Feb, 2024
基于图像的深度学习用于新鲜混凝土性能的时间相关预测
Image-based Deep Learning for the time-dependent prediction of fresh concrete properties
Max Meyer, Amadeus Langer, Max Mehltretter, Dries Beyer, Max Coenen...
TL;DR增加混凝土生产过程中数字化和自动化的程度可以在减少与混凝土生产相关的 CO2 排放中起到至关重要的作用。本文提出了一种方法，可以基于混凝土流动行为的立体图像序列来预测新鲜混凝土的性质。该预测使用了卷积神经网络（CNN），它接收以图像为输入并支持混合设计信息的图像，并通过时间差来隐含学习混凝土性质的时态行为。网络预测了塌落流动直径、屈服应力和塑性粘度。这种时态预测潜在地为在混合过程中确定新鲜混凝土性质的时态发展提供了巨大优势，从而使混凝土行业能够及时采取应对措施。研究结果表明，基于深度和光流图像结合混合设计信息的方法取得了最佳结果。