结合Mask R-CNN和SAM获取堆石混凝土坝堆石级配曲线

付立群; 金峰; 张喜喜; 杨家琦; 周虎

doi:10.20040/j.cnki.1000-7709.2024.20241626

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

结合Mask R-CNN和SAM获取堆石混凝土坝堆石级配曲线

更新时间：2026-02-25

- 结合Mask R-CNN和SAM获取堆石混凝土坝堆石级配曲线
- Issue 11, Pages: 7-11+130(2024)
- 作者机构：
  
  清华大学水沙科学与水利水电工程国家重点实验室
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20241626
  CLC： TV642
- Published：2024
- 稿件说明：
移动端阅览
付立群, 金峰, 张喜喜, et al. 结合Mask R-CNN和SAM获取堆石混凝土坝堆石级配曲线[J]. 2024, (11): 7-11+130.
DOI：

付立群, 金峰, 张喜喜, et al. 结合Mask R-CNN和SAM获取堆石混凝土坝堆石级配曲线[J]. 2024, (11): 7-11+130. DOI： 10.20040/j.cnki.1000-7709.2024.20241626.

摘要

堆石混凝土坝施工过程质量控制的关键是浇筑密实度，其不仅决定于自密实混凝土工作性能，也与堆石体中的空隙性质密切相关。快速获取堆石粒径级配可以保障浇筑质量的同时，有利于进一步降低成本。现场的堆石数量巨大，依靠手工测量块石粒度不切实际，依靠图像识别技术快速获取堆石粒径是可行的办法。利用Mask R-CNN算法和大模型Segment Anything算法，设计了一套完整的、可操作的获取现场堆石粒径级配曲线的方法。该级配计算方法利用了Mask R-CNN算法和Segment Anything算法各自的优势，提高了堆石料粒径识别结果的准确性，拓展了堆石粒径识别的应用场景。将该方法应用于某堆石混凝土拱坝施工现场，取得了良好效果。

Abstract

关键词

Keywords

references

罗键,张全意,曾旭,徐小蓉.堆石混凝土拱坝整体浇筑质量检测分析[J].水利与建筑工程学报,2024(01).

郑文勇.基于人工智能的堆石混凝土坝安全监测管理系统研究及应用[J].水利科技,2023(04).

刘易,付立群,徐小蓉,郭欣晟,金峰.仓面大粒径堆石的图像处理与粒径识别[J].三峡大学学报(自然科学版),2022(06).

沈乔楠,安雪晖,于玉贞.基于视觉信息的堆石质量评价[J].清华大学学报(自然科学版),2013(01).

Pan Changcheng,Jin Feng,Zhou Hu.Early-age performance of self-compacting concrete under stepwise increasing compression[J].Cement and Concrete Research,2022.

Views

178

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