Un metodo di segmentazione e conteggio di aggregati grossi e fini, denominato BC-GECO2, è stato proposto per ridurre gli errori di determinazione della granulometria nel calcestruzzo idraulico. Il lavoro, firmato da Jiandong Wu, Baijing Wu, Jianwei Deng, Long Ma, Shuhong Liu e Shufan Zhang, è stato pubblicato sulla rivista Infrastructures (Vol. 11, pagine 297, doi: 10.3390/infrastructures11090297). Il tema interessa direttamente l’automazione digitale delle attività di caratterizzazione degli inerti: il conteggio degli aggregati per classe dimensionale, particolarmente critico quando gli elementi sono sovrapposti o ammassati, viene affrontato con un modello di visione artificiale addestrato su dati raccolti in cantiere.
La criticità di partenza è ricorrente nell’analisi automatica delle immagini di inerti: con aggregati sovrapposti o raggruppati in ammassi, di tipo misto e con distribuzioni spaziali diversificate, la segmentazione genera errori di over-segmentazione, quando un singolo aggregato viene suddiviso in più elementi, oppure di under-segmentazione, quando più aggregati vengono accorpati in uno solo. Entrambe le condizioni falsano il conteggio per classe granulometrica e, di conseguenza, la stima della gradazione. BC-GECO2 affronta il problema su tre fronti: estrazione delle caratteristiche multi-scala, gestione dei contorni negli ammassi densi e ottimizzazione orientata al conteggio.
Architettura del metodo
BAHiera: estrazione multi-scala con attenzione ai bordi
La rete di estrazione delle caratteristiche BAHiera ricava caratteristiche profonde multi-scala tramite un meccanismo di attenzione sensibile ai bordi (edge-aware attention), che orienta il processo di estrazione verso le informazioni di contorno degli aggregati.
DFG-Edge: potenziamento dei confini negli ammassi densi
Il modulo DFG-Edge è dedicato alle caratteristiche di confine degli aggregati a distribuzione densa e le potenzia integrando la trasformata wavelet con un meccanismo di fusione gated. L’effetto atteso è la mitigazione della perdita delle caratteristiche dei piccoli aggregati durante il downsampling.
CSFM-GFFCA: fusione adattiva tra scale
Il modulo CSFM-GFFCA si basa su una struttura a doppio ramo con tre funzioni: fondere in modo adattivo le caratteristiche di scale adiacenti, rafforzare le risposte di bordo dei piccoli aggregati densamente distribuiti e migliorare l’interazione tra caratteristiche di livelli diversi della rete.
Ottimizzazione congiunta di Focal loss e counting loss
La funzione di ottimizzazione combina la Focal loss con una counting loss dedicata al conteggio. L’orientamento è verso i pixel più difficili da classificare, in particolare quelli situati sui bordi degli aggregati, con l’obiettivo di migliorare l’integrità della segmentazione e l’accuratezza del conteggio.
Risultati sperimentali
Le verifiche sono state condotte su un dataset di aggregati raccolto in cantieri reali. Nel confronto con il modello base GECO2, il metodo proposto migliora i valori medi degli indicatori di segmentazione e riduce gli errori medi del conteggio secondo la tabella seguente.
| Indicatore | Variazione media rispetto a GECO2 |
|---|---|
| IoU di segmentazione | +2,92% |
| Dice | +5,04% |
| BIoU | +2,83% |
| MAE del conteggio | -6,92 |
| RMSE del conteggio | -15,65 |
L’IoU (Intersection over Union) e l’indice di Dice quantificano la corrispondenza tra la segmentazione prodotta dal modello e il riferimento; MAE (errore assoluto medio) e RMSE (radice dell’errore quadratico medio) esprimono lo scostamento del conteggio rispetto ai valori attesi.
Gli autori riportano inoltre una robustezza e una capacità di generalizzazione superiori rispetto al modello base in scenari con diverse densità di ammassamento degli aggregati e con bordi sfocati.
Ambito e rilevanza operativa
Il metodo è presentato come supporto tecnico per lo sviluppo intelligente del rilevamento rapido della granulometria del calcestruzzo. Le prestazioni documentate si riferiscono alla segmentazione e al conteggio su immagini di aggregati raccolti nei cantieri considerati, con confronto numerico stabilito rispetto a GECO2; su eventuali integrazioni con altri strumenti o workflow digitali di cantiere non vengono forniti elementi.
In sintesi, BC-GECO2 concentra gli interventi di progetto sui punti che generano gli errori di conteggio, ovvero sovrapposizione e ammassamento degli inerti e definizione dei bordi, e quantifica i miglioramenti rispetto al modello di partenza su dati reali di cantiere.
Lascia un commento