疏浚工程是提升我国海洋建设能力的重要交通建设领域,更是贯彻落实“一带一路”战略的重要保障。挖泥船是疏浚工程中的主要作业载体,船上需要检测大量疏浚参数进行实时施工控制和优化;而传输管道中所检测的含率和流速是最重要的两个参数,当前分别由放射源密度计和电磁流量计测量获得。这些设备功能单一、智能化水平不高且存在较高的核污染风险,极大地限制了当前我国疏浚工程的发展。因此,对智能环保的一体化疏浚检测设备的研发十分必要。电阻层析（Electrical Resistance Tomography,ERT）技术是一种非侵入式的可视化检测技术,具有高时间分辨率、无辐射及低成本等优势,在国外疏浚领域中已有相关研究和初步应用,但在我国的研究目前还处于起步阶段。为此,基于面向疏浚的ERT测量系统,本文对目标重建以及疏浚参数测量算法展开研究,为ERT技术在疏浚工程中的具体应用提供新思路,主要研究内容如下:1)针对ERT技术中一步成像算法的低空间分辨率局限性,将卷积神经网络应用到ERT的图像重建中训练灵敏度矩阵,以获得更高空间分辨率的重建图像。该算法基于经典Le Net-5设计卷积神经网络结构与模型参数,在仿真所得ERT典型分布样本的基础上,经过批尺寸实验得到灵敏度矩阵的训练结果。实验结果表明,训练后的灵敏度矩阵包含的信息量增加、参数范围保持稳定;而与其他成像算法相比,该算法能够有效提高重建图像质量。2)提出一种基于Choquet积分的疏浚参数测量方法。首先,根据ERT的逆问题求解过程分别提出了基于加权灵敏度的含率测量方法和基于灰度位置信息的流速测量方法。然后,在非可加测度理论的基础上,基于Choquet积分对上述算法及其同类测量算法进行融合。该算法基于实船测量数据样本,对样本进行训练得到非可加测度和Shapley值完成算法融合。最后,根据三类误差指标对所提方法、融合算法以及其他参数测量方法进行对比。结果显示,与目前其他的参数测量方法相比,本文所提的融合算法在不同工况下的测量结果均更符合实际情况。3)设计了应用于疏浚工程的ERT上位机。基于Python3完成基于ERT技术的图像重建和参数计算,基于Py Qt5设计上位机的可视化界面,实现疏浚管道截面图像和两类疏浚参数的显示。最终基于该ERT测量系统的疏浚模拟实验证明了前文所提算法具有一定的疏浚实用意义。