CN116664539B - 用于处理透水型水稳再生骨料混合料数字图像方法及装置 - Google Patents

用于处理透水型水稳再生骨料混合料数字图像方法及装置 Download PDF

Info

Publication number
CN116664539B
CN116664539B CN202310705297.0A CN202310705297A CN116664539B CN 116664539 B CN116664539 B CN 116664539B CN 202310705297 A CN202310705297 A CN 202310705297A CN 116664539 B CN116664539 B CN 116664539B
Authority
CN
China
Prior art keywords
water
permeable
recycled aggregate
image
aggregate mixture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310705297.0A
Other languages
English (en)
Other versions
CN116664539A (zh
Inventor
王小明
肖源杰
王萌
陈宇亮
李志勇
华文俊
杨涛
王卫东
陈伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Communications Research Institute Co ltd
Central South University
Original Assignee
Hunan Communications Research Institute Co ltd
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Communications Research Institute Co ltd, Central South University filed Critical Hunan Communications Research Institute Co ltd
Priority to CN202310705297.0A priority Critical patent/CN116664539B/zh
Publication of CN116664539A publication Critical patent/CN116664539A/zh
Application granted granted Critical
Publication of CN116664539B publication Critical patent/CN116664539B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/91—Use of waste materials as fillers for mortars or concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

一种用于处理透水型水稳再生骨料混合料数字图像的方法及装置，该方法包括：获取不同工况下的待处理透水型水稳再生骨料混合料数字图像；将待处理透水型水稳再生骨料混合料数字图像输入至实例分割模型，得到骨料图像；对骨料图像进行二值化处理，以及对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理；基于骨料的二值化图像和去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像。通过本发明实施例提供的方法及装置，可以得到不同水泥掺量和不同制样压力条件下的精细化透水型水稳再生骨料混合料、水泥桥和孔隙图像，能够得到清晰的骨料、水泥桥和孔隙轮廓。

