结合深度学习和NCFS算法的堆石料粒度分布智能检测方法
针对目前堆石坝施工过程中人工筛分试验无法实现爆堆料物粒度快速检测以及现有粒度检测模型准确度低、泛化能力差等问题,提出了一种基于深度学习模型与邻域分量特征(Neighborhood Component Feature Selec-tion,NCFS)算法相结合的堆石坝料物粒度数字筛分检测方法,该方法可以通过拍摄料堆图像快速检测料堆粒度分布.为了提高深度学习模型的精确度,提出将基于迁移学习的Deeplabv3+模型和稠密条件随机场算法(Dense-CRF)结合用于图像训练学习和优化;在料堆二维特征到三维粒度分布转换方面,提出基于NCFS算法的块石二维平面参数对三维粒度的表征公式,并采用MATLAB语言编制了相应的软件加以实现.句容抽水蓄能电站工程现场爆破料堆图像采集和筛分试验分析的结果表明:所提方法是可行的,且相比其他方法,在特征提取以及粒度检测精度上均有所提高.
堆石坝粒度检测;深度学习;Deeplabv3+模型;稠密条件随机场;NCFS算法
52
TU411;TV641.4(土力学、地基基础工程)
2021-10-29(万方平台首次上网日期,不代表论文的发表时间)
共13页
1103-1115