基于深度学习技术的纤维混凝土CT图像中短切玻璃纤维的快速识别模型  

Short glass fiber segmentation in FRC Nano-CT images using deep learning

作　　者：张鹏[1] 洪丽[1,2,3] 李他单 ZHANG Peng;HONG Li;LI Ta-dan

机构地区：[1]合肥工业大学土木与水利工程学院,安徽合肥230009 [2]同济大学工程结构服役性能演化与控制教育部重点实验室,上海200092 [3]合肥水泥研究设计院有限公司,安徽合肥230051

出　　处：《工程与建设》2021年第6期1370-1373,1380,共5页Engineering and Construction

基　　金：国家自然科学基金资助(项目编号:51508146);同济大学工程结构服役性能演化与控制教育部重点实验室开放基金资助(项目编号:KF2019-4);中央高校基本科研业务费专项资金资助.

摘　　要：纤维分布对纤维混凝土力学性能的影响不可忽视。在获取纤维分布信息时,以往多数采用的是人工标记和图像处理的方法,但是这类方法效率低或准确率不高。针对这一问题,本文提出了基于深度学习技术的快速识别方法。首先基于Nano-CT获取了850张玻璃纤维混凝土的原始切片图像,并通过数据增强技术获得了2700张数据图像,其中2400张用于模型训练,其余300张用于模型验证。基于DeeplabV3+网络算法,建立短切玻璃纤维的快速识别模型,获取最佳训练参数后,对训练集进行训练后,通过验证集验证并预测识别结果,发现模型的准确率ACC、交并比IOU和F1-score分别达到了99.3%、67.2%和80.4%。这表明,DeeplabV3+模型能够准确识别混凝土中的短切玻璃纤维。

关 键 词：纤维混凝土 短切纤维 深度学习 图像分割 DeeplabV3+ 

分 类 号：TU528.572[建筑科学—建筑技术科学]