一种建筑废弃物的回收处理方法发明专利

专利名称：一种建筑废弃物的回收处理方法

专利类型：发明专利

专利申请号：CN202411015016.X

专利申请（专利权）人：邯郸中材建设有限责任公司
权利人地址：河北省邯郸市复兴区建设大街87号

专利发明（设计）人：杨跃敏,戴炳君,王海红,任春武,陈诗慧,刘德磊,刘海军

专利摘要：本发明公开了一种建筑废弃物的回收处理方法，涉及建筑废弃物处理技术领域，该方法包括：识别多块废弃物的规格信息、杂质含量信息和颗粒级配信息；预测获得多个压缩强度信息；获得多个修正压缩强度信息；构建废弃物性能参数矩阵，并计算分析获得多个利用性能评分；构建废弃物回收参数矩阵，计算分析获得多个回收利用评分；按照多个修正回收利用评分进行回收处理。解决了现有建筑废弃物回收存在的难以准确识别废弃物的类别、无法根据不同废弃物的性能差异进行回收处理，进而导致建筑废弃物分类的准确性及效率不高、回收处理结果不够全面造成资源浪费的技术问题，实现回收处理的针对性和高效性，达到了提高回收处理效率和资源优化利用的技术效果。

主权利要求：
1.一种建筑废弃物的回收处理方法，其特征在于，所述方法包括：
对拆除的废弃建筑内的多块废弃物进行图像采集，识别所述多块废弃物的规格信息、杂质含量信息和颗粒级配信息，其中，所述多块废弃物为混凝土废弃物；
对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息，结合多个颗粒级配信息，预测获得多个压缩强度信息；
采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息；
基于进行废弃物回收使用的目标使用环境信息，对所述多个密度信息、多个吸水率信息进行计算评价，并结合多个颗粒级配信息和多个修正压缩强度信息，构建废弃物性能参数矩阵，并计算分析获得所述多块废弃物的多个利用性能评分；
根据多个利用性能评分、多个规格信息和多个杂质含量信息，构建废弃物回收参数矩阵，计算分析获得多个回收利用评分；
分别根据所述多个废弃使用环境信息和所述目标使用环境信息的相似度，对所述多个回收利用评分进行修正计算，按照多个修正回收利用评分对所述多块废弃物进行回收处理；
所述方法还包括：
获取进行废弃物回收使用的目标使用环境信息，索引获得适配密度信息和适配吸水率信息；
根据所述适配密度信息和适配吸水率信息，计算所述多个密度信息、多个吸水率信息接近所述适配密度信息和适配吸水率信息的程度，获得多个密度评价信息和多个吸水率评价信息；
对所述多个密度评价信息、多个吸水率评价信息、多个颗粒级配信息和多个修正压缩强度信息进行归一化处理，并构建废弃物性能参数矩阵，如下式：其中，M为废弃物性能参数矩阵，n为多块废弃物的数量， 和 分别为第一块废弃物的密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息，和 为第n块废弃物的密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息；
根据所述废弃物性能参数矩阵，计算分析获得所述多块废弃物的多个利用性能评分；
所述方法还包括：
对所述多个规格信息和多个杂质含量信息进行极大化处理，获得多个极大化规格信息和多个极大化杂质含量信息；
对所述多个极大化规格信息、多个极大化杂质含量信息和多个利用性能评分进行归一化处理，并构建废弃物回收参数矩阵，如下式：其中，P为废弃物回收参数矩阵，n为多块废弃物的数量，K1和Kn为第1块和第n块废弃物的利用性能评分，Y1和Yn为第1块和第n块废弃物极大化规格信息，Z1和Zn为第1块和第n块废弃物的极大化杂质含量信息；
根据所述废弃物回收参数矩阵，计算获得多个回收利用评分，如下式：
其中，Li为第i块废弃物的回收利用评分，wK、wY和wZ为性能权重、大小权重和杂质权重，Kmax和Kmin分别为废弃物回收参数矩阵内利用性能评分的最大值和最小值，Ymax和Ymin分别为废弃物回收参数矩阵内极大化规格信息的最大值和最小值，Zmax和Zmin分别为废弃物回收参数矩阵内极大化杂质含量信息的最大值和最小值，Ki、Yi和Zi分别为废弃物回收参数矩阵内第i块废弃物的利用性能评分、极大化规格信息和极大化杂质含量信息。
2.根据权利要求1所述的一种建筑废弃物的回收处理方法，其特征在于，对拆除的废弃建筑内的多块废弃物进行图像采集，识别所述多块废弃物的规格信息、杂质含量信息和颗粒级配信息，包括：对拆除的废弃建筑内的多块废弃物进行宏观图像采集和微观图像采集，获得多个宏观图像和多个微观图像；
