基于机器视觉的建筑垃圾填料物质组分图像分析方法

摘要

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。