结合深度学习和NCFS算法的堆石料粒度分布智能检测方法
2021-10-20王仁超连嘉欣
水利学报 2021年9期
王仁超,连嘉欣,邸 阔,2
(1.天津大学水利工程仿真与安全国家重点试验室,天津 300350;2.天津大学前沿技术研究院,天津 301700)
1 研究背景
堆石坝填筑料物通常指山体爆破所得岩块经过二次破碎得到的岩石碎块集合体[1],其粒度(颗粒的大小)不仅影响铲装效率[2],还影响着坝体的压实质量[3]。受到岩体自身结构、裂隙发育程度、炸药参数信息等因素影响[4],料物爆破后的粒度大小难以精确控制,需要进行筛分试验验证。现阶段施工过程中,往往根据典型料场的代表性部位以及填筑部位要求,进行一定量的现场筛分试验。堆石坝料物筛分试验大多采用人工或机械筛分,这种传统的筛分方法需要投入一定的人力、物力、场地等,同时需要花费较长的时间,难以适应工程全过程、精细化控制需求。因此,寻求一种快捷、高效的堆石料粒度检测方法是堆石坝坝料开采质量控制迫切需要解决的问题之一。
以往学者针对堆石料粒度检测的研究大多以分析料堆图像的方式展开,实现步骤包括:(1)对料堆图像中块石的形态进行分割;(2)根据提取出的块石形状计算粒度大小;(3)绘制粒度分布曲线。文献[5]提出了一种改进的分水岭变换方法对矿石料堆图像进行分割,并采用MATLAB软件计算粒度分布情况,绘制粒度分布曲线。然而,作者在结论中指出,受制于分水岭算法的噪声敏感性,研究内容仅能简单进行块石颗粒的实时处理,缺乏实用性。文献[6]通过双重形态重建的方法对铁矿料堆颗粒图像进行分割,并采用圆扫描方法对多个数量重叠的颗粒进行进一步的分割提取,该方法对于图像分割的准确度可以达到94.3%。……
登录APP查看全文
