[發明專利]基于深度學習的復合固化土微觀結構識別分析方法及系統

在審

• 申請號: 202210630904.7
• 申請日: 2022-06-06
• 公開（公告）號: CN114708590A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 李秉宜;錢彬;陳永輝;沈峰;蔣明鏡
• 申請（專利權）人: 水利部交通運輸部國家能源局南京水利科學研究院
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/26;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 王春香

本發明涉及基于深度學習的復合固化土微觀結構識別分析方法，包括S1獲取多個復合固化土樣本的微觀結構圖像，對每個圖像中的孔隙和各水化產物進行標注，形成圖像數據集；S2構建神經網絡模型，并設定神經網絡模型的初始學習率，計算神經網絡模型的損失值；改變學習率以實現神經網絡模型的迭代訓練，直至多輪迭代后損失值收斂或不變，得到最優神經網絡模型；S3利用最優神經網絡模型對微觀結構圖像中的孔隙與各水化產物進行識別，并在圖像上生成多個識別框；S4對識別框中的圖像進行聚類分割，提取得到孔隙與各水化產物的像素區域，計算孔隙與各水化產物的量；S5基于孔隙與各水化產物的量，得到復合固化土的水化程度和膠結程度。

技術領域

本發明涉及復合固化土應用技術領域，尤其是指基于深度學習的復合固化土微觀結構識別分析方法及系統。

背景技術

隨著我國基礎設施建設需要的增加，建筑廢土排放量保持高位增長，目前較為經濟有效的辦法是利用工業廢渣協同水泥和石灰等材料復合固化廢棄渣土，形成可在工程中利用的工業廢渣復合固化土。

復合固化土在應用過程中較受關注的指標是強度、壓縮系數等，但復合固化土的強度增長和在外界環境下的各類性能演化是由內部結構所決定的，其中涉及各類復雜的反應。因此需要快捷準確的微觀結構定量分析方法以更精確分析復合固化土微觀結構演化過程，從而將微觀結構的變化與強度等宏觀特性建立聯系。

目前只是簡單利用掃描電鏡試驗（SEM）等試驗獲得的復合固化土的微觀結構圖像，對圖像土中的孔隙與水化硅酸鈣、鈣礬石等進行人工標注，效率較低，準確度存疑，且無法定量分析復合固化土的微觀結構。

發明內容

本發明要解決的技術問題是提供基于深度學習的復合固化土微觀結構識別分析方法及系統，其能夠利用訓練完成的神經網絡模型對復合固化土微觀結構圖像中的孔隙和各類水化產物進行識別與分割，利用模型計算得到各結構的量，并進一步分析復合固化土的水化程度和膠結程度；能夠定量表征和分析復合土微觀結構，便于后續將微觀結構的變化與強度等宏觀特性建立聯系。

為解決上述技術問題，本發明提供了基于深度學習的復合固化土微觀結構識別分析方法，包括以下步驟：S1、獲取多個復合固化土樣本的微觀結構圖像，對每個所述圖像中的孔隙和各水化產物進行標注，以形成圖像數據集； S2、構建神經網絡模型，并設定所述神經網絡模型的初始學習率，基于所述圖像數據集，計算所述神經網絡模型的損失值；改變學習率以實現神經網絡模型的迭代訓練，直至多輪迭代后損失值收斂或不變，從而得到最優神經網絡模型；S3、利用所述最優神經網絡模型對所述微觀結構圖像中的孔隙與各水化產物進行識別，并在所述微觀結構圖像上生成多個識別框；S4、對所述識別框中的圖像進行聚類分割，提取孔隙與各水化產物的像素區域，計算得到孔隙與各水化產物的量；S5、基于復合固化土微觀結構中的孔隙與各水化產物的量，得到復合固化土的水化程度和膠結程度。

作為優選的，所述神經網絡模型的損失值計算方法為：獲取所述神經網絡模型的損失函數，所述損失函數包括：

坐標損失：

；

邊框損失：

；

分類損失：

；

置信度損失：

；

其中，為貢獻參數，用于協調誤差；s為網格數量，B表示每個網絡產生B個錨框； 表示第i個網格中第j個錨框是否框到物體，是則為1，否則為0； 為0；為第i個網格檢測出的物體中心點坐標，、代表對應的實際物體中心點坐標；和分別代表預測框的寬和高；代表標記框的寬；代表標記框的高；分別代表預測框屬于c的概率和標記框所屬c類別的概率； 分別代表目標物體的概率值和真實值，和均為參數值；基于所述損失函數計算得到不同學習率下神經網絡模型的損失值。

作為優選的，所述S1中，獲取多個復合固化土樣本的微觀結構圖像后，使用翻轉、旋轉、白化和高斯噪聲策略對所述圖像進行增強處理。