Page 127 - 水利学报2021年第52卷第3期

对应模型参数进行深度阈值卷积模型训练与检测。
4.3 模型检测结果 通过对 16 组共 320 张图像的识别与训练，DO-CNN 模型能够总结图像识别结果

的误差特征及同一级配条件下，不同颗粒分布状态的土石料级配分布规律。为验证模型的检测效
果，以标准筛分试验所得级配真实值为评判依据，采用训练过的 DO-CNN 模型对 2 组未参与训练的
土石料图像进行级配检测。同时，因目前尚未有较成熟的方法可实现土石料图像的准确识别，故仅
以基于最大类间方差法的边缘检测模型对同一验证样本进行检测，以作为 DO-CNN 模型的对照，其
结果如表 2 所示。DO-CNN 模型图像识别结果如图 9 所示。

表 2 DO-CNN 模型与阈值化模型级配检测结果
级配数据/%
特征
验证组 1 验证组 2
粒径/
DO-CNN DO-CNN 边缘检测 边缘检测 DO-CNN DO-CNN 边缘检测 边缘检测
mm 真实值 真实值
识别结果 识别误差 识别结果 识别误差 识别结果 识别误差 识别结果 识别误差
1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
5 16.3 15.2 1.1 29.1 -12.8 13.4 13.8 -0.4 16.9 -3.5
10 29.2 27.6 1.6 30.9 -1.7 23.8 24.9 -1.1 18.2 5.6
20 46.5 44.6 1.9 38.6 7.9 38.9 40.5 -1.6 28.7 10.2
30 56.8 55.6 1.2 43.7 13.1 49.9 51.3 -1.4 31.2 18.7
40 65.6 65.3 0.3 67.2 -1.6 61.1 61.9 -0.8 51.7 9.4
45 71.1 71.1 0.0 75.3 -4.2 68.0 68.5 -0.5 61.5 6.5
50 78.2 78.5 -0.3 83.3 -5.1 76.5 76.7 -0.2 71.3 5.2
55 87.7 88.0 -0.3 91.7 -4.0 87.0 87.1 -0.1 77.8 9.2
60 100.0 100.0 0.0 100.0 0.0 100.0 100.0 0.0 100.0 0.0

（a） 验证组 1 工业相机采集的原始图像 （b） 验证组 1 图像识别结果

（c） 验证组 2 工业相机采集的原始图像 （d） 验证组 2 图像识别结果
图 9 DO-CNN 模型图像识别结果
4.4 结果对比与分析 由 4.3 节可知，分别采用深度阈值卷积模型与基于阈值化的边缘检测模型对 2
组土石料图像进行检测，所得级配曲线如图 10 所示。两种模型级配检测结果的平均绝对百分比误差
（MAPE）与决定系数（R ）如表 3 所示。
2

— 377 —