Este estudio presenta un modelo de agregado de forma aleatoria mediante el establecimiento de un modelo de mezcla funcional para imágenes de formas de agregados. La simulación a mesoescala para considerar las propiedades heterogéneas del concreto es un método altamente efectivo en términos de costo y tiempo para predecir el comportamiento mecánico del concreto. Debido a la importancia del diseño del modelo de concreto a mesoescala, la forma del agregado es el parámetro más importante para obtener un resultado de simulación confiable. Proponemos análisis de imágenes y agrupación de datos funcionales para modelos de agregados de forma aleatoria (IFAM). Esta técnica novedosa aprende las características morfológicas de los agregados utilizando imágenes de agregados reales como entradas. IFAM proporciona agregados aleatorios a lo largo de una amplia gama de formas heterogéneas utilizando muestras extraídas del modelo de mezcla funcional estimado como salidas. Nuestro algoritmo de aprendizaje es completamente automatizado y permite un aprendizaje flexible de las características complejas. Por lo tanto, a diferencia de estudios similares, IFAM no requiere que los usuarios realicen ajustes que consumen mucho tiempo en su modelo para proporcionar una morfología de agregado realista. Mediante estudios comparativos, demostramos que las estructuras de agregados aleatorios construidas por IFAM logran similitudes cercanas a los agregados reales en un medio de concreto no homogéneo. Gracias a nuestro método totalmente basado en datos, los usuarios pueden elegir sus propias bibliotecas de agregados reales para el entrenamiento del modelo y generar agregados aleatorios con altas similitudes a las bibliotecas objetivo.