根据废弃物的大小识别和颗粒级配识别数据记录，采集样本宏观图像集合和样本规格信息集合，以及采集样本微观图像集合、样本杂质含量信息集合和样本颗粒级配信息集合；
采用所述样本宏观图像集合、样本杂质含量信息集合和样本规格信息集合，基于卷积神经网络，训练基础识别器，采用所述样本微观图像集合和样本颗粒级配信息集合，基于卷积神经网络，训练颗粒级配识别器；
采用所述基础识别器和颗粒级配识别器，对所述多个宏观图像和多个微观图像进行识别，获得多块废弃物的多个规格信息、多个杂质含量信息和多个颗粒级配信息。
3.根据权利要求1所述的一种建筑废弃物的回收处理方法，其特征在于，对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息，结合多个颗粒级配信息，预测获得多个压缩强度信息，包括：对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息；
根据废弃物的压缩强度测试数据记录，采集样本密度信息集合、样本吸水率信息集合、样本颗粒级配信息集合和样本压缩强度信息集合；
采用所述样本密度信息集合、样本吸水率信息集合、样本颗粒级配信息集合为分类输入，采用所述样本压缩强度信息集合为分类输出，构建压缩强度分类器；
采用所述压缩强度分类器，对所述多个密度信息、多个吸水率信息和多个颗粒级配信息进行分类，获得多个压缩强度信息。
4.根据权利要求1所述的一种建筑废弃物的回收处理方法，其特征在于，采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息，包括：采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，其中，每个废弃使用环境信息包括环境温度、环境湿度；
根据所述多个废弃使用环境信息，分类获取对混凝土压缩强度影响的多个压缩强度影响系数，其中，通过采集样本废弃使用环境信息集合，并测试获取样本压缩强度影响系数集合，构建压缩强度影响分类器进行分类；
采用所述多个压缩强度影响系数，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息。
5.根据权利要求1所述的一种建筑废弃物的回收处理方法，其特征在于，根据所述废弃物性能参数矩阵，计算分析获得所述多块废弃物的多个利用性能评分，如下式：其中，Ki为第i块废弃物的利用性能评分，wj为密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息内第j类性能参数在利用性能评分中的权重， 为所述废弃物性能参数矩阵内第j类性能参数中的最大值， 为所述废弃物性能参数矩阵内第i块废弃物的第j类性能参数， 为所述废弃物性能参数矩阵内第j类性能参数中的最小值。
6.根据权利要求1所述的一种建筑废弃物的回收处理方法，其特征在于，分别根据所述多个废弃使用环境信息和所述目标使用环境信息的相似度，对所述多个回收利用评分进行修正计算，包括：计算所述多个废弃使用环境信息和所述目标使用环境信息的相似度，获得多个环境相似度；
采用所述多个环境相似度，对所述多个回收利用评分进行修正计算，获得多个修正回收利用评分；
按照多个修正回收利用评分对所述多块废弃物进行回收处理。 说明书 : 一种建筑废弃物的回收处理方法技术领域[0001] 本申请涉及建筑废弃物处理相关技术领域，具体涉及一种建筑废弃物的回收处理方法。背景技术[0002] 随着城市化的快速推进，建筑业作为国民经济的支柱产业，其迅猛发展的同时也带来了大量的建筑废弃物，这些废弃物不仅占用了宝贵的土地资源，还可能对环境造成污染，如何有效地回收和处理建筑废弃物，成为当前环保领域亟待解决的问题，而在建筑废弃物的处理中，混凝土废弃物占据了相当大的比例，传统的回收处理方法(填埋或简单破碎再利用)不仅效率低下，且无法对废弃物的精确识别和细致分析，充分利用建筑废弃物的价值。[0003] 因此，现阶段建筑废弃物的回收处理相关技术中，存在难以准确识别废弃物的类别、无法根据不同废弃物的性能差异进行回收处理，进而导致建筑废弃物分类的准确性及效率不高、回收处理结果不够全面造成资源浪费的技术问题。发明内容[0004] 本申请通过提供一种建筑废弃物的回收处理方法，采用构建性能参数矩阵、修正计算等技术手段，解决了现有建筑废弃物回收存在的难以准确识别废弃物的类别、无法根据不同废弃物的性能差异进行回收处理，进而导致建筑废弃物分类的准确性及效率不高、回收处理结果不够全面造成资源浪费的技术问题，实现回收处理的针对性和高效性，达到了提高回收处理效率和资源优化利用的技术效果。