华南理工大学学报（自然科学版） ›› 2021, Vol. 49 ›› Issue (10): 50-58,69.doi: 10.12141/j.issn.1000-565X.200764
所属专题： 2021年交通运输工程
基于机器视觉的建筑垃圾填料物质组分图像分析方法
谢康1 陈晓斌1† 尧俊凯2 苏谦3 陈龙1 吴梦黎1
- 1． 中南大学 土木工程学院，湖南 长沙 410083; 2． 中国铁道科学研究院集团有限公司，北京 100081;
3． 西南交通大学 土木工程学院，四川 成都 610000
Image Analysis Method of Construction Waste Filler Material Components Based on Machine Vision
XIE Kang1 CHEN Xiaobin1 YAO Junkai2 SU Qian3 CHEN Long1 WU Mengli1
- 1． School of Civil Engineering，Central South University，Changsha 410083，Hunan，China; 2． China Academy of Ｒailway Sciences，Beijing 100081，China． 3． School of Civil Engineering，Southwest Jiaotong University，Chengdu 610000，Sichuan，China
摘要： 建筑垃圾再生填料是从建筑垃圾中经过粉碎而获得的，其组成成分具有多样 性，需经过分拣等处理后才可用于路基填筑。目前多采用耗时的人工筛选法进行获取。 本文利用卷积神经网络进行图像分析，可以自动实时地获取再生填料组成。首先创建一 个由 36000 张颗粒图像组成的带标签数据集，对不同 CNN 模型进行训练。其中，使用 40% 的 Dropout 比率自定义 ＲesNet34 模型表现最优，其验证精度可达97% ; 其次基于所 识别的颗粒类别与颗粒形状估计颗粒的质量; 最后将本文提出的方法与人工筛选法进行 了比较，对于大多数再生填料质量差异低于 2% 。本文旨在提高建筑垃圾利用空间，对 建筑垃圾回填路基工程的推广应用具有重要意义。
中图分类号:
