一种基于图像识别的块体填充地基承载力估算方法及系统

计算;推算;计数设备的制造及其应用技术1.本发明涉及工程技术和计算机技术领域，具体地指一种基于图像识别的块体填充地基承载力估算方法及系统，用于地基承载力估算。背景技术：2.随着海洋战略的实施，越来越多的人工岛礁应运而生，许多建筑物都需要建立在岛礁之上，而天然的地基无法满足承载力要求，因此需要对天然地基进行处理。传统的地基处理方法是从远离工程所在地的其它地方运送土石来进行地基改善，这种方法运输成本较大，周期较长，对于海上建筑物更存在运输条件的限制，因而就此取材，利用海底或者周边礁石等块状物来进行地基处理较为方便。对于处理后的人工地基，需要对其承载力有个初步预测，目前，岩石地基承载力的计算方法仍然是利用传统的现场测定或者实验室利用单轴压缩机测定岩石饱和单轴抗压强度fγk，再根据岩体完整程度以及结构面的间距、宽度、产状、和组合，由地区经验确定折减系数ψr，再根据岩石地基承载力特征值fa＝ψr×fγk计算得出岩石地基承载力。现场测定的方法需携带大型的地基承载力测定仪器，对于人工吹填岛礁，现场测定仪器不方便使用，不能较为方便地得出地基承载力。技术实现要素：3.本发明针对上述存在的问题，提出一种基于图像识别的块体填充地基承载力估算方法及系统，通过计算机进行图像识别、面积计算再结合力学曲线得到地基承载力。4.为实现上述目的，本发明所设计的一种基于图像识别的块体填充地基承载力估算方法及系统，其特殊之处在于，所述方法包括：5.步骤1：对测试土石料类别进行单颗粒的力学强度试验，绘制该测试土石料类别抗压强度σ的概率分布曲线，并得到颗粒抗压强度代表值σc；6.步骤2：对测试土石料堆料区域进行图片拍摄，将得到的图片中的土石料颗粒进行图像标注，勾勒出土石料颗粒的轮廓；7.步骤3：采用基于全神经网络的u-net模型对标注后的图像进行分割处理；8.步骤4：对分割后的图像进行面积处理，计算大颗粒面积分数9.步骤5：根据大颗粒面积分数计算孔隙分数根据图像的孔隙分数w计算对应的传力系数η；10.步骤6：根据传力系数η和安全系数k、以及抗压强度σc计算得到测试土石料堆料区域的地基承载力f＝η·σc/k。11.优选地，所述步骤1的具体步骤为：制作测试土石料标准试样若干个，分别测试其单轴抗压强度；对单轴抗压强度数据进行处理，计算算术平均值标准偏差，设置置信度，得到置信区间，筛选出置信区间内的数据，绘制该测试土石料类别抗压强度σ的概率分布曲线，计算置信区间内数据的算术平均值，得到颗粒抗压强度代表值σc。12.优选地，所述步骤3的具体步骤为：对标注后的图像进行五次降采样处理，每次降采样过程均保留特征图像，经四次降采样后，生成了特征图像；然后对特征图像进行反卷积，每次反卷积结果与相对应层的卷积特征图像进行结合连接，再对结合后的图像进行卷积提取结合特征，即完成了一次跨越联接；最后对经五次跨越联接后的输出的特征图像进行特征分类，即完成了块体填充地基土石料颗粒图像的分割过程。13.优选地，所述大颗粒面积分数的计算公式为其中n为大颗粒总数量；s为图像总面积；a、b分别为颗粒最大投影面轮廓对应外接椭圆的长短轴。14.优选地，所述步骤5中通过室内试验和数值模拟建立孔隙分数w与传力系数η的对应关系：进行若干组测试土石料的传力系数试验法，通过线性回归的方法得到测试土石料的孔隙分数w与传力系数η的关系函数g(w)，根据图像的孔隙分数w代入g(w)函数得到传力系数η。15.优选地，所述安全系数k的取值范围为1.2～1.5。16.本发明还提出一种基于图像识别的块体填充地基承载力估算系统，其特殊之处在于，所述系统包括抗压强度计算模块、图像分割模块、面积处理模块、地基承载力计算模块；17.所述抗压强度计算模块：用于对测试土石料的单轴抗压强度试验数据进行处理，计算测试土石料的颗粒抗压强度代表值σc；18.所述图像分割模块：用于对块体填充地基土石料颗粒图像进行分割，首先对图像进行五次降采样处理，每一次图像的降采样过程中，进行2次3×3卷积和1次2×2最大池化，每次降采样过程均保留特征图像；经四次降采样后，生成了特征图像；然后对特征图像进行反卷积，每次反卷积结果与相对应层的卷积特征图像进行结合连接，再对结合后的图像进行卷积提取结合特征，即完成了一次跨越联接；最后对经五次跨越联接后的输出的特征图像进行特征分类，即完成了块体填充地基土石料颗粒图像的分割过程；19.所述面积处理模块：用于对分割后的图像进行面积处理，计算大颗粒面积分数20.所述地基承载力计算模块：用于根据传力系数η和安全系数k、以及抗压强度σc计算测试土石料堆料区域的地基承载力f。21.本发明另外提出一种计算机可读存储介质，存储有计算机程序，其特殊之处在于，所述计算机程序被处理器执行时实现上述的方法。22.采用了以上技术方案，本发明的积极效果和优点在于：23.(1)利用图像识别技术，建立多颗粒抗压强度数据库，相较于传统的地基承载力估算方法，通过计算机进行图像识别、面积计算再结合力学曲线得到地基承载力。24.(2)本发明提供的方法简单便捷，不需要复杂的测量工序和设备，减少了现场或室内试验成本，适用于海洋环境下的地基承载力估算，同时也适用于陆地地基承载力估算。25.(3)本发明提出的方法通过拍照得到图像即可估算拍照区域地基承载力大小，无需进行原位试验或者取样进行室内模拟试验，省去了试验的繁琐程序，大大简化了工作流程，效率较传统试验方法有较大的提升。附图说明26.图1为本发明一种基于图像识别的块体填充地基承载力估算方法的流程图。27.图2为多颗粒抗压强度概率密度分布图。28.图3为块体地基原始示意图。29.图4为块状物颗粒标注示意图。30.图5为u-net模型块体填充地基图像分割流程示意图。31.图6为块状物颗粒分割示意图。32.图7为传力系数与孔隙分数关系图。33.图8为花岗岩实例中孔隙分数与传力系数图。具体实施方式34.以下结合附图和具体实施例对本发明作进一步的详细描述。35.如图1所示，本发明提出的一种基于图像识别的块体填充地基承载力估算方法的实施步骤如下：36.步骤1：对测试土石料类别进行单颗粒的力学强度试验，绘制该测试土石料类别抗压强度σ的概率分布曲线，并得到颗粒抗压强度代表值σc；37.制作测试土石料标准试样若干个，分别测试其单轴抗压强度；对单轴抗压强度数据进行处理，计算算术平均值标准偏差，设置置信度，得到置信区间，筛选出置信区间内的数据，绘制该测试土石料类别抗压强度σ的概率分布曲线，如图2所示，计算置信区间内数据的算术平均值，得到颗粒抗压强度代表值σc。38.步骤2：对测试土石料堆料区域进行图片拍摄，将得到的图片中的土石料颗粒采用labelme进行图像标注，勾勒出土石料颗粒的轮廓，如图3、图4所示；39.步骤3：采用基于全神经网络的u-net模型对标注后的图像进行分割处理。首先对图像进行五次降采样处理，每一次图像的降采样过程中，进行2次3×3卷积和1次2×2最大池化。每次降采样过程均保留特征图像。经四次降采样后，生成了特征图像；然后对特征图像进行反卷积，每次反卷积结果与相对应层的卷积特征图像进行结合连接，再对结合后的图像进行卷积提取结合特征，即完成了一次跨越联接；最后对经五次跨越联接后的输出的特征图像进行特征分类，即完成了块体填充地基土石料颗粒图像的分割过程，如图5、图6所示。图5中，步骤①表示进行3×3卷积；步骤②表示进行2×2池化；步骤③表示进行反卷积；步骤④表示进行图像结合；步骤⑤表示跨越联接。图6为u-net模型输出的块状物颗粒分割图。40.步骤4：对分割后的图像进行面积处理，计算大颗粒面积分数41.假定每个分割单元近似为椭圆形，计算大颗粒(粒径大于等于4.75mm)面积分数其中n表示大颗粒总数量；s表示图像总面积；a、b表示颗粒最大投影面轮廓对应外接椭圆的长短轴。42.步骤5：根据大颗粒面积分数计算孔隙分数根据图像的孔隙分数w计算对应的传力系数η；43.通过室内试验和数值模拟建立孔隙分数w与传力系数η的对应关系：进行若干组测试土石料的传力系数试验法，通过线性回归的方法得到测试土石料的孔隙分数w与传力系数η的关系函数g(w)，如图7所示，根据图像的孔隙分数w代入g(w)函数得到传力系数η。44.步骤6：根据传力系数η和安全系数k、以及抗压强度σc计算得到测试土石料堆料区域的地基承载力f＝η·σc/k。45.本实施例以花岗岩块体地基作为测试土石料类别，具体实施过程如下：46.a.