[0005] 本申请提供一种建筑废弃物的回收处理方法，所述方法包括：对拆除的废弃建筑内的多块废弃物进行图像采集，识别所述多块废弃物的规格信息、杂质含量信息和颗粒级配信息，其中，所述多块废弃物为混凝土废弃物；对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息，结合多个颗粒级配信息，预测获得多个压缩强度信息；采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息；基于进行废弃物回收使用的目标使用环境信息，对所述多个密度信息、多个吸水率信息进行计算评价，并结合多个颗粒级配信息和多个修正压缩强度信息，构建废弃物性能参数矩阵，并计算分析获得所述多块废弃物的多个利用性能评分；根据所述多个利用性能评分、多个规格信息和多个杂质含量信息，构建废弃物回收参数矩阵，计算分析获得多个回收利用评分；分别根据所述多个废弃使用环境信息和所述目标使用环境信息的相似度，对所述多个回收利用评分进行修正计算，按照多个修正回收利用评分对所述多块废弃物进行回收处理。[0006] 在可能的实现方式中，所述对拆除的废弃建筑内的多块废弃物进行图像采集，识别所述多块废弃物的规格信息、杂质含量信息和颗粒级配信息，执行以下处理：对拆除的废弃建筑内的多块废弃物进行宏观图像采集和微观图像采集，获得多个宏观图像和多个微观图像；根据废弃物的大小识别和颗粒级配识别数据记录，采集样本宏观图像集合和样本规格信息集合，以及采集样本微观图像集合、样本杂质含量信息集合和样本颗粒级配信息集合；采用所述样本宏观图像集合、样本杂质含量信息集合和样本规格信息集合，基于卷积神经网络，训练基础识别器，采用所述样本微观图像集合和样本颗粒级配信息集合，基于卷积神经网络，训练颗粒级配识别器；采用所述基础识别器和颗粒级配识别器，对所述多个宏观图像和多个微观图像进行识别，获得多块废弃物的多个规格信息、多个杂质含量信息和多个颗粒级配信息。[0007] 在可能的实现方式中，对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息，结合多个颗粒级配信息，预测获得多个压缩强度信息，执行以下处理：对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息；根据废弃物的压缩强度测试数据记录，采集样本密度信息集合、样本吸水率信息集合、样本颗粒级配信息集合和样本压缩强度信息集合；采用所述样本密度信息集合、样本吸水率信息集合、样本颗粒级配信息集合为分类输入，采用所述样本压缩强度信息集合为分类输出，构建压缩强度分类器；采用所述压缩强度分类器，对所述多个密度信息、多个吸水率信息和多个颗粒级配信息进行分类，获得多个压缩强度信息。[0008] 在可能的实现方式中，采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息，还执行以下处理：采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，其中，每个废弃使用环境信息包括环境温度、环境湿度；根据所述多个废弃使用环境信息，分类获取对混凝土压缩强度影响的多个压缩强度影响系数，其中，通过采集样本废弃使用环境信息集合，并测试获取样本压缩强度影响系数集合，构建压缩强度影响分类器进行分类；采用所述多个压缩强度影响系数，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息。[0009] 在可能的实现方式中，基于进行废弃物回收使用的目标使用环境信息，对所述多个密度信息、多个吸水率信息进行计算评价，并结合多个颗粒级配信息和多个修正压缩强度信息，构建废弃物性能参数矩阵，并计算分析获得所述多块废弃物的多个利用性能评分，还执行以下处理：获取进行废弃物回收使用的目标使用环境信息，索引获得适配密度信息和适配吸水率信息；根据所述适配密度信息和适配吸水率信息，计算所述多个密度信息、多个吸水率信息接近所述适配密度信息和适配吸水率信息的程度，获得多个密度评价信息和多个吸水率评价信息；对所述多个密度评价信息、多个吸水率评价信息、多个颗粒级配信息和多个修正压缩强度信息进行归一化处理，并构建废弃物性能参数矩阵，如下式：[0010][0011] 其中，M为废弃物性能参数矩阵，n为多块废弃物的数量， 和 分别为第一块废弃物的密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息，和 为第n块废弃物的密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息；根据所述废弃物性能参数矩阵，计算分析获得所述多块废弃物的多个利用性能评分。