Description

用于处理透水型水稳再生骨料混合料数字图像方法及装置
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种用于处理透水型水稳再生骨料混合料数字图像方法及装置。
背景技术
“双碳”和“交通强国”战略的实施，促进了建筑固废再生骨料在透水型水稳基层中的广泛应用。然而透水型水稳再生骨料混合料在不同水泥掺量和不同压实力条件下的骨料分布特征、水泥桥分布规律和孔隙特征对其强度和渗透性的影响机理仍未探明。一方面，水泥掺量决定了水稳透水型水稳再生骨料混合料的抗压强度，但过多的水泥会导致其渗透性大幅降低，水泥在试样中的分布状态对其细观孔隙结构的影响规律复杂。另一方面，透水型水稳再生骨料混合料除了满足强度和透水性要求外，还需满足一定的压实条件，但较大的压实度会造成水泥桥分布不均和孔隙迂堵等不良影响。
基于此，使用CT技术探明不同水泥掺量和不同压实力条件下透水型水稳再生骨料混合料内部细观结构具有较高的应用价值。但是，由于水稳试样尺寸大，水泥分布不均匀，导致CT图像中骨料和水泥桥的像素差异几乎可以忽略，用常规方法不可能准确分割出水泥桥的分布特征。
发明内容
鉴于此，本发明提出了一种用于处理透水型水稳再生骨料混合料数字图像方法及装置，以解决现有技术中数字图像存在像素差异小、分割精度低和分割效率低的问题。
第一方面，本发明实施例提供了一种用于处理透水型水稳再生骨料混合料数字图像方法，所述方法包括：获取不同工况下的待处理透水型水稳再生骨料混合料数字图像；将所述待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像；其中，所述透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成；对所述骨料图像进行二值化处理，得到骨料的二值化图像，以及对所述待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像；基于所述骨料的二值化图像和所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像。
进一步地，所述透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成，包括：按照水泥掺量和制样压力由小到大的原则，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn；其中，n为正整数；使用实例分割算法对所述若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型。
进一步地，使用实例分割算法对所述若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型，包括：使用初始实例分割算法对第一训练集S1进行训练，得到第一实例分割算法以及第一权重文件；加载第一权重文件作为当前训练的权重文件，使用第一实例分割算法对第二训练集S2进行训练，得到第二实例分割算法以及第二权重文件；依次训练；加载第n-1权重文件作为当前训练的权重文件，使用第n-1实例分割算法对第n训练集Sn进行训练，得到第n实例分割算法以及第n权重文件以作为最终透水型水稳再生骨料混合料实例分割模型。
进一步地，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn之前，包括：标注每个训练透水型水稳再生骨料混合料数字图像上的骨料轮廓。
进一步地，所述透水型水稳再生骨料混合料实例分割模型的训练过程中，学习率下降方式为cos，优化器为adam。
进一步地，将所述待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像之后，包括：使用蒙版对所述骨料图像进行标识。
进一步地，基于所述骨料的二值化图像和所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像，包括：将所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像与所述骨料的二值化图像相减，得到水泥桥的二值化图像；将所述骨料的二值化图像与所述水泥桥的二值化图像相加，得到目标透水型水稳再生骨料混合料数字图像。
第二方面，本发明实施例还提供了一种用于处理透水型水稳再生骨料混合料数字图像的装置，所述装置包括：获取单元，用于获取不同工况下的待处理透水型水稳再生骨料混合料数字图像；实例分割单元，用于将所述待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像；其中，所述透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成；阈值分割单元，用于对所述骨料图像进行二值化处理，得到骨料的二值化图像，以及对所述待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像；目标处理单元，用于基于所述骨料的二值化图像和所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像。
第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明各实施例提供的方法。
第四方面，本发明实施例还提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明各实施例提供的方法。
本发明实施例提供的用于处理透水型水稳再生骨料混合料数字图像的方法及装置，通过将待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到骨料图像，对骨料图像进行二值化处理，得到骨料的二值化图像，对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化图像，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，以及基于骨料的二值化图像和去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像，在不需要大量训练数据的情况下，可以得到不同水泥掺量和不同制样压力条件下的精细化透水型水稳再生骨料混合料图像，能够得到清晰的骨料和水泥桥轮廓。并且，基于上述实施例提供的装置，可通过有限元、离散元和渗流模拟揭示其动态破坏演化机理、颗粒破碎机理、水泥桥断裂机理和孔隙迂堵规律，为伤损行为可调控、透水性能可保持的透水型水稳透水型水稳再生骨料混合料优化设计提供科学的理论依据。
附图说明
图1为本发明一个示例性的实施例提供的用于处理透水型水稳再生骨料混合料数字图像的方法的流程图；
