混凝土是国家基础设施建设的重要建材材料,而细骨料是混凝土主要原材料之一,其粒径粒形对混凝土的多种性能均有显著影响。高性能混凝土需要良好品质的细骨料,良好品质的细骨料需具有合理的粒径粒形。在行业应用中对粒径分布(级配)检测费时费力,不能直接获取骨料的几何尺寸参数;对骨料粒形检测仪器复杂、且只对部分指标进行了间接测量,未对粒形进行直接量化;对细骨料品质检测只停留在宏观因素评估。因此本文基于0.8-2.0mm的三种细骨料图像提取的几何参数数据,展开骨料级配、粒形、品质研究。首先,类比行业中筛分法对骨料级配进行检测,以图像尺寸参数划分粒级,以累计面积、累计体积等效筛分法中累计质量,得到图像级配,通过修正因子使得图像法级配与筛分级配有良好的一致性。其次,引入特征选择对细骨料12个二维图像粒形特征进行分析,基于互信息与最大信息系数提出新的特征子集评价函数MMFS。实验结果表明,该方法较MIFS准确率提升了3.8%。再通过随机森林特征选择模型对MMFS算法得到的候选特征子集进行精选,得到6个最重要粒形特征。以6个最重要粒形特征的重要度作为权重,定义了粒形综合系数公式:粒形综合系数=∑(粒形特征×权重),得到粒形综合系数越小,骨料粒形越好。最后,粒径粒形是骨料品质监管的重要属性,传统方法以宏观因素评估骨料品质,造成在行业中尚未摸清骨料粒径粒形属性到骨料品质映射的分类标准。针对该问题,基于卷积神经网络,提出细骨料粒径粒形品质分类模型,实现细骨料品质智能化检测。实验结果表明,该模型在测试集与验证集上的准确率均达到98%以上,模型性能均优于LeNet5、VGG16,可为行业实践中对细骨料品质分类提供参考。