[0012] 在可能的实现方式中，根据所述废弃物性能参数矩阵，计算分析获得所述多块废弃物的多个利用性能评分，还执行以下处理：利用性能评分计算，如下式：[0013][0014] 其中，Ki为第i块废弃物的利用性能评分，wj为密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息内第j类性能参数在利用性能评分中的权重， 为所述废弃物性能参数矩阵内第j类性能参数中的最大值， 为所述废弃物性能参数矩阵内第i块废弃物的第j类性能参数， 为所述废弃物性能参数矩阵内第j类性能参数中的最小值。[0015] 在可能的实现方式中，根据所述多个利用性能评分、多个规格信息和多个杂质含量信息，构建废弃物回收参数矩阵，计算分析获得多个回收利用评分，还执行以下处理：对所述多个规格信息和多个杂质含量信息进行极大化处理，获得多个极大化规格信息和多个极大化杂质含量信息；对所述多个极大化规格信息、多个极大化杂质含量信息和多个利用性能评分进行归一化处理，并构建废弃物回收参数矩阵，如下式：[0016][0017] 其中，P为废弃物回收参数矩阵，n为多块废弃物的数量，K1和Kn为第1块和第n块废弃物的利用性能评分，Y1和Yn为第1块和第n块废弃物极大化规格信息，Z1和Zn为第1块和第n块废弃物的极大化杂质含量信息；根据所述废弃物回收参数矩阵，计算获得多个回收利用评分，如下式：[0018][0019] 其中，Li为第i块废弃物的回收利用评分，wK、wY和wZ为性能权重、大小权重和杂质权重，Kmax和Kmin分别为废弃物回收参数矩阵内利用性能评分的最大值和最小值，Ymax和Ymin分别为废弃物回收参数矩阵内极大化规格信息的最大值和最小值，Zmax和Zmin分别为废弃物回收参数矩阵内极大化杂质含量信息的最大值和最小值，Ki、Yi和Zi分别为废弃物回收参数矩阵内第i块废弃物的利用性能评分、极大化规格信息和极大化杂质含量信息。[0020] 在可能的实现方式中，分别根据所述多个废弃使用环境信息和所述目标使用环境信息的相似度，对所述多个回收利用评分进行修正计算，还执行以下处理：计算所述多个废弃使用环境信息和所述目标使用环境信息的相似度，获得多个环境相似度；采用所述多个环境相似度，对所述多个回收利用评分进行修正计算，获得多个修正回收利用评分；按照多个修正回收利用评分对所述多块废弃物进行回收处理。[0021] 拟通过本申请提出的一种建筑废弃物的回收处理方法，识别多块废弃物的规格信息、杂质含量信息和颗粒级配信息；预测获得多个压缩强度信息；获得多个修正压缩强度信息；构建废弃物性能参数矩阵，并计算分析获得多个利用性能评分；构建废弃物回收参数矩阵，计算分析获得多个回收利用评分；按照多个修正回收利用评分进行回收处理。解决了现有建筑废弃物回收存在的难以准确识别废弃物的类别、无法根据不同废弃物的性能差异进行回收处理，进而导致建筑废弃物分类的准确性及效率不高、回收处理结果不够全面造成资源浪费的技术问题，实现回收处理的针对性和高效性，达到了提高回收处理效率和资源优化利用的技术效果。附图说明[0022] 为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图做简单的介绍，本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。[0023] 图1为本申请实施例提供的一种建筑废弃物的回收处理方法流程示意图；[0024] 图2为本申请实施例提供的一种建筑废弃物的回收处理方法中识别废弃物信息的流程示意图。具体实施方式[0025] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。[0026] 为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步的详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。[0027] 在以下的描述中，涉及“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合，所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序。术语“包括”和“具有”以及任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。