【技术实现步骤摘要】
本专利技术涉及建筑材料领域，具体涉及一种机制砂中絮凝剂含量的自动化检测方法及装置。
技术介绍
1、由于母岩大多含有杂质，且母岩破碎的过程中会产生大量石粉，石粉的存在会降低机制砂的品质，对混凝土的工作性、强度及耐久性产生不良影响，因此商品混凝土用机制砂一般要求过水冲洗。
2、依据环保要求，制砂厂洗砂水的外排受限，为提升洗砂水的循环利用率，一般采取向洗砂水中加入絮凝剂来提升洗砂水中固体的沉降速度，从而达到快速利用上层清水的目的，随着洗砂水循环利用次数的增加，洗砂水中积累较多的絮凝剂，洗砂过程中残留在机制砂中，絮凝剂残留量偏高会降低混凝土的流动性，导致混凝土的坍落度或扩展度经时损失过快，对混凝土的工作性能造成较为严重的不利影响。另外，絮凝剂还会导致外加剂的效果下降，从而导致外加剂的用量增加，进而增大了商品混凝土的成本，过多的絮凝剂残留也会对混凝土后期的强度发展造成不利影响。
3、目前由于还没有明确的标准来规范机制砂中絮凝剂的含量，制砂厂在机制砂的水洗过程中存在不规范的问题，造成机制砂中絮凝剂残留量不稳定、残留量偏大，给商品混凝土搅拌站进行质量控制带来困难。因此搅拌站在进行混凝土的制备过程中，需要检测机制砂中絮凝剂的含量，目前搅拌站使用较多方法是观察机制砂与水的拌合混合液沉淀速度，通过澄清速度来定性判断机制砂中絮凝剂的含量，澄清速度越快表明机制砂中絮凝剂残留越大。现有技术还如专利公开号为cn111157403a的专利文献公开的一种砂中絮凝剂的检测方法，通过水泥砂浆粘度计算判断絮凝剂含量是否合格；现有技术还如专利公
技术实现思路
1、为了提升机制砂中絮凝剂含量的检测速度及检测精度，本专利技术提供了一种机制砂中絮凝剂含量的自动化检测方法及装置，基于人工智能算法对机制砂中絮凝剂含量进行自动化检测，并且能够进一步给出絮凝剂含量对混凝土性能的影响及配合比优化方案。
2、本专利技术的技术目的是通过以下技术方案实现的：
3、一种机制砂中絮凝剂含量的自动化检测方法，该方法包括：
4、步骤1、基于卷积神经网络训练得到机制砂混合液图像参数图像识别模型、絮凝剂含量神经网络模型；机制砂混合液图像参数图像识别模型用以识别机制砂混合液图像并输出混合液图像参数；絮凝剂含量神经网络模型用以根据输入参数生成机制砂中絮凝剂含量；
5、步骤2、测定机制砂中含泥量和石粉含量，将机制砂加水配制为机制砂混合液，测定机制砂混合液的浊度参数及粘度参数，采集机制砂混合液的图像；
6、步骤3、将机制砂混合液的图像输入机制砂混合液图像参数图像识别模型后输出得到混合液图像参数；
7、步骤4、将混合液图像参数、含泥量、石粉含量、浊度参数及粘度参数输入絮凝剂含量神经网络模型后输出得到机制砂中絮凝剂含量。
8、进一步地，在步骤1中，训练机制砂混合液图像参数图像识别模型时以机制砂混合液照片作为输入数据，以机制砂混合液的表面气泡状态、侧面分层状态及上清液颜色为识别特征，以机制砂混合液照片参数为输出数据训练卷积神经网络，得到机制砂混合液图像参数图像识别模型；训练絮凝剂含量神经网络模型时，以机制砂中含泥量、石粉含量、机制砂混合液的浊度参数、粘度参数以及混合液图像参数作为输入数据，以机制砂混合液中絮凝剂含量作为输出数据训练bp神经网络得到絮凝剂含量神经网络模型。