图2为本发明一个示例性的实施例提供的待处理透水型水稳再生骨料混合料数字图像的示意图；
图3为本发明一个示例性的实施例提供的骨料的二值化图像的示意图；
图4为本发明一个示例性的实施例提供的水泥桥的二值化图像的示意图；
图5为本发明一个示例性的实施例提供的目标透水型水稳再生骨料混合料数字图像的示意图；
图6为本发明一个示例性的实施例提供的用于处理透水型水稳再生骨料混合料数字图像的装置的结构示意图；
图7为本发明一个示例性的实施例提供的电子设备的框图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为本发明一个示例性的实施例提供的用于处理透水型水稳再生骨料混合料数字图像的方法的流程图。本发明实施例的执行主体为计算机设备。可选地，该计算机设备为终端，该终端为便携式、袖珍式、手持式等多种类型的终端，如智能手机、平板电脑、笔记本电脑、台式计算机等。可选地，本发明实施例的执行主体为服务器，该服务器是独立的物理服务器，或者是多个物理服务器构成的服务器集群或者分布式系统，或者是提供基础云计算服务的云服务器。
如图1所示，该方法包括：
步骤S101：获取不同工况下的待处理透水型水稳再生骨料混合料数字图像。
透水型水稳再生骨料混合料数字图像可以为任意方式，如CCD相机、工业CT和扫描仪，采集得到的透水型水稳再生骨料混合料颗粒的数字图像。优选地，透水型水稳再生骨料混合料数字图像为透水型水稳再生骨料混合料CT图像。透水型水稳再生骨料混合料可以包括任意类型的透水型水稳再生骨料混合料，如粗骨料混合料、细骨料混合料。图2为本发明一个示例性的实施例提供的待处理透水型水稳再生骨料混合料数字图像的示意图。如图2所示，待处理的原始图像中骨料和水泥桥的像素差异极小，难以分割。
步骤S102：将待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像；其中，透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成。
进一步地，透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成，包括：
按照水泥掺量和制样压力由小到大的原则，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn；其中，n为正整数；
使用实例分割算法对若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型。
进一步地，使用实例分割算法对若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型，包括：
使用初始实例分割算法对第一训练集S1进行训练，得到第一实例分割算法以及第一权重文件；
加载第一权重文件作为当前训练的权重文件，使用第一实例分割算法对第二训练集S2进行训练，得到第二实例分割算法以及第二权重文件；
依次训练；
加载第n-1权重文件作为当前训练的权重文件，使用第n-1实例分割算法对第n训练集Sn进行训练，得到第n实例分割算法以及第n权重文件以作为最终透水型水稳再生骨料混合料实例分割模型。
对于当前训练过程，训练完毕后，得到并保存当前的训练结果及当前的权重文件，以作为下次训练的实例分割算法及下次训练的权重文件，依次迭代训练，直至完成所有训练集。
进一步地，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn之前，包括：
标注每个训练透水型水稳再生骨料混合料数字图像上的骨料轮廓。
从不同工况下原始透水型水稳再生骨料混合料数字图像组成的总数据中选取部分数据作为训练集，优选地，从总数据中选取5%的数据作为训练集。使用labelme数据标注工具标注训练集的每张训练图像中的骨料轮廓。
进一步地，透水型水稳再生骨料混合料实例分割模型的训练过程中，学习率下降方式为cos，优化器为adam。
使用实例分割算法进行训练，优选地，训练次数为800。
具体地，实例分割算法为Mask R-CNN实例分割算法。具体训练过程如下：
1. 数据准备：随机挑选少量的待处理透水型水稳再生骨料混合料数字图像。使用图像标注工具标注骨料轮廓，具体形式为使用曲线工具描绘骨料的轮廓，直至其成为一个闭合的多边形。标注好的数据和图像存储到同一文件夹，标注好的数据被随机分成训练集和测试集，并开始数据训练；
2. 网络选择：选择Mask R-CNN网络用于开展数据训练；
3. 模型训练：使用准备的数据对Mask R-CNN网络进行训练，并定义平均绝对误差，当网络的平均误差不在降低时停止训练；
4. 模型评估：使用测试集对训练好的模型进行评估，当准确率满足项目要求时即可获得训练好的权重文件。否则，重新调整Mask R-CNN网络参数后进行训练，直至其满足要求为止。
进一步地，步骤S102之后，包括：
使用蒙版对骨料图像进行标识。
使用蒙版对骨料图像标识后，得到骨料蒙版，之后对骨料蒙版进行二值化处理，获得骨料二值化图像。
步骤S103：对骨料图像进行二值化处理，得到骨料的二值化图像，以及对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像。
对实例分割算法获得的图像进行二值化处理，获得骨料的二值化图像，以及对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，获得去掉孔隙后的二值化图像，即待处理透水型水稳再生骨料混合料的二值化图像。
图3为本发明一个示例性的实施例提供的骨料的二值化图像的示意图。如图3所示，该图像展示出清晰的骨料轮廓，可以用于精确分析骨料特性。
步骤S104：基于骨料的二值化图像和去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像。
进一步地，步骤S104，包括：
将去掉孔隙后的透水型水稳再生骨料混合料的二值化图像与骨料的二值化图像相减，得到水泥桥的二值化图像；
将骨料的二值化图像与水泥桥的二值化图像相加，得到目标透水型水稳再生骨料混合料数字图像。
使用去掉孔隙后的透水型水稳再生骨料混合料的二值化图像减去骨料的二值化图像，可获取水泥桥的二值化图像，即
其中，为水泥桥二值化图像的像素矩阵；/>为骨料和水泥桥混合二值化图像的像素矩阵，即去掉孔隙后的透水型水稳再生骨料混合料二值化图像的像素矩阵；/>为骨料二值化图像的像素矩阵。
图4为本发明一个示例性的实施例提供的水泥桥的二值化图像的示意图。如图4所示，该图像展示出清晰的水泥桥轮廓，可以用于精确分析水泥桥特性。
将骨料的二值化图像与水泥桥的二值化图像相加，得到目标透水型水稳再生骨料混合料数字图像，即高精度的透水型水稳透水型水稳再生骨料混合料图像，即：
其中，为目标透水型水稳再生骨料混合料数字图像的像素矩阵，包含骨料和水泥桥。