[0028] 本申请实施例提供了一种建筑废弃物的回收处理方法，如图1所示，所述方法包括：[0029] 步骤S100，对拆除的废弃建筑内的多块废弃物进行图像采集，识别所述多块废弃物的规格信息、杂质含量信息和颗粒级配信息，其中，所述多块废弃物为混凝土废弃物。混凝土废弃物来源于被拆除的建筑物或构筑物中的混凝土部分，混凝土是一种由水泥、骨料(如砂、石)、水和可能存在的添加剂(如矿物掺合料、化学外加剂等)混合而成的复合材料，在建筑拆除过程中，大量的混凝土会被废弃，形成混凝土废弃物；对多块废弃物进行图像采集是指采集拆除建筑后的多块混凝土废弃物的图像，识别规格大小以及其内部钢筋、木材等杂质的含量，其中，规格大小和杂质含量影响混凝土进行破碎回收的效率，规格越小，内部杂质越少，回收越快。具体而言，对于混凝土废弃物，规格信息可能包括其尺寸(如长度、宽度、高度或直径等)、形状(如块状、片状、颗粒状等)以及可能的重量或体积等；混凝土废弃物中可能含有各种杂质，如泥土、金属、塑料、木材等，杂质含量信息指的是这些非混凝土成分在废弃物中的比例或含量，有利于确定废弃物的处理方法和资源化利用方案；对于被破碎或破碎后的混凝土废弃物，颗粒级配包括由不同粒度组成的散状物料(混凝土中的沙粒和石子等)中各级粒度所占的数量，描述了不同大小颗粒的分布情况，颗粒级配信息指的是建筑废弃物的颗粒级配与标准颗粒级配相似度，这个相似度越大越好。[0030] 在一种可能的实现方式中，如图2所示，步骤S100还进一步包括步骤S110，对拆除的废弃建筑内的多块废弃物进行宏观图像采集和微观图像采集，获得多个宏观图像和多个微观图像。宏观图像采集主要是使用数码相机、摄像机等设备进行拍摄，记录废弃物的宏观特征，获取废弃物的整体外观、形状、尺寸等信息，以便对废弃物进行初步的分类和识别，获得多个废弃物的宏观图像，清晰地展示废弃物的整体情况；微观图像采集指的是使用显微镜、扫描电子显微镜(SEM)等设备进行观察，对废弃物的微观结构进行拍摄和记录，深入了解废弃物的内部结构、成分和微观特征，例如，在建筑垃圾的图像识别方法中，使用高光谱遥感影像采集建筑垃圾区域的图像数据，并利用多尺度分割处理和决策分类模型对图像数据进行分类处理，以识别建筑垃圾，最终获得多个废弃物的微观图像，揭示废弃物的微观结构和成分。[0031] 步骤S100还包括步骤S120，根据废弃物的大小识别和颗粒级配识别数据记录，采集样本宏观图像集合和样本规格信息集合，以及采集样本微观图像集合、样本杂质含量信息集合和样本颗粒级配信息集合。废弃物的大小识别是指使用测量工具(如尺子、卷尺等)或自动测量设备(如激光测距仪等)对废弃物进行尺寸测量，并记录下每个废弃物的大小数据，颗粒级配识别是指通过筛分或其他方法将废弃物按照不同的粒径范围进行分类，并记录下每个粒径范围内颗粒的数量或质量，从而得到废弃物的颗粒级配数据，然后基于识别数据记录，采集样本宏观图像集合和样本规格信息集合(包括废弃物的尺寸、重量、形状等物理参数)以及样本微观图像集合、样本杂质含量信息集合(废弃物中除主要成分外的其他不纯物质的含量)和样本颗粒级配信息集合(建筑废弃物的颗粒级配与标准颗粒级配相似度)。[0032] 步骤S100还包括步骤S130，采用所述样本宏观图像集合、样本杂质含量信息集合和样本规格信息集合，基于卷积神经网络，训练基础识别器，采用所述样本微观图像集合和样本颗粒级配信息集合，基于卷积神经网络，训练颗粒级配识别器。将样本宏观图像集合作为卷积神经网络模型的输入图像数据，样本杂质含量信息集合和样本规格信息集合作为额外的特征输入到模型中，使用反向传播算法和梯度下降等优化方法，通过迭代训练来更新模型的权重和参数，训练收敛得到基础识别器；将样本微观图像集合作为卷积神经网络模型的输入图像数据，准备与这些微观图像相对应的颗粒级配信息(包括不同粒径范围的颗粒比例)，与基础识别器类似，将样本颗粒级配信息集合作为额外的特征输入到模型，使用与基础识别器相同的训练方法和优化技术来训练模型，最终得到颗粒级配识别器，两个识别器可以相互结合或集成，以提供更全面和准确的废弃物识别和分类结果。[0033] 步骤S100还包括步骤S140，采用所述基础识别器和颗粒级配识别器，对所述多个宏观图像和多个微观图像进行识别，获得多块废弃物的多个规格信息、多个杂质含量信息和多个颗粒级配信息。将多个宏观图像和多个微观图像，分别输入到基础识别器和颗粒级配识别器进行识别，具体地，基础识别器自动从宏观图像中提取关键特征(包括废弃物的形状、尺寸、颜色等)，对废弃物进行识别与分类，并提取出与废弃物相对应的多个规格信息，例如尺寸、重量等；将采集到的多个微观图像作为输入，提供给已经训练好的颗粒级配识别器，颗粒级配识别器同样使用卷积神经网络从微观图像中提取关键特征(可能包括颗粒的形状、大小、分布等)，颗粒级配识别器对废弃物中的颗粒进行级配识别，即判断不同粒径范围的颗粒比例，将识别出的颗粒级配信息与可能的杂质含量信息(如果已有)进行整合，获得多块废弃物的多个杂质含量信息和多个颗粒级配信息。