【技术实现步骤摘要】
本专利技术属于建筑材料，尤其涉及一种基于二维图像的集料空隙率估计方法。
技术介绍
1、建筑材料中，空隙率指混凝土中集料之间的空隙体积占混凝土总体积的百分率，即单位体积集料所具有的空隙体积。集料，又称集料，是混凝土的主要组成材料之一。主要起骨架作用和减小由于胶凝材料在凝结硬化过程中干缩湿胀所引起的体积变化，同时还作为胶凝材料的廉价填充料。集料按颗粒大小分为粗集料和细集料。
2、集料的空隙率在混凝土、沥青混合料配合比设计中起关键作用，直接影响建筑材料的质量和性能。集料的空隙率确定了所需水泥浆和沥青体积量，进而影响成本。因此在混凝土和沥青混合料设计和施工过程中，对集料空隙率的预测至关重要。
3、根据行业标准方法，现行集料空隙率测量主要是通过容器量法得出堆积密度，再使用排水法测量表观密度，最后得到空隙率的计算公式：空隙率＝1-堆积密度/表观密度。该方法过程中可能出现人为导致的误差，导致空隙率测量不准确；并且该方法操作过程繁琐，需要花费大量的人力物力和时间。
4、因此，怎样才能克服传统测量方法操作繁琐的局限性，提高集料空隙率预估速度和准确性，快速、方便的完成集料空隙率的估算，成为目前亟待解决的问题。
技术实现思路
1、针对上述现有技术的不足，本专利技术提供了一种基于二维图像的集料空隙率估计方法，可以克服传统测量方法操作繁琐的局限性，提高集料空隙率预估速度和准确性，快速、方便的完成集料空隙率的估算。
2、为了解决上述技术问题，本专利技术采用了如下
3、一种基于二维图像的集料空隙率估计方法，包括以下步骤：
4、s1、在软件中构造各种形状、大小和角度的集料，构建集料形状几何模型数据库；
5、s2、根据集料标准规定，将集料划分为多个不同的粒径区间；
6、s3、在离散元仿真软件中设置与实际测量所需尺寸相同的圆柱形铁桶容器，使用集料形状几何模型数据库中的料集，进行预设次数的自然堆积空隙率仿真实验；且每次仿真实验时，均在容器稳定填满后导出集料的仿真空隙率和各粒径区间的级配占比，并根据粒形参数表征方法得到容器内各集料的形状参数，得到该次仿真实验的数据样本；
7、s4、使用数据样本对预设的空隙率预估模型进行训练；对空隙率预估模型进行训练时，将集料的形状参数以及各粒径区间的级配占比作为输入，仿真空隙率作为输出；
8、s5、统计待测的集料的各粒径区间的级配占比；使用图像采集设备获取待测的集料的图像数据并进行图像识别处理，得到集料的形状参数；
9、s6、将s5得到的集料的各粒径区间的级配占比及形状参数输入s4训练好的空隙率预估模型中，得到预估的集料空隙率。
10、本专利技术与现有技术相比，具有如下有益效果：
11、与现有技术相比，本专利技术通过构造虚拟构造各种形状、大小和角度的集料，并构建集料形状几何模型数据库，得到虚拟料集的数据库后，通过离散原仿真软件设置仿真容器。之后，通过虚拟料集与仿真容器进行自然堆积空隙率仿真实验，并且在每次仿真实验时，均在容器稳定填满后导出集料的仿真空隙率和各粒径区间的级配占比，同时并根据粒形参数表征方法得到各料集的形状参数。再然后，通过得到的数据样本(即仿真空隙率、各粒径区间的级配占比、形状参数)对空隙率预估模型进行训练，将集料的形状参数以及各粒径区间的级配占比作为输入，仿真空隙率作为输出。这样，后续操作时，只需要获取料集的形状参数以及各粒径区间的级配占比，便可以通过空隙率预估模型得到预估的空隙率。
12、本方法中，使用图像采集设备获取待测的集料的图像数据并进行图像识别处理，得到集料的形状参数；并(通过人工或统计工具)统计待测的集料的各粒径区间的级配占比。再通过空隙率预估模型得到预估的空隙率。这样，可以进一步减少人工操作，不仅能够减少人为导致的误差，还可以节约人力物力和时间。在保证空隙率预估准确性的同时还可以提升检测效率。
13、综上，本方法可以克服传统测量方法操作繁琐的局限性，提高集料空隙率预估速度和准确性，快速、方便的完成集料空隙率的估算。
14、优选地，s3中，集料的形状参数的获取过程包括：根据最小包围盒算法计算集料的三边尺寸；确定集料的最大投影面所在平面，计算集料的二维形态参数，作为集料的形状参数；所述二维形态参数包括圆度、凸度、长宽比以及棱角度。
15、这样得到的形状参数，可以对料集的形状特征进行有效的描述和区分。
16、优选地，圆度rd的计算式为：
17、
18、式中，p为集料边界轮廓的周长；a为集料的二维投影面积。