图5为本发明一个示例性的实施例提供的目标透水型水稳再生骨料混合料数字图像的示意图。如图5所示，该图像展示出清晰的骨料和水泥桥轮廓，可以用于精确分析骨料特征、水泥桥特征和孔隙特征。
上述实施例，通过将待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到骨料图像，对骨料图像进行二值化处理，得到骨料的二值化图像，以及对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，以及基于骨料的二值化图像和去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像，在不需要大量训练数据的情况下，可以得到不同水泥掺量和不同制样压力条件下的精细化透水型水稳再生骨料混合料图像，能够得到清晰的骨料和水泥桥轮廓。并且，基于上述实施例提供的方法，可通过有限元、离散元和渗流模拟揭示其动态破坏演化机理、颗粒破碎机理、水泥桥断裂机理和孔隙迂堵规律，为伤损行为可调控、透水性能可保持的透水型水稳透水型水稳再生骨料混合料优化设计提供科学的理论依据。
图6为本发明一个示例性的实施例提供的用于处理透水型水稳再生骨料混合料数字图像的装置的结构示意图。
如图6所示，该装置包括：
获取单元601，用于获取不同工况下的待处理透水型水稳再生骨料混合料数字图像；
实例分割单元602，用于将待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像；其中，透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成；
阈值分割单元603，用于对骨料图像进行二值化处理，得到骨料的二值化图像，以及对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像；
目标处理单元604，用于基于骨料的二值化图像和去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像。
进一步地，透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成，包括：
按照水泥掺量和制样压力由小到大的原则，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn；其中，n为正整数；
使用实例分割算法对若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型。
进一步地，使用实例分割算法对若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型，包括：
使用初始实例分割算法对第一训练集S1进行训练，得到第一实例分割算法以及第一权重文件；
加载第一权重文件作为当前训练的权重文件，使用第一实例分割算法对第二训练集S2进行训练，得到第二实例分割算法以及第二权重文件；
依次训练；
加载第n-1权重文件作为当前训练的权重文件，使用第n-1实例分割算法对第n训练集Sn进行训练，得到第n实例分割算法以及第n权重文件以作为最终透水型水稳再生骨料混合料实例分割模型。
进一步地，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn之前，包括：
标注每个训练透水型水稳再生骨料混合料数字图像上的骨料轮廓。
进一步地，透水型水稳再生骨料混合料实例分割模型的训练过程中，学习率下降方式为cos，优化器为adam。
进一步地，将待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像之后，包括：
使用蒙版对骨料图像进行标识。
进一步地，目标处理单元604，还用于：
将掉孔隙后的透水型水稳再生骨料混合料的二值化图像与骨料的二值化图像相减，得到水泥桥的二值化图像；
将骨料的二值化图像与水泥桥的二值化图像相加，得到目标透水型水稳再生骨料混合料数字图像。
上述实施例，通过将待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到骨料图像，对骨料图像进行二值化处理，得到骨料的二值化图像，以及对待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，以及基于骨料的二值化图像和去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像，在不需要大量训练数据的情况下，可以得到不同水泥掺量和不同制样压力条件下的精细化透水型水稳再生骨料混合料图像，能够得到清晰的骨料和水泥桥轮廓。并且，基于上述实施例提供的装置，可通过有限元、离散元和渗流模拟揭示其动态破坏演化机理、颗粒破碎机理、水泥桥断裂机理和孔隙迂堵规律，为伤损行为可调控、透水性能可保持的透水型水稳透水型水稳再生骨料混合料优化设计提供科学的理论依据。
需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图7为本发明一个示例性的实施例提供的电子设备的框图。如图7所示，电子设备包括一个或多个处理器710和存储器720。
处理器710可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器720可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器710可以运行所述程序指令，以实现上文所述的本发明的各个实施例的软件程序的用于处理透水型水稳再生骨料混合料数字图像的方法以及/或者其他期望的功能。在一个示例中，电子设备还可以包括：输入装置730和输出装置740，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。
此外，该输入装置730还可以包括例如键盘、鼠标等等。
该输出装置740可以向外部输出各种信息。该输出设备740可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图7中仅示出了该电子设备中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的用于处理透水型水稳再生骨料混合料数字图像的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的用于处理透水型水稳再生骨料混合料数字图像的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本发明的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
还需要指出的是，在本发明的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (9)