[0034] 步骤S200，对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息，结合多个颗粒级配信息，预测获得多个压缩强度信息。混凝土废弃物(固体)的密度是指单位体积内所含混凝土的质量，针对混凝土废弃物，利用干燥法、水位法或比重法进行密度测定，获得多块废弃物的密度信息，反映废弃物的密实程度和体积质量；吸水率是指废弃物吸入水分的能力，与孔隙的大小以及孔隙结构特征有关，通过吸水率测试，将干燥的样品称量其初始质量，然后将其完全浸入水中一定时间(如24小时)，最后再次称量其质量，通过公式计算吸水率＝(最终重量‑初始重量)/初始重量×100％，获得多块废弃物的吸水率信息；对不同颗粒级配、密度和吸水率的混凝土废弃物进行压缩强度测试，建立压缩强度预测模型，再结合获得的多个密度、吸水率和颗粒级配信息，预测混凝土废弃物的压缩强度，反映废弃物在承受压力时的力学性能和抗压能力，压缩强度越大，混凝土废弃物的强度越高，其中，压缩强度是指材料在承受垂直于其载荷方向的压力作用时，能够承受的最大应力值，对于混凝土废弃物，预测其压缩强度有助于评估其再利用的潜力和安全性。[0035] 在一种可能的实现方式中，步骤S200还进一步包括步骤S210，对所述多块废弃物进行密度测试和吸水率测试，获得多个密度信息和多个吸水率信息。还包括步骤S220，根据废弃物的压缩强度测试数据记录，采集样本密度信息集合、样本吸水率信息集合、样本颗粒级配信息集合和样本压缩强度信息集合。基于废弃物的压缩强度测试数据记录，采集样本密度信息集合(多个废弃物单位体积内的质量)、样本吸水率信息集合(废弃物一定时间内的吸水能力)、样本颗粒级配信息集合(废弃物中不同粒径颗粒的分布情况)和样本压缩强度信息集合(废弃物在受到压缩力时所能承受的最大压力信息)。[0036] 步骤S200还包括步骤S230，采用所述样本密度信息集合、样本吸水率信息集合、样本颗粒级配信息集合为分类输入，采用所述样本压缩强度信息集合为分类输出，构建压缩强度分类器。基于决策树、随机森林等构建分类模型，整理样本密度信息集合、样本吸水率信息集合和样本颗粒级配信息集合，形成特征数据集，整理样本压缩强度信息集合，形成目标数据集，确保每个样本的特征数据与目标数据一一对应，以特征数据集作为输入、目标数据集作为输出训练分类模型，最终得到压缩强度分类器。还包括步骤S240，采用所述压缩强度分类器，对所述多个密度信息、多个吸水率信息和多个颗粒级配信息进行分类，获得多个压缩强度信息。将多个密度信息、多个吸水率信息和多个颗粒级配信息输入压缩强度分类器进行识别分类，获得多个压缩强度信息。[0037] 步骤S300，采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息。废弃使用环境信息指的是通过传感器设备(温度计、湿度计、大气压力计等)，采集混凝土废弃物在原始建筑内使用时的环境条件，例如温度、湿度、大气压、化学腐蚀等，不同的使用环境会对混凝土的性能产生影响，特别是其压缩强度，例如，高湿度环境可能导致混凝土吸水膨胀，降低其压缩强度；而化学腐蚀则可能破坏混凝土的结构，进一步降低其强度，分析这些废弃使用环境信息对混凝土废弃物压缩强度产生的影响，然后根据分析的结果，对通过密度测试、吸水率测试和颗粒级配信息预测得到的压缩强度信息进行修正，最终得到多个修正压缩强度信息，更加贴近混凝土废弃物在实际使用环境下的性能表现。[0038] 在一种可能的实现方式中，步骤S300还进一步包括步骤S310，采集所述多块废弃物在所述废弃建筑内使用的多个废弃使用环境信息，其中，每个废弃使用环境信息包括环境温度、环境湿度。还包括步骤S320，根据所述多个废弃使用环境信息，分类获取对混凝土压缩强度影响的多个压缩强度影响系数，其中，通过采集样本废弃使用环境信息集合，并测试获取样本压缩强度影响系数集合，构建压缩强度影响分类器进行分类。针对每个样本，在不同的环境温度和湿度条件下进行压缩强度测试，并记录对应的压缩强度值，通过比较不同条件下的压缩强度值，计算出每个条件下的压缩强度影响系数，使用机器学习根据样本废弃使用环境信息集合和对应的样本压缩强度影响系数集合，构建一个能够预测压缩强度影响的分类器，根据新的废弃使用环境信息，预测出对应的压缩强度影响系数。还包括步骤S330，采用所述多个压缩强度影响系数，对所述多个压缩强度信息进行修正，获得多个修正压缩强度信息。