U-Net深度学习在建筑垃圾再生骨料中的识别量化与性能预测

肖霑; 邓年春; 王田龙; 徐于洋

doi:10.15958/j.cnki.gdxbzrb.2026.01.13

贵州大学学报（自然科学版） ›› 2026, Vol. 43 ›› Issue (1) : 101 -109. DOI: 10.15958/j.cnki.gdxbzrb.2026.01.13

U-Net深度学习在建筑垃圾再生骨料中的识别量化与性能预测

肖霑, 邓年春, 王田龙, 徐于洋

作者信息 +

Author information +

文章历史 +

PDF

摘要

建筑垃圾再生骨料作为一种可回收利用的资源，其有效识别与量化解析对于提前快速准确获取再生骨料成分和性能、提高建筑垃圾利用率具有重要意义。本文引入U-Net深度学习模型，对再生骨料成分进行分类识别和量化，并建立再生骨料物理性能指标预测的数学模型。研究结果表明：实验通过对建筑垃圾再生骨料中的红砖骨料、瓷砖骨料、砂浆骨料、碎石骨料等成分构建图像训练集，利用U-Net模型强大的特征提取能力，进行精确识别和分类，各骨料成分识别精确度达到96%,能够准确区分不同类型的再生骨料，并通过可视化的分割热力图展现出识别与分割的动态演化过程；依据U-Net模型识别结果中各成分骨料的图像掩码，由面积分数按照同粒径等效换算为圆柱体或椭球体，获取再生骨料各组分的体积分数或质量分数，预测值与实测值累计误差值在±3%以内；按照再生骨料各组分性能混合定律，由各组分质量分数建立再生骨料混合料物理性能指标的预测模型，对早期预判再生混合料性能和建筑垃圾再生利用提供可靠的数据支撑。