Page 54 - 2025年第56卷第10期

图 17 级配筛分结果

料每 10 000 ~ 100 000 m 、过渡料每 3000 ~ 6000 m 需进行 1 次级配筛分。该系统针对每辆运输车进行
3
3
检测，单次运输量按 40 m 计，检测密度分别提高 75 和 250 倍；时效方面，传统筛分法平均耗时超
3
2 h，难以与施工节奏同步；而该系统耗时在 1 min 内，可在堆石料运输单程内完成检测与反馈。综上，
本文提出的堆石料级配视觉智能推理系统作为事前检测手段，能够在上坝前的运输环节，发现不合格
坝料，避免劣质填料上坝，提高了填料质量管控的精细化水平。

6 结论

针对堆石坝填筑料颗粒级配快速检测难题，本文提出了基于影像采集—轮廓感知—三维估计—视
觉级配识别—实际级配推理等步骤的堆石料级配视觉智能推理方法。主要结论如下：
（1）提出了考虑堆叠遮挡的堆石料级配视觉智能推理方法。通过在运输环节无接触采集堆石料视
觉图像，结合颗粒轮廓感知、三维尺寸随机模拟和估计、实际级配推理等技术，解决了“粒间遮挡”
“石块三维形状和堆叠角度不确定性”及“层间遮挡”的问题。可在填筑前的坝料采运阶段实现高精
度、全覆盖、无接触检测大规模堆石料的级配。
（2）建立了基于深度学习的颗粒视觉轮廓分割模型，据此采用凸包算法关键点检测、等效椭圆拟
合，实现了粒间遮挡条件下颗粒实际轮廓重构，为级配分析奠定了基础。
（3）构建了基于重构轮廓的颗粒三维尺寸估计模型。基于颗粒重构轮廓参数，建立了颗粒三维尺
寸随机模拟的估计模型，实现了堆叠条件下表面颗粒实际三维尺寸的估计，为堆石料的视觉级配测算
提供条件。
（4）构建了考虑颗粒层间遮挡的实际级配推理模型。基于料堆表面视觉级配，通过学习同源堆石
料的表层视觉级配与实际级配的相关性，实现了实际级配推理。
某水电站面板堆石坝施工中，应用本文的级配推理系统实现了填料级配的智能检测，可在石料上
坝前实现大规模石料级配高效、高精度的检测，助力提升填料质量管控水平。

参 考 文 献：

［ 1 ］ 王佳俊，祁宁春，钟登华，等 . 高心墙堆石坝原生集成式智能无人碾压系统研发及应用［J］ 水利学报，
.
2022，53（12）：1421-1432.
.
［ 2 ］ 樊书抗，杨正权，朱凯斌，等 . 土的级配特征与连续级配方程研究［J］ 水利学报，2024，55（5）：597-606.
［ 3 ］ 沈超敏，邓刚，刘斯宏，等 . 基于颗粒堆积算法的堆石料压实密度预测研究［J］ 水利学报，2023，54（8）：
.
920-929.
［ 4 ］ 刘彪，赵宇飞，陈祖煜，等 . 小样本条件下砂砾石坝料级配特征参数的贝叶斯估计方法［J］ 水利学报，
.
2022，53（5）：608-620.
— 1301 —