使用这些压缩强度影响系数，对原始的压缩强度信息进行修正，具体地，对于每个废弃物样本，根据其废弃使用环境信息，使用压缩强度影响分类器预测出对应的压缩强度影响系数，将原始的压缩强度信息乘以对应的压缩强度影响系数，得到修正后的压缩强度信息，即获得更准确、更贴近实际使用环境的多个修正压缩强度信息，反映废弃物在实际使用环境下的压缩性能。[0039] 步骤S400，基于进行废弃物回收使用的目标使用环境信息，对所述多个密度信息、多个吸水率信息进行计算评价，并结合多个颗粒级配信息和多个修正压缩强度信息，构建废弃物性能参数矩阵，并计算分析获得所述多块废弃物的多个利用性能评分。密度和吸水率需要适应环境要求，根据目标使用环境信息确定当前废弃物适配的密度和吸水率，然后根据当前多个密度信息和多个吸水率信息相对应的密度和吸水率的偏差进行评价，获得多个密度评价信息和多个吸水率评价信息，并且通过评价转换，获得极大化(越大越好的多个密度评价信息和多个吸水率评价信息)，再将颗粒级配信息和修正压缩强度信息纳入评估范围，然后密度信息、吸水率信息、颗粒级配信息和修正压缩强度信息整合构建废弃物性能参数矩阵(矩阵里的四种参数都是越大越好的)，该矩阵以废弃物为行，各项性能指标为列，然后根据目标使用环境的要求为每个性能指标设定权重，根据废弃物性能参数矩阵中的数据，结合权重计算每块废弃物的利用性能评分(反映多块混凝土废弃物回收利用的性能，即表示其再利用潜力)。[0040] 在一种可能的实现方式中，步骤S400还进一步包括步骤S410，获取进行废弃物回收使用的目标使用环境信息，索引获得适配密度信息和适配吸水率信息。目标使用环境信息可能包括该环境中常见的温度范围、湿度水平、废弃物存储和处理的特定条件(如压力、时间等)以及其他可能影响废弃物性能的环境因素，确定目标使用环境后，根据已有的数据知识库来索引适配的密度信息和吸水率信息，具体地，数据知识库包含不同废弃物类型、不同密度和吸水率组合及其在不同环境条件下的性能表现，使用目标使用环境信息作为索引，在数据知识库中查找与之匹配的废弃物类型、密度和吸水率组合，即获得适配密度信息和适配吸水率信息。[0041] 步骤S400还包括步骤S420，根据所述适配密度信息和适配吸水率信息，计算所述多个密度信息、多个吸水率信息接近所述适配密度信息和适配吸水率信息的程度，获得多个密度评价信息和多个吸水率评价信息。根据适配密度信息和适配吸水率信息，计算多个密度信息、多个吸水率信息和对应的适配密度信息和适配吸水率信息的差值绝对值，得到每个废弃物的密度和吸水率接近程度的数值，这个数值越小，表示接近程度越高。[0042] 步骤S400还包括步骤S430，对所述多个密度评价信息、多个吸水率评价信息、多个颗粒级配信息和多个修正压缩强度信息进行归一化处理。利用最小‑最大归一化对多个密度评价信息、多个吸水率评价信息、多个颗粒级配信息和多个修正压缩强度信息进行归一化，以消除不同变量之间的量纲影响，使得不同特征或属性具有相似的数值范围，确保数据的精确性。并构建废弃物性能参数矩阵，如下式：[0043][0044] 其中，M为废弃物性能参数矩阵，n为多块废弃物的数量， 和 分别为第一块废弃物的密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息，和 为第n块废弃物的密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息。[0045] 步骤S400还包括步骤S440，根据所述废弃物性能参数矩阵，计算分析获得所述多块废弃物的多个利用性能评分。根据废弃物的稳定性、耐久性、可回收性等，确定评价废弃物利用性能的各个性能参数的权重，根据废弃物性能参数矩阵计算每块废弃物的利用性能评分，具体地，对于每个性能参数，根据其在废弃物性能参数矩阵中的值和对应的权重，计算出一个加权得分，将所有性能参数的加权得分相加，得到每块废弃物的多个利用性能评分，反映它们的利用性能优劣。[0046] 在一种可能的实现方式中，步骤S440还进一步包括，计算分析获得多块废弃物的多个利用性能评分，如下式：[0047][0048][0049] 其中，Ki为第i块废弃物的利用性能评分，wj为密度评价信息、吸水率评价信息、颗粒级配信息和修正压缩强度信息内第j类性能参数在利用性能评分中的权重， 为所述废弃物性能参数矩阵内第j类性能参数中的最大值， 为所述废弃物性能参数矩阵内第i块废弃物的第j类性能参数， 为所述废弃物性能参数矩阵内第j类性能参数中的最小值。[0050] 步骤S500，根据所述多个利用性能评分、多个规格信息和多个杂质含量信息，构建废弃物回收参数矩阵，计算分析获得多个回收利用评分。