混凝土质量是工程建筑物的质量保障,而混凝土质量优劣取决于混凝土原材料的质量好坏。砂石骨料是混凝土的重要组成材料之一,优质的砂石骨料是混凝土强度硬度的保障,因此砂石骨料的质量检测不容忽视。传统的砂石骨料质量检测效率低下,且受人为因素的影响,无法对砂石骨料进行准确有效的质量检测。本文提出基于图像处理和深度学习的方法对砂石骨料质量进行检测研究,将图像处理算法和深度学习算法进行结合,对砂石骨料质量进行多参数检测,并设计混凝土骨料质量检测系统,完成砂石骨料质量检测的智能化与自动化。混凝土骨料智能检测系统的流程为图像采集装置完成对砂石骨料的图像采集,深度学习算法对砂石骨料进行质量等级评定,然后由图像处理算法分析其特征参数,最后在人机交互界面展示砂石骨料的质量等级、特征参数。本文的主要研究工作为:首先是对砂石骨料质量等级的评定,对混凝土生产企业中的砂石骨料进行质量等级评定,并采集5000幅砂石骨料图像,针对砂石骨料图像的特征,搭建深度卷积神经网络模型CNN13。基于砂石骨料图像数据集,采用反向传播算法、自适应矩估计优化、GPU高速训练在VGG16模型和CNN13模型上进行分别训练测试。针对两个模型参数大小、训练时的损失函数和准确率进行了对比实验,CNN13模型的准确率达到了98.1%,VGG16的准确率为94.2%,两者相差3.9%。其次通过图像处理算法,包括了图像滤波、图像增强、图像分割、形态学处理等图像处理技术,对砂石骨料图像进行砂石骨料轮廓的提取,采用凸包拟合的方式,最大程度上逼近砂石骨料的轮廓,进而提取出砂石骨料的面积像素参数、粒径参数、粒形参数。然后设计砂石骨料质量检测系统,针对采集砂石骨料图像的复杂光照条件,通过选择合适的相机、镜头、光源,设计了密封的图像采集装置,最大限度的将砂石骨料图像采集过程中的外界光照影响降到了最小,并通过相机标定消除了砂石骨料图像在采集过程中的畸变问题。最后将图像处理算法和深度学习算法进行结合,通过人机交互界面配合砂石骨料采集装置,设计了混凝土骨料智能检测系统,完善了砂石骨料质量检测的流程,完成砂石骨料质量检测过程的智能化与自动化。