基于深度学习的SCC工作性能预测技术

基于深度学习技术研究了一种在自密实混凝土(SCC)出机前根据拌合物图像信息预测其工作性能的方法。录制了25组不同工作性能的SCC搅拌过程视频,按坍落扩展度、T_(500)实测值并结合目测将其划分为合格、流动性不足及离析三种工作性能,通过将视频分帧处理为图像集,采用图像分类和目标检测两种方法建立深度学习模型,通过模型对拌和物图像特征的学习及训练,完成对SCC工作性能的预测。结果表明,图像分类和目标检测两种方法在验证集上均可达到98%以上的准确率,可为实时调整配合比进而实现SCC智能化提供参考。