基于图像识别的开挖砂土含泥量快速检测技术

摘要

针对平陆运河开挖砂土工程量大、实验室检测含泥量的方法耗时长、操作复杂等问题，提出一种基于泥浆快速配置、拍照图像识别的砂土含泥量快速检测技术。通过取样、配置泥浆、定时沉降后拍摄样品图像，以提取测试区与黑白对比区的颜色特征为输入，含泥量作为输出，建立一个包含254组数据的数据库，利用人工神经网络进行含泥量预测训练、超参数的择优。最终测试集的预测结果与真实结果对比显示，该方法在低含泥量(10%以下)检测中具有较高的精度，误差在1%以内；对于高含泥量(10%～60%)检测平均误差在5%以内。这种技术简化了操作，提升了检测效率，可以在现场实时进行运输流向决策(直接资源化利用、洗砂后利用或堆填处置),显著提高施工效率。

关键词

含泥量 / 快速检测 / 人工神经网络 / 机器学习