9、进一步地，在步骤2中，配制机制砂混合液时，在透明容器内加入机制砂，加入水后搅拌30-60秒后静置2-5分钟获得机制砂混合液；测定机制砂混合液上部清液的浊度参数和粘度参数。
10、进一步地，采集机制砂混合液的图像时包括机制砂混合液上表面图像采集和侧面图像采集。
11、进一步地，该方法还包括根据机制砂中絮凝剂含量预测絮凝剂对混凝土性能的影响。
12、进一步地，预测絮凝剂含量对混凝土性能的影响时，絮凝剂含量神经网络模型输出得到机制砂中絮凝剂含量后，将絮凝剂含量输入混凝土性能神经网络模型中，混凝土性能神经网络模型输出絮凝剂含量对混凝土性能的影响程度；
13、若絮凝剂对混凝土的性能影响超出设定范围且超出混凝土配比调整补偿范围，则机制砂不符合要求；
14、若絮凝剂对混凝土的性能影响在设定范围内则机制砂符合要求；
15、若絮凝剂对混凝土的性能影响超出设定范围且在混凝土配比调整补偿范围，则调整混凝土配比。
16、进一步地，调整混凝土配比时，将混凝土性能神经网络模型输出絮凝剂含量对混凝土性能的影响程度输入混凝土弱化性能补偿神经网络模型中，输出得到混凝土配比调整结果。
17、进一步地，混凝土性能神经网络模型基于bp神经网络学习，将机制砂混合液中絮凝剂含量作为输入、絮凝剂含量对混凝土的性能影响程度作为输出训练得到混凝土性能神经网络模型；
18、混凝土弱化性能补偿神经网络模型基于bp神经网络学习，将絮凝剂含量对混凝土的性能影响程度作为输入、调整后的混凝土配比作为输出训练得到混凝土弱化性能补偿神经网络模型。
19、本专利技术还提供了一种机制砂中絮凝剂含量的自动化检测装置，包括供水装置、搅拌装置、浊度检测器、粘度检测器、图像采集装置、透明容器、控制器，搅拌装置、浊度检测器、粘度检测器、图像采集装置依次设置，对应搅拌装置、浊度检测器、粘度检测器、图像采集装置分别设置工作工位，供水装置设置在搅拌装置一侧；透明容器底部还设有用以移动透明容置依次至各工作工位的移送装置；控制器内存储有机制砂混合液图像参数图像识别模型、絮凝剂含量神经网络模型；
20、透明容器移送至搅拌装置对应的工作工位时供水装置向透明容器内供水，供水完成后搅拌装置对透明容器内部进行搅拌；
21、透明容器移送至浊度检测器对应的工作工位时，浊度检测器采集透明容器内的浊度参数并将浊度参数发送至控制器；
22、透明容器移送至粘度检测器对应的工作工位时，粘度检测器采集透明容器内的粘度参数并将粘度参数发送至控制器；
23、透明容器移动至图像采集装置对应的工作工位时，图像采集装置分别采集透明容器上方图像及侧面图像并将采集的图像发送至控制器。
24、进一步地，移送装置上方还设有用以搅拌装置、浊度检测器和粘度检测器清洗的清洗容器，透明容器移动过程中清洗容器跟随透明容器同步移动；
25、清洗容器移动至搅拌装置对应的工作工位时对搅拌装置进行清洗；
26、清洗容器移动至浊度检测器对应的工作工位时对浊度检测器进行清洗；
27、清洗容器移动至粘度检测器对应的工作工位时对粘度检测器进本文档来自技高网...
