基于卷积神经网络的土体含水率智能识别
庞元恩
王智诚
李旭
杜赛朝
北京交通大学土木建筑工程学院,北京 100044
摘要：土体含水率是影响细粒土性质的主要因素.土体表层含水率的快速识别是农业和岩土工程中智能监测和智能建造技术发展中的急迫需求.为了克服传统含水率测量或监测方法无法满足土体表层含水率的实时无损监测的局限性,特研发基于图像的含水率智能识别算法.首先在实验室中收集了 4 种不同类别的土体、在不同含水率下的表面照片,获得了超过 1 400 张图片的高质量样本库,为机器学习模型构建奠定了数据基础.然后采用经典的卷积神经网络对土体含水率图像数据集进行学习,建立了土体含水率智能识别模型.模型比选结果表明:基于ResNet34架构的土体含水率识别模型效果最佳,在测试集上的含水率预测平均误差约为 2%.该模型初步满足了土体表层含水率的实时无损监测需求,能够为农业和岩土工程中智能监测和智能建造技术发展提供重要手段.
关键词：土体含水率深度学习卷积神经网络智能监测智能建造工程地质
分类号：P581(岩石学)
资助基金：国家重点研发计划(No.2022YFE0200400)
论文发表日期：2024-05-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 1746-1758 )
英文信息