.png){kind=icon}
返回
Correlation of excavated soil multi-source heterogeneous data using multimodal diffusion model
.png){kind=icon}
OA
AI
DOI：10.1007/s11440-025-02690-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可持续利用开挖土作为地质材料需要全面理解其多维度特性，但关联异构数据（如视觉、力学和电学特性）仍具挑战性。为解决此问题，开发了一套开挖土信息采集系统，用于获取包括RGB图像、锥指数（CI）曲线和时域反射（TDR）波形在内的多源数据——源自中国最大的土方转运平台，并建立了包含23,122组数据的数据库。提出了一种生成模型辅助的关联分析框架，利用去噪扩散概率模型探索土体属性间的内在关系。采用SSIM、LPIPS和RMSE等性能指标分析模型训练结果。主要发现包括：（1）土壤图像编码了含水率信息，且与CI曲线和TDR波形相关；（2）CI和TDR数据无法捕捉图像中的基于颜色的矿物成分细节；（3）TDR波形能独特地检测污染物指标（如电导率），而其他方法无法探测。该人工智能驱动的方法为岩土工程中多维度属性关联分析提供了一种新颖的方法，提升了土壤可持续再利用能力。
Keyword:
Denoising diffusion probabilistic model
Excavated soil
Generative model
Inherent correlation
Multi-source heterogeneous data
期刊
IF:
5.7
论文数:
3.0K
被引数:
1.3W
机构
引用论文
Correlation Analysis of Chemical Components and Rheological Properties of Asphalt After Aging and Rejuvenation沥青老化复壮后化学成分与流变性能的相关性分析
PREAI
分享收藏
Detection of ionic contaminants in unsaturated soils using time domain reflectometry penetrometer
PREAI
分享收藏Generative adversarial network modeling for hyperspectral estimation of soil organic matter生成对抗网络建模用于高光谱土壤有机质估计.png)
IF0
PREAI
分享收藏Prediction of mechanical properties of eco-friendly concrete using machine learning algorithms and partial dependence plot analysis利用机器学习算法和部分依赖图分析预测环保混凝土的力学性能OAAI
OAAI分享收藏
查看更多内容