基于深度学习的发霉花生识别技术

目的:快速、无损地识别发霉花生,提高发霉花生的识别效率。方法:采用光谱仪采集高光谱花生数据,利用深度学习技术识别霉变花生,建立Hypernet PRMF模型,并以Deeplab v3+、Segnet、Unet和Hypernet作为对照模型进行比较。将所提出的花生识别指数融合到高光谱图像中,作为数据特征预提取。同时将构建的多特征融合块集成到控制模型中以提高发霉花生识别效率。结果:所有模型的平均像素精度均超过了87%。Hypernet-PRMF模型的检测精度最高,达到90.35%,同时对于整个花生数据集,Hypernet-PRMF的错误识别率较低,可以有效识别图中所有的发霉花生。结论:基于深度学习所建立的Hypernet-PRMF模型具有较高的像素精度与检测精度,可有效识别发霉花生。

钻孔后注浆水泥土强度试验的SVM回归模型

采用钻孔后取出的废弃泥浆与水泥固化剂、掺合物粉煤灰在孔外进行搅拌形成的水泥土具有强度高、成本低和环保等特点,其工法应用日渐广泛。结合钻孔后注浆工艺,对由粉质粘土泥浆、水泥、粉煤灰及水组成的高性能水泥土抽样进行了无侧限抗压强度试验,并通过支持向量机(SVM)对试验样本及强度进行学习,得出了相应的回归模型,以期对该类型水泥土进行强度预测,达到提供最优配合比的目的。研究认为:该类型水泥土彻底改变了传统的水泥土的成型工艺,在龄期为28d的情况下,设计强度等级多数能达到1·5MPa以上,在泥浆比重≥1·2且水泥土比重≥1·35时,均能达到上述强度并满足工程要求。

赚宝隧道二次衬砌监控量测研究

以南涪路赚宝隧道整治工程为依托,提出隧道二次衬砌整治过程中的施工监控量测方案,并通过有限元软件建模分析在一定二衬拆除长度下,隧道初支应力和竖向位移的变化规律,通过与实测数据的对比研究,验证了模型的正确性,为该隧道病害整治提供了参考和建议。

添加剂在水泥稳定碎石中的应用研究

通过室内实验,在水泥稳定碎石中添加不同配比的膨胀剂和减缩剂,以研究其力学性能,并根据抗裂材料的特性和工程实践,提出了如何正确选择水泥稳定碎石抗裂材料,可供设计和施工参考。

隧道病害整治套拱加固施工工艺探讨

作为交通运输的咽喉,运营隧道结构的安全状况影响着交通运输和行人的安全。本文以重庆南涪路某隧道病害整治为工程背景,对隧道病害整治套拱加固的施工工艺、施工要点及质量标准进行了初步探讨。隧道病害整治套拱加固经济效益和社会效益明显,为解决我国交通跨越式发展过程中存在的一些问题提供一种参考思路。