,屠凌波.  混凝土. 2013(01)
[9]随机森林理论浅析[J]. 董师师,黄哲学.  集成技术. 2013(01)
[10]基于随机森林的特征选择算法[J]. 姚登举,杨静,詹晓娟.  吉林大学学报(工学版). 2014(01)

博士论文
[1]细集料几何特征参数的表征及对沥青混合料性能影响研究[D]. 王大庆.哈尔滨工业大学 2013
[2]基于信息熵的特征选择算法研究[D]. 刘华文.吉林大学 2010

硕士论文
[1]基于深度卷积神经网络的熟料颗粒方法研究[D]. 徐江川.中国科学技术大学 2018
[2]机制砂粒径粒形检测系统开发及实验研究[D]. 陈思嘉.华侨大学 2017
[3]基于数字图像处理技术沥青混合料空隙及级配检测的研究[D]. 颜廷野.吉林大学 2014



本文编号：3184171