1.用于处理透水型水稳再生骨料混合料数字图像方法，其特征在于，所述方法包括：
获取不同工况下的待处理透水型水稳再生骨料混合料数字图像；
将所述待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像；其中，所述透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成；
对所述骨料图像进行二值化处理，得到骨料的二值化图像，以及对所述待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像；
基于所述骨料的二值化图像和所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像，包括；将所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像与所述骨料的二值化图像相减，得到水泥桥的二值化图像；
将所述骨料的二值化图像与所述水泥桥的二值化图像相加，得到目标透水型水稳再生骨料混合料数字图像。
2.根据权利要求1所述的方法，其特征在于，所述透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成，包括：
按照水泥掺量和制样压力由小到大的原则，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn；其中，n为正整数；
使用实例分割算法对所述若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型。
3.根据权利要求2所述的方法，其特征在于，使用实例分割算法对所述若干个训练集S1、S2……Sn进行分批训练，得到最终透水型水稳再生骨料混合料实例分割模型，包括：
使用初始实例分割算法对第一训练集S1进行训练，得到第一实例分割算法以及第一权重文件；
加载第一权重文件作为当前训练的权重文件，使用第一实例分割算法对第二训练集S2进行训练，得到第二实例分割算法以及第二权重文件；
依次训练；
加载第n-1权重文件作为当前训练的权重文件，使用第n-1实例分割算法对第n训练集Sn进行训练，得到第n实例分割算法以及第n权重文件以作为最终透水型水稳再生骨料混合料实例分割模型。
4.根据权利要求2所述的方法，其特征在于，将训练用透水型水稳再生骨料混合料数字图像分为若干个训练集S1、S2……Sn之前，包括：
标注每个训练用透水型水稳再生骨料混合料数字图像上的骨料轮廓。
5.根据权利要求2所述的方法，其特征在于，所述透水型水稳再生骨料混合料实例分割模型的训练过程中，学习率下降方式为cos，优化器为adam。
6.根据权利要求1所述的方法，其特征在于，将所述待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像之后，包括：
使用蒙版对所述骨料图像进行标识。
7.一种用于处理透水型水稳再生骨料混合料数字图像的装置，其特征在于，所述装置包括：
获取单元，用于获取不同工况下的待处理透水型水稳再生骨料混合料数字图像；
实例分割单元，用于将所述待处理透水型水稳再生骨料混合料数字图像输入至透水型水稳再生骨料混合料实例分割模型，得到分割后的骨料图像；其中，所述透水型水稳再生骨料混合料实例分割模型基于实例分割算法训练而成；
阈值分割单元，用于对所述骨料图像进行二值化处理，得到骨料的二值化图像，以及对所述待处理透水型水稳再生骨料混合料数字图像进行阈值分割和二值化处理，得到去掉孔隙后的透水型水稳再生骨料混合料的二值化图像；
目标处理单元，用于基于所述骨料的二值化图像和所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像，得到目标透水型水稳再生骨料混合料数字图像，包括；将所述去掉孔隙后的透水型水稳再生骨料混合料的二值化图像与所述骨料的二值化图像相减，得到水泥桥的二值化图像；
将所述骨料的二值化图像与所述水泥桥的二值化图像相加，得到目标透水型水稳再生骨料混合料数字图像。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行权利要求1-6任一项所述的方法。
9.一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现权利要求1-6中任一项所述的方法。
CN202310705297.0A 2023-06-14 2023-06-14 用于处理透水型水稳再生骨料混合料数字图像方法及装置 Active CN116664539B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310705297.0A CN116664539B (zh) 2023-06-14 2023-06-14 用于处理透水型水稳再生骨料混合料数字图像方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310705297.0A CN116664539B (zh) 2023-06-14 2023-06-14 用于处理透水型水稳再生骨料混合料数字图像方法及装置