基于多个利用性能评分、多个规格信息和多个杂质含量信息，构建行为废弃物块、列代表评估指标(包括利用性能评分、规格信息和杂质含量信息)的废弃物回收参数矩阵，并将每块废弃物的数据填入相应的行和列中，形成一个二维数据表，再根据回收利用的实际需求和目标，为各个评估指标设定权重，例如，利用性能评分可能具有较高的权重，直接反映了废弃物的再利用潜力；规格信息和杂质含量信息可能也具有不同的权重，具体取决于回收利用的具体要求，根据设定的权重，对废弃物回收参数矩阵中的每个废弃物块进行加权计算，得到其回收利用评分，反映混凝土废弃物回收利用的综合评分。[0051] 在一种可能的实现方式中，步骤S500还进一步包括步骤S510，对所述多个规格信息和多个杂质含量信息进行极大化处理，获得多个极大化规格信息和多个极大化杂质含量信息。极大化处理通常指的是将一组数据中的每个值都转换为一个新的值，这个新值是基于原始数据的最大值来计算的，从而使数据在新的尺度上具有相同的范围或具有特定的性质，具体地，找到规格信息和杂质含量信息中的最大值，然后应用极大化公式转换数据集中的每个个规格信息和杂质含量信息，最终得到一组新的数据，即多个极大化规格信息和多个极大化杂质含量信息。[0052] 步骤S500还包括步骤S520，对所述多个极大化规格信息、多个极大化杂质含量信息和多个利用性能评分进行归一化处理，并构建废弃物回收参数矩阵，如下式：[0053][0054] 其中，P为废弃物回收参数矩阵，n为多块废弃物的数量，K1和Kn为第1块和第n块废弃物的利用性能评分，Y1和Yn为第1块和第n块废弃物极大化规格信息，Z1和Zn为第1块和第n块废弃物的极大化杂质含量信息。[0055] 步骤S500还包括步骤S530，根据所述废弃物回收参数矩阵，计算获得多个回收利用评分，如下式：[0056][0057] 其中，Li为第i块废弃物的回收利用评分，wK、wY和wZ为性能权重、大小权重和杂质权重，Kmax和Kmin分别为废弃物回收参数矩阵内利用性能评分的最大值和最小值，Ymax和Ymin分别为废弃物回收参数矩阵内极大化规格信息的最大值和最小值，Zmax和Zmin分别为废弃物回收参数矩阵内极大化杂质含量信息的最大值和最小值，Ki、Yi和Zi分别为废弃物回收参数矩阵内第i块废弃物的利用性能评分、极大化规格信息和极大化杂质含量信息。[0058] 步骤S600，分别根据所述多个废弃使用环境信息和所述目标使用环境信息的相似度，对所述多个回收利用评分进行修正计算，按照多个修正回收利用评分对所述多块废弃物进行回收处理。根据多个废弃使用环境信息和所述目标使用环境信息的相似度，对计算得到的多个回收利用评分进行修正计算，如果废弃使用环境与目标使用环境非常相似(相似度高)，则不需要进行大的修正；但如果两者差异较大(相似度低)，则需要较大的修正，具体而言，对修正后最大的一个或多个较大的修正回收利用评分对应的混凝土废弃物，进行回收利用，剩余的混凝土废弃物进行普通处理不进行再利用。[0059] 在一种可能的实现方式中，步骤S600还进一步包括步骤S610，计算所述多个废弃使用环境信息和所述目标使用环境信息的相似度，获得多个环境相似度。从多个废弃使用环境信息和目标使用环境信息中提取关键特征，包括温度和湿度，将提取的环境特征转化为向量形式，使用相似度计算方法(如余弦相似度、皮尔逊相关系数等)计算每个废弃使用环境信息与目标使用环境信息之间的相似度，获得多个环境相似度。还包括步骤S620，采用所述多个环境相似度，对所述多个回收利用评分进行修正计算，获得多个修正回收利用评分。根据环境相似度的重要性为其分配一个权重，基于分配的权重修正每个废弃物的回收利用评分，获得多个修正回收利用评分，综合考虑了废弃物的物理特性、化学成分以及它们与目标使用环境的相似性。还包括步骤S630，按照多个修正回收利用评分对所述多块废弃物进行回收处理。根据修正回收利用评分对多块废弃物进行排序，选择评分较高的废弃物进行回收处理，根据修正回收利用评分和废弃物的其他特性(如回收成本、市场需求等)，制定具体的回收策略，如回收方法、回收地点、回收时间等，按照制定的回收策略，对选定的废弃物进行回收处理，有效地对多块废弃物进行回收处理，实现资源的最大化利用和环境的保护。[0060] 上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合和替代。任何在本申请的精神和原则之内所做的修改、等同替换和改进等，均应包含在本申请保护范围之内。

专利地区：河北

专利申请日期：2024-07-26

专利公开日期：2024-11-12

专利公告号：CN118536991B