【技术保护点】
1.一种机制砂中絮凝剂含量的自动化检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的一种机制砂中絮凝剂含量的自动化检测方法，其特征在于，在所述步骤1中，训练机制砂混合液图像参数图像识别模型时以机制砂混合液照片作为输入数据，以机制砂混合液的表面气泡状态、侧面分层状态及上清液颜色为识别特征，以机制砂混合液照片参数为输出数据训练卷积神经网络，得到制砂混合液图像参数图像识别模型；训练絮凝剂含量神经网络模型时，以机制砂中含泥量、石粉含量、机制砂混合液的浊度参数、粘度参数以及混合液图像参数作为输入数据，以机制砂混合液中絮凝剂含量作为输出数据训练BP神经网络得到絮凝剂含量神经网络模型。
3.根据权利要求1所述的一种机制砂中絮凝剂含量的自动化检测方法，其特征在于，在所述步骤2中，配制机制砂混合液时，在透明容器内加入机制砂，加入水后搅拌30-60秒后静置2-5分钟获得机制砂混合液；测定机制砂混合液上部清液的浊度参数和粘度参数。
4.根据权利要求1所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，采集机制砂混合液的图像时包括机制砂混合液上表面图像采
5.根据权利要求1所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，该方法还包括根据机制砂中絮凝剂含量预测絮凝剂对混凝土性能的影响。
6.根据权利要求5所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，预测絮凝剂含量对混凝土性能的影响时，絮凝剂含量神经网络模型输出得到机制砂中絮凝剂含量后，将絮凝剂含量输入混凝土性能神经网络模型中，混凝土性能神经网络模型输出絮凝剂含量对混凝土性能的影响程度；
7.根据权利要求6所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，调整混凝土配比时，将混凝土性能神经网络模型输出絮凝剂含量对混凝土性能的影响程度输入混凝土弱化性能补偿神经网络模型中，输出得到混凝土配比调整结果。
8.根据权利要求7所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，混凝土性能神经网络模型基于BP神经网络学习，将机制砂混合液中絮凝剂含量作为输入、絮凝剂含量对混凝土的性能影响程度作为输出训练得到混凝土性能神经网络模型；
9.一种机制砂中絮凝剂含量的自动化检测装置，其特征在于，包括供水装置、搅拌装置、浊度检测器、粘度检测器、图像采集装置、透明容器、控制器，所述搅拌装置、浊度检测器、粘度检测器、图像采集装置依次设置，对应搅拌装置、浊度检测器、粘度检测器、图像采集装置分别设置工作工位，所述供水装置设置在搅拌装置一侧；所述透明容器底部还设有用以移动透明容置依次至各工作工位的移送装置；所述控制器内存储有机制砂混合液图像参数图像识别模型、絮凝剂含量神经网络模型；
10.根据权利要求9所述的一种机制砂中絮凝剂含量的自动化检测装置，其特征在于，所述移送装置上方还设有用以搅拌装置、浊度检测器和粘度检测器清洗的清洗容器，所述透明容器移动过程中清洗容器跟随透明容器同步移动；
...【技术特征摘要】
1.一种机制砂中絮凝剂含量的自动化检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的一种机制砂中絮凝剂含量的自动化检测方法，其特征在于，在所述步骤1中，训练机制砂混合液图像参数图像识别模型时以机制砂混合液照片作为输入数据，以机制砂混合液的表面气泡状态、侧面分层状态及上清液颜色为识别特征，以机制砂混合液照片参数为输出数据训练卷积神经网络，得到制砂混合液图像参数图像识别模型；训练絮凝剂含量神经网络模型时，以机制砂中含泥量、石粉含量、机制砂混合液的浊度参数、粘度参数以及混合液图像参数作为输入数据，以机制砂混合液中絮凝剂含量作为输出数据训练bp神经网络得到絮凝剂含量神经网络模型。
3.根据权利要求1所述的一种机制砂中絮凝剂含量的自动化检测方法，其特征在于，在所述步骤2中，配制机制砂混合液时，在透明容器内加入机制砂，加入水后搅拌30-60秒后静置2-5分钟获得机制砂混合液；测定机制砂混合液上部清液的浊度参数和粘度参数。
4.根据权利要求1所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，采集机制砂混合液的图像时包括机制砂混合液上表面图像采集和侧面图像采集。
5.根据权利要求1所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，该方法还包括根据机制砂中絮凝剂含量预测絮凝剂对混凝土性能的影响。
6.根据权利要求5所述的一种机制砂絮凝剂含量的自动化检测方法，其特征在于，预测絮凝剂含量对混凝土性能的影响时，絮凝...
【专利技术属性】
技术研发人员：董赛阳，金自清，朱敏涛，王太明，季京安，顾伟宏，
申请(专利权)人：上海建工建材科技集团股份有限公司，
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。