Publications (2)

Publication Number Publication Date
CN116664539A CN116664539A (zh) 2023-08-29
CN116664539B true CN116664539B (zh) 2024-03-12

Family

ID=87720549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310705297.0A Active CN116664539B (zh) 2023-06-14 2023-06-14 用于处理透水型水稳再生骨料混合料数字图像方法及装置

Country Status (1)

Country Link
CN (1) CN116664539B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010230421A (ja) * 2009-03-26 2010-10-14 Nakanihon Highway Engineering Nagoya Kk コンクリート画像の領域分割方法
KR20130043746A (ko) * 2011-10-21 2013-05-02 최진성 유황폴리머시멘트를 이용한 교면 포장 방법
CN106644637A (zh) * 2016-12-15 2017-05-10 山东大学 基于ct扫描与3d重构的透水混凝土试件制作方法
CN108364350A (zh) * 2018-01-22 2018-08-03 青岛理工大学 一种混凝土细观结构模型三维重建方法
CN111507985A (zh) * 2020-03-19 2020-08-07 北京市威富安防科技有限公司 图像实例分割优化处理方法、装置和计算机设备
CN113779849A (zh) * 2021-09-28 2021-12-10 中国矿业大学 一种基于ct扫描的钢纤维混凝土模型构建方法
KR20220081496A (ko) * 2020-12-09 2022-06-16 주식회사 도로시 라이다와 카메라 퓨전 기술을 이용한 인공지능 기반 골재 품질 분석 방법 및 클라우드 시스템
CN114842201A (zh) * 2022-03-30 2022-08-02 浙江工业大学 基于改进Mask_Rcnn的砂石骨料图像分割方法
CN114882400A (zh) * 2022-04-28 2022-08-09 华北水利水电大学 一种基于ai智能机器视觉技术的骨料检测分类方法
CN115270629A (zh) * 2022-07-29 2022-11-01 广西大学 一种基于人工智能深度学习的天然骨料混凝土和再生骨料混凝土细观建模和分析方法
CN115594455A (zh) * 2022-06-28 2023-01-13 安徽建筑大学（Cn） 一种磷石膏路面基层水稳材料的制备方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020150294A1 (en) * 2001-02-02 2002-10-17 Honeywell Federal Manufacturing & Technologies, Llc Automated imaging system and method for concrete quality analysis

