[发明专利]基于卷积神经网络的粗粒土填料级配识别方法及应用系统

说明书

本发明涉及基于卷积神经网络的粗粒土填料级配识别方法及应用系统，构建第一神经网络和若干第二神经网络；采集现场的填料图像，采用第一神经网络输出粒径范围的分类结果；将填料图像及分类结果输入到对应粒径范围的第二神经网络，获得各单一粒径范围粗粒土的质量；统计各种粒径范围粗粒土的质量分布，获得级配及级配曲线。本发明通过第一神经网络获得粒径范围，通过对应的第二神经网络获得单一粒径组的总质量，提升了质量计算的准确性，进而保证了级配计算的准确性。多个第二神经网络并行处理，保证了第二神经网络训练效率和现场处理效率。自动化程度高，无需复杂的图像处理算法，无需人工干预，不依赖操作人员的经验，环境适应性强，精度高。

技术领域

本发明涉及粗粒土路基填筑碾压施工及其质量控制技术领域，尤其涉及基于卷积神经网络的粗粒土填料级配识别方法及应用系统。

背景技术

粗粒土填料作为铁路道床和路基的重要组成部分，是由大小不等的粗细颗粒组成，颗粒粒径范围较大，粗细颗粒特性差异较大，一般为单粒结构，小颗粒填补了大颗粒所形成的空隙，级配良好的粗粒土比级配不良的粗粒土密实度更高，在填筑碾压施工时也更容易被压实。粗粒土的级配较大地影响着铁路道床和路基的强度、稳定性、变形性和耐久性等服役性能。随着铁路运输业的快速发展，铁路基础设施的建造、运营管理、养护维修等方面越来越趋于智能化，级配作为粗粒土填料的重要物理指标，长期以来主要依赖人工或机械筛分方法加以确定，随着铁路路基在填筑过程中逐渐引入智能碾压技术和设备，如何实时、快速、智能、高效、准确地识别碾压前后粗粒土填料的级配并用于预测其模量、阻尼等力学参数，以便填筑施工时实时、智能、准确地评价碾压质量，是智能碾压填筑技术的关键。

目前粗颗粒土级配主要采用筛分法确定，根据规范给定的筛孔大小及其组合，对需要确定级配的粗粒土进行筛分，依据留在各个筛孔上的颗粒质量比确定该粗粒土的级配曲线。尽管这种方法技术成熟、应用广泛、操作简单，但该方法比较耗时、效率低，而且需对粗粒土进行采样筛分，筛分过程中粗颗粒的磨耗、破碎以及筛孔的变形可改变粗粒土的原始级配。人工或机械筛分时，将填料按筛孔大小顺序逐个过筛，需使填料在筛面上同时有水平及竖直方向的连续振动，使小于筛孔尺寸的填料颗粒通过筛孔，直至1min内通过筛孔的质量小于筛面上残余质量的0.1%为止。当采用摇筛机筛分时，应在摇筛机筛分后再由人工逐个补筛，将筛出通过的颗粒并入下一号筛，和下一号筛中的试样一起过筛，顺序进行直到各号筛全部筛完为止。应确认1min内通过筛孔的质量确实小于筛上残余量的0.1%，称取每个筛上的筛余量，精确至总质量的0.1%，分计筛余百分率精确至0.1%，累计筛余百分率精确至0.1%，各号筛的通过百分率精确至0.1%。根据各筛孔的累积通过百分率绘制级配图以确定粗颗粒土的级配。筛分法主要有以下缺点：

（1）常规筛分试验需要采集现场不同位置处的土样进行试验，会破坏现场土体的完整性及工作状态，且耗时费力，因此不能实现铁路路基智能碾压期间的粗颗粒土级配的实时、快速、高效和智能识别。

（2）筛分试验耗时较长，效率较低，不能实现智能、自动和快速的识别和分析。

（3）筛分的过程中，由于振筛机的振动，会造成部分粗颗粒的破碎进而影响结果的精确性。

（4）筛孔在长时间的使用过程中会发生一定程度的变形，造成试验误差。

随着技术的不断发展，也出现了一些基于数字图像识别的填料级配确定方法。以Wipfrag软件为代表的图像分析法通常用于测定碎石的粒径大小，最终直接输出级配曲线，该软件可以得到精确度较低的结果。精度较低的主要原因是较多的细颗粒土的存在对粗颗粒土的分析造成了一定的干扰。ImageJ软件也可以进行图像分割，然后利用Excel计算每个颗粒的粒径大小，但其结果的精度也较低，主要是由于图像分割有较大的误差。另外，级配曲线所描述的是颗粒粒径与颗粒质量之间的关系，而图像分析获得的是颗粒粒径或颗粒二维面积与颗粒个数之间的直接关系，如何实现这两种关系之间的转换，仍待解决。

发明内容