华南理工大学学报(自然科学版)

作者：谢康, 陈晓斌, 尧俊凯, 等

单位：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

关键词：建筑垃圾,再生填料,卷积神经网络,深度学习,图像识别

基金：国家自然科学基金资助项目 ( 51978674)

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。

来源：2021年第10期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2021年第10期