制作花岗岩标准试样100个，分别测试其单轴抗压强度，得到数据如下(单位mpa)：47.106.9103.094.797.999.0118.7107.880.288.2117.1108.0102.288.686.6100.4107.8101.8106.886.284.4102.489.5117.1107.7100.0107.883.095.0104.5111.091.290.380.0107.099.3114.1116.5113.683.586.198.6116.0120.1116.296.7114.0117.4103.8100.290.588.9109.9111.5110.689.497.6116.6120.6118.395.486.282.497.090.7116.3114.6117.489.890.095.5117.192.787.1104.6104.387.680.799.498.1120.4107.6119.987.1108.491.0108.898.384.991.5102.886.2111.9110.6102.984.092.1108.884.486.0100.748.对这组数据进行处理，得到算术平均值为100.6，标准偏差为11.69153，显著性水平设为10％即置信度为90％，得到置信区间为(98.7，102.5)，筛选出上述表中大于等于98.7，小于等于102.5的数据如下表(单位mpa)：49.102.4102.299.0100.4100.099.3101.899.4100.2100.750.计算上述数据算术平均值，得到抗压强度代表值σc为100.5；51.b.通过前述步骤2)、3)、4)对拍摄的进行图像处理，得到面积分数为91％，孔隙分数为52.c.孔隙分数与传力系数试验数据(如下表)53.孔隙分数传力系数015％0.938％0.8912％0.8417％0.8020％0.7723％0.7426％0.7228％0.7031％0.6854.如图8所示，可用线性回归的方法得到花岗岩块体地基孔隙分数w与传力系数η的公式：55.η＝0.0108×(10w)2-1.378w+1.00256.由于孔隙分数w＝9％不在试验数据中，因此将其代入上式，可得传力系数η＝0.89；57.d.根据地基承载力f＝η·σc/k，将η＝0.89,σc为100.5代入前式，取k＝1.2，可得照片拍摄处花岗岩块体地基承载力为74.5mpa。58.本发明还提出一种基于图像识别的块体填充地基承载力估算系统，该系统部署于计算机内，用于实现一种基于图像识别的块体填充地基承载力估算方法。该系统包括抗压强度计算模块、图像分割模块、面积处理模块、地基承载力计算模块；59.抗压强度计算模块：用于对测试土石料的单轴抗压强度试验数据进行处理，计算测试土石料的颗粒抗压强度代表值σc；60.图像分割模块：用于对块体填充地基土石料颗粒图像(图像已经过标注处理)进行分割，首先对图像进行五次降采样处理，每一次图像的降采样过程中，进行2次3×3卷积和1次2×2最大池化，每次降采样过程均保留特征图像；经四次降采样后，生成了特征图像；然后对特征图像进行反卷积，每次反卷积结果与相对应层的卷积特征图像进行结合连接，再对结合后的图像进行卷积提取结合特征，即完成了一次跨越联接；最后对经五次跨越联接后的输出的特征图像进行特征分类，即完成了块体填充地基土石料颗粒图像的分割过程；61.面积处理模块：用于对分割后的图像进行面积处理，计算大颗粒面积分数62.地基承载力计算模块：用于根据传力系数η和安全系数k、以及抗压强度σc计算测试土石料堆料区域的地基承载力f。63.本发明另外提出一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于图像识别的块体填充地基承载力估算方法。64.尽管上面结合附图对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以作出很多形式的具体变换，这些均属于本发明的保护范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!