[发明专利]一种混凝土制备混合装置及其方法

权利要求书

1.一种混凝土制备混合方法，其特征在于，包括：

将水泥、粉煤灰、矿渣粉和硅灰进行混合以得到胶凝材料混合物；

将细骨料和粗骨料进行混合以得到骨料混合物；

将所述胶凝材料混合物和所述骨料混合物加入混凝土搅拌机中进行处理以得到混凝土拌合物；以及

将所述混凝土拌合物浇筑到模板中，并进行振捣和养护以得到混凝土。

2.根据权利要求1所述的混凝土制备混合方法，其特征在于，将所述混凝土拌合物浇筑到模板中，并进行振捣和养护以得到混凝土，包括：

获取由摄像头采集的预定时间段的振捣监控视频；

获取所述预定时间段内多个预定时间点的振动频率值和振幅值；

将所述多个预定时间点的振动频率值和振幅值分别按照时间维度排列为振动频率输入向量和振幅输入向量后，对所述振动频率输入向量和所述振幅输入向量进行关联编码以得到振动频率-振幅关联矩阵；

将所述振动频率-振幅关联矩阵通过作为过滤器的卷积神经网络模型以得到振动频率-振幅关联特征向量；

从所述振捣监控视频提取多个振捣监控关键帧，并从所述多个振捣监控关键帧提取光流图像的序列；

将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到振捣效果时间流特征向量；

计算所述振捣效果时间流特征向量相对于所述振动频率-振幅关联特征向量的响应性估计以得到分类特征矩阵；

对所述分类特征矩阵进行规则化增强以得到优化分类特征矩阵；以及

将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的振幅值应增大或应减小。

3.根据权利要求2所述的混凝土制备混合方法，其特征在于，对所述振动频率输入向量和所述振幅输入向量进行关联编码以得到振动频率-振幅关联矩阵，包括：

以如下编码公式对所述振动频率输入向量和所述振幅输入向量进行关联编码以得到所述振动频率-振幅关联矩阵；

其中，所述编码公式为：

其中，V₁表示所述振动频率输入向量，表示所述振动频率输入向量的转置向量，V₂表示所述振幅输入向量，M_a表示所述振动频率-振幅关联矩阵，表示矩阵相乘。

4.根据权利要求3所述的混凝土制备混合方法，其特征在于，将所述振动频率-振幅关联矩阵通过作为过滤器的卷积神经网络模型以得到振动频率-振幅关联特征向量，包括：

使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：

对所述输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于特征矩阵的均值池化处理以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述振动频率-振幅关联特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述振动频率-振幅关联矩阵。

5.根据权利要求4所述的混凝土制备混合方法，其特征在于，从所述振捣监控视频提取多个振捣监控关键帧，并从所述多个振捣监控关键帧提取光流图像的序列，包括：以预定采样频率从所述振捣监控视频提取所述多个振捣监控关键帧。

6.根据权利要求5所述的混凝土制备混合方法，其特征在于，将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到振捣效果时间流特征向量，包括：

使用所述基于三维卷积神经网络模型的时间流特征提取器的各层在层的正向传递中分别对所述光流图像的序列进行基于三维卷积核的卷积处理、池化处理和非线性激活处理以由所述基于三维卷积神经网络模型的时间流特征提取器的最后一层输出为特征图；以及

对所述特征图进行降维以得到所述振捣效果时间流特征向量。