基于图像的深度学习用于新拌混凝土性能的时变预测
计算机视觉与模式识别
2024-04-16 v2 图像与视频处理
摘要
提高混凝土生产过程的数字化和自动化程度，对于减少与混凝土生产相关的 CO 排放至关重要。本文提出了一种方法，能够基于混凝土流动行为的立体图像序列，在搅拌过程中预测新拌混凝土的性能。该方法使用卷积神经网络 (CNN) 进行预测，输入为图像以及配合比设计信息。此外，网络还接收以图像拍摄时间与混凝土参考值测定时间之差形式呈现的时间信息。利用这些时间信息，网络隐式地学习了混凝土性能的时间依赖行为。网络预测了坍落扩展度直径、屈服应力和塑性粘度。这种时变预测有可能开辟一条途径，即在搅拌期间确定新拌混凝土性能的时间演变。这为混凝土行业提供了巨大优势，从而可以及时采取对策。结果表明，基于深度和光流图像并辅以配合比设计信息的方法取得了最佳结果。
引用
@article{arxiv.2402.06611,
title = {Image-based Deep Learning for the time-dependent prediction of fresh concrete properties},
author = {Max Meyer and Amadeus Langer and Max Mehltretter and Dries Beyer and Max Coenen and Tobias Schack and Michael Haist and Christian Heipke},
journal= {arXiv preprint arXiv:2402.06611},
year = {2024}
}