基于图像识别的砂砾石坝料级配检测与参数概率统计分析新方法

《Journal of Intelligent Construction》:Detection Method and Index Probability Statistical Analysis of Sand and Gravel Dam Material Gradation Based on Image Recognition

【字体: 大 中 小 】 时间:2025年12月17日 来源:Journal of Intelligent Construction

编辑推荐:

  本刊推荐:为解决土石坝设计中传统坑探法数据不足、代表性差的问题,研究人员开展了基于图像识别技术和深度阈值卷积模型(DO-CNN)的坝料级配快速检测方法研究。通过分析新疆KLYML水库3.5万车次级配数据,首次系统揭示了砂砾石料级配参数的概率分布规律(Cu、Cc、d10符合正态分布,d30、d60符合瑞利分布),为类似工程提供了从设计控制到施工质量评估的全流程技术支撑。

  
在广袤的新疆大地上,一座座土石坝如巨龙般横亘于河谷之间,它们承载着水资源调配的重要使命。作为中国水利工程中应用最广泛的坝型,土石坝的建设质量直接关系到流域安全。然而在传统筑坝过程中,工程师们面临着一个长期难题:如何快速准确地掌握填筑材料的级配特征?目前主要依赖的坑探取样筛分法,不仅耗时长达30分钟/次,更因取样量有限难以反映数百万立方米材料的真实分布。这种"事后检测"方式,一旦发现级配不合格,材料已碾压完成,整改成本极高。
《Journal of Intelligent Construction》最新发表的研究成果带来突破性解决方案。中国水利水电科学研究院的喻舒团队创新性地将图像识别技术引入坝料质量监控领域,构建了一套集图像采集、处理、分析于一体的智能检测系统。该研究以新疆KLYML水库沥青混凝土面板堆石坝为示范工程,通过对3.5万车次砂砾石料的持续监测,首次建立起大规模坝料级配参数的概率统计模型,为智能筑坝技术提供了重要理论支撑。
关键技术方法主要包括:基于深度Otsu卷积神经网络(DO-CNN)的级配识别算法,通过灰度均衡、双边滤波、阈值分割等9步核心处理实现颗粒轮廓精确提取;搭建包含工业相机、光电传感器、LED补光装置的现场检测站,确保不同光照条件下的图像质量稳定性;采用客户端/服务器(C/S)架构开发专用软件系统,实现每车次15秒的快速分析;运用Kolmogorov-Smirnov(K-S)检验等统计方法对级配参数进行概率分布拟合。

2 砂砾石坝料级配检测原理与方法

研究团队开发的深度Otsu卷积神经网络模型,有效解决了传统图像分割方法对5mm以下颗粒识别精度不足的难题。该模型通过 watershed算法(分水岭算法)实现颗粒边界精准划分,结合椭圆拟合公式d=1.16b√(1.35a/b)将二维图像信息转换为三维粒径分布。验证试验表明,与筛分法相比,d60检测误差仅0.90mm,Cc(曲率系数)误差0.09,完全满足工程精度要求。

3 砂砾石坝料级配检测方法的现场应用

在KLYML水库施工现场建立的检测站,创新性地解决了自然光照干扰问题。通过设置双侧围挡和分级补光系统,确保昼夜图像质量一致性。该系统每小时可完成240车次检测,覆盖量达7200m3,而传统方法仅能抽检2-3个样本。实际应用中发现10.28%的材料存在级配偏差,及时指导料场调整开采区域,避免质量事故。

4 砂砾石料级配参数指标统计分析

对105万m3坝料的统计分析揭示:d10(有效粒径)平均1.235mm,d60(控制粒径)平均88.471mm,不均匀系数Cu高达86.371。通过五种概率分布函数拟合发现,Cu、Cc、d10最优分布为正态分布(K-S检验值分别为0.1023、0.2408、0.1382),而d30、d60更符合瑞利分布。空间分析显示,经度20′-26′范围内级配参数呈现明显渐变规律,为料场分区开采提供数据支撑。

5 结论

本研究建立的图像识别级配检测系统,实现了从"抽样检测"到"全样本监控"的技术跨越。首次揭示的砂砾石料级配参数概率分布规律,为考虑参数空间变异性的坝坡稳定分析、渗流计算提供了理论基础。研究提出的方法已成功应用于实际工程,对提升中国高土石坝建设质量控制水平具有重要意义,为类似工程的智能建造提供了可复制技术范式。该方法还可推广至公路路基、铁路道砟等颗粒材料质量监控领域,具有广阔应用前景。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号