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

张 鹏, 洪 丽,2,3, 李他单

(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)

0 引 言

混凝土以拥有众多优点而被广泛应用于建筑工程中。但是混凝土的抗拉强度低,易开裂,严重影响其耐久性和安全性。研究显示[1],纤维的掺入能够有效抑制裂缝的开展,明显提高混凝土的抗拉性能和抗裂能力。然而,纤维在基体中的分布对其增强效果有重要影响[2]。大量研究表明[3-6],当纤维分布方向与裂缝开展方向垂直时,纤维增强效果最显著;而当二者平行时,增强效果最差。因此,获取纤维混凝土中短切纤维的分布有利于进一步揭示纤维在基体中的作用机理。

但是针对混凝土中纤维分布的研究,主要基于CT成像技术并获取纤维混凝土的切片图像[7,8],通过图像分析,逐一通过人工标记法确定纤维的位置[9,10],这类方法需要消耗大量的人力且效率低。文献[11-14]采用传统的图像处理法识别短切纤维,该方法首先对图像进行灰度化处理,根据纤维与背景图像的像素值大小不同,再采用阈值法对图形进行二值化分析,使纤维在图像中分割出来。该方法对钢纤维的识别效果较好,因为钢纤维与混凝土基体的密度差别明显。但是,该方法对原始图像的精度要求高,无法准确地分割含有丰富背景噪声的图像,且因玻璃纤维、玄武岩纤维等与混凝土基体的密度差异小,导致阈值法对这类纤维的识别准确率低。……