19、这样，圆度rd定义了集料边界轮廓周长与面积的关系，它可以有效地表征集料形状近似圆的程度。
20、优选地，凸度s的计算式为：
21、
22、式中，a为集料的二维投影面积；ap为集料二维投影对应的凸包面积。
23、这样，凸度s定义了集料二维投影面积与二维投影凸包面积的比值。其结果可以表征集料的凹凸程度。比值越大，表明集料棱角越少，颗粒越光滑。
24、优选地，长宽比e的计算式为：
25、
26、式中，l为集料的长度；w为集料的宽度。
27、这样，长宽比e定义了集料长度与集料宽度的比值，可以直观地表征集料颗粒的轮廓特征，其值在一定程度上反映了集料的针状程度。
28、优选地，棱角度aug的计算式为：
29、
30、式中，p为集料边界轮廓的周长；pe为集料轮廓外接椭圆周长。
31、这样，棱角度aug定义了集料二维边界轮廓周长与轮廓外接椭圆周长比值的平方，它可以表征物体边界的复杂程度。比值越大则集料的凹凸棱角越少，二维边界轮廓周长越接近外接椭圆周长。
32、这样的设置，在保证精细度的同时，还可以兼顾前期模拟及后续实际评估的效率。
33、优选地，s3中，进行自然堆积空隙率仿真实验时，使用的料集为随机形状的料集。
34、这样的设置，可以保证得到的数据样本的数据随机性，从而保证对空隙率预估模型训练的有效性。
35、优选地，s2中，将集料划分为多个不同的粒径区间时，将粗集料划分为4.75～9.5mm、9.5～16mm、16～19mm、19～26.5mm四个不同的粒径区间。
36、优选地，s4中，所述空隙率预估模型为基于ssa-bp的深度学习模型。
37、与常规的bp神经网络模型相比，该模型可以提高预测模型的准确性和泛化能力。
38、优选地，s5中，图像识别处理包括图像滤波﹑图像二值化以及图像轮廓提取。
39、这样，可以保证得到的集料的形状参数的准确性和有效性。
本文档来自技高网...【技术保护点】
1.一种基于二维图像的集料空隙率估计方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于二维图像的集料空隙率估计方法，其特征在于：S3中，集料的形状参数的获取过程包括：根据最小包围盒算法计算集料的三边尺寸；确定集料的最大投影面所在平面，计算集料的二维形态参数，作为集料的形状参数；所述二维形态参数包括圆度、凸度、长宽比以及棱角度。
3.如权利要求2所述的基于二维图像的集料空隙率估计方法，其特征在于：圆度Rd的计算式为：
4.如权利要求3所述的基于二维图像的集料空隙率估计方法，其特征在于：凸度S的计算式为：
5.如权利要求4所述的基于二维图像的集料空隙率估计方法，其特征在于：长宽比E的计算式为：
6.如权利要求5所述的基于二维图像的集料空隙率估计方法，其特征在于：棱角度Aug的计算式为：
7.如权利要求1所述的基于二维图像的集料空隙率估计方法，其特征在于：S3中，进行自然堆积空隙率仿真实验时，使用的料集为随机形状和大小的料集。
8.如权利要求1所述的基于二维图像的集料空隙率估计方法，其特征在于
9.如权利要求1所述的基于二维图像的集料空隙率估计方法，其特征在于：S4中，所述空隙率预估模型为基于SSA-BP的深度学习模型。
10.如权利要求1所述的基于二维图像的集料空隙率估计方法，其特征在于：S5中，图像识别处理包括图像滤波﹑图像二值化以及图像轮廓提取。
...【技术特征摘要】
1.一种基于二维图像的集料空隙率估计方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于二维图像的集料空隙率估计方法，其特征在于：s3中，集料的形状参数的获取过程包括：根据最小包围盒算法计算集料的三边尺寸；确定集料的最大投影面所在平面，计算集料的二维形态参数，作为集料的形状参数；所述二维形态参数包括圆度、凸度、长宽比以及棱角度。
3.如权利要求2所述的基于二维图像的集料空隙率估计方法，其特征在于：圆度rd的计算式为：
4.如权利要求3所述的基于二维图像的集料空隙率估计方法，其特征在于：凸度s的计算式为：
5.如权利要求4所述的基于二维图像的集料空隙率估计方法，其特征在于：长宽比e的计算式为：
6.如权利要求5所述的基于二维图像的集料空隙率估计...
【专利技术属性】
技术研发人员：徐传运，赵婷，张杨，张玄鹏，庞静言，邓凌江，侯丹霞，王恒，彭丽萍，
申请(专利权)人：重庆师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。