[口头报告]基于深度学习的颗粒大小和形状表征方法

主办单位

河海大学

中国力学学会计算力学专业委员会颗粒材料计算力学专业组

江苏省力学学会

中国颗粒学会颗粒计算专业委员会（筹）

承办单位

河海大学

蒙纳士大学

协办单位

东南大学

江西理工大学

东北大学

大连理工大学中白科研与创新中心

苏州科技大学

工业装备结构分析优化及CAE软件全国重点实验室

赞助机构

科力时代软件（大连）有限公司

曙光智算信息技术有限公司

北京并行科技有限公司

上海积鼎信息科技有限公司

重要日期

会议通知
2023 年 12 月，发布会议第一轮通知
摘要提交
2024 年 3 月 31 日前
全文提交
2024 年 4 月 30 日前
会议注册
2024 年 1 月 1 日起
会议时间
2024 年 5 月 31 日（星期五）报到
2024 年 6 月 1 日 - 3 日会议

基于深度学习的颗粒大小和形状表征方法

编号：80 稿件编号：232 访问权限：仅限参会人更新：2024-04-09 22:37:53 浏览：582次口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会议：[暂无会议] » [暂无会议段]

暂无文件

摘要

粗粒土的力学性质与其颗粒形状和粒径密切相关。传统方法通过筛分试验确定颗粒粒径，并采用与标准图表对比定性描述颗粒形状。然而，传统方法存在许多不足和限制，难以适用于粒径过大和难以采样等特殊情况。因此，本文基于深度学习提出了一种针对图像识别的粗粒土粒径和形状量化方法。该方法采用实例分割模型SOLOv2，结合可变形卷积网络对图像中堆叠的粗粒土进行准确分割。然后，依据计算几何方法对分割颗粒的形状和粒径进行量化分析，并将量化结果与实际结果进行对比。结果表明，本文提出的方法与传统方法的测量结果基本一致，验证了提出方法的准确性。另外，采用该方法对广西武鸣河和火星上的粗粒土进行分析测试，结果符合标准图表的视觉预期，这为准确量化粗粒土的颗粒形状和粒径提供一种新途径。

关键字

粗粒土，颗粒形状，粒径，图像分割，深度学习

报告人

刘子杨

广西大学

稿件作者

刘子杨广西大学

龚健广西大学