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010230421A (ja) * 2009-03-26 2010-10-14 Nakanihon Highway Engineering Nagoya Kk コンクリート画像の領域分割方法
KR20130043746A (ko) * 2011-10-21 2013-05-02 최진성 유황폴리머시멘트를 이용한 교면 포장 방법
CN106644637A (zh) * 2016-12-15 2017-05-10 山东大学 基于ct扫描与3d重构的透水混凝土试件制作方法
CN108364350A (zh) * 2018-01-22 2018-08-03 青岛理工大学 一种混凝土细观结构模型三维重建方法
CN111507985A (zh) * 2020-03-19 2020-08-07 北京市威富安防科技有限公司 图像实例分割优化处理方法、装置和计算机设备
KR20220081496A (ko) * 2020-12-09 2022-06-16 주식회사 도로시 라이다와 카메라 퓨전 기술을 이용한 인공지능 기반 골재 품질 분석 방법 및 클라우드 시스템
CN113779849A (zh) * 2021-09-28 2021-12-10 中国矿业大学 一种基于ct扫描的钢纤维混凝土模型构建方法
CN114842201A (zh) * 2022-03-30 2022-08-02 浙江工业大学 基于改进Mask_Rcnn的砂石骨料图像分割方法
CN114882400A (zh) * 2022-04-28 2022-08-09 华北水利水电大学 一种基于ai智能机器视觉技术的骨料检测分类方法
CN115594455A (zh) * 2022-06-28 2023-01-13 安徽建筑大学（Cn） 一种磷石膏路面基层水稳材料的制备方法
CN115270629A (zh) * 2022-07-29 2022-11-01 广西大学 一种基于人工智能深度学习的天然骨料混凝土和再生骨料混凝土细观建模和分析方法

Also Published As

Publication number Publication date
CN116664539A (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN108052653A (zh) 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法
CN109522975B (zh) 手写样本生成方法、装置、计算机设备及存储介质
CN110175641B (zh) 图像识别方法、装置、设备和存储介质
CN106202086B (zh) 一种图片处理、获取方法、装置及系统
CN103838484A (zh) 一种删除冗余图像的方法以及一种电子设备
CN106557307B (zh) 业务数据的处理方法及处理系统
CN111652381A (zh) 数据集贡献度评估方法、装置、设备及可读存储介质
CN110378479B (zh) 基于深度学习的图片输入方法、装置及终端设备
CN113268567A (zh) 多属性文本匹配方法、装置、设备和存储介质
CN110956195A (zh) 图像匹配方法、装置、计算机设备及存储介质
CN113052804A (zh) 一种混凝土构件外观质量量化评估处理方法和装置
CN116664539B (zh) 用于处理透水型水稳再生骨料混合料数字图像方法及装置
CN117934254A (zh) 水印处理模型训练方法、水印处理方法、装置和设备
CN111832610A (zh) 一种3d打印组织预测的方法、系统、介质以及终端设备
CN116168403A (zh) 医疗数据分类模型训练方法、分类方法、装置及相关介质
JP2019191868A (ja) 学習装置、学習方法及び学習プログラム
CN115657899A (zh) 图标处理方法、装置、电子设备及存储介质
CN115797267A (zh) 图像质量评估方法、系统、电子设备和存储介质
CN113591832A (zh) 图像处理模型的训练方法、文档图像处理方法及设备
CN113568733B (zh) 资源分配方法、装置、电子设备及存储介质
CN114861569A (zh) 一种气动特性评估方法、电子设备及存储介质
CN108846883B (zh) 分形图快速绘制方法、系统、用户设备及存储介质
CN109922359B (zh) 一种用户处理方法、装置、设备和存储介质
CN113836130A (zh) 数据质量评估方法、装置、设备及存储介质
CN113887722A (zh) 神经网络的测试方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant