基于计算机视觉的岩石裂隙识别表征与软件研制OA北大核心CSTPCD

岩石裂隙特征是评判岩体结构及其完整性的核心指标,也是评估岩石工程安全稳定性的重要因素。针对岩石裂隙识别,采用深度学习方法,通过引入混合注意力机制对Unet模型进行了改进,有效提高了岩石裂隙识别的精度。针对交叉岩石裂隙的分离与特征提取,提出了一种基于迹线方向判定的裂隙分离与表征算法,依据裂隙分离的结果形式,采用重合追踪法或断裂追踪法分离交叉裂隙骨架,继而使用微分累加法、方框法、线性回归法求得裂隙的长度、宽度及倾角等几何特征指标。基于提出的算法,研制了一套具有图形用户界面的岩石裂隙图像智能识别与表征软件系统,实现了从深度学习模型参数选择、模型训练、裂隙识别、量化分析到结果可视化的完整功能。最后对岩石裂隙识别与分离表征算法的性能进行了评判,结果表明,改进Unet模型对复杂分布的裂隙识别效果最好,其总体识别性能要优于其他网络;骨架分离算法对常见类型交叉裂隙能够取得预期结果,表征算法对分离裂隙与交叉裂隙的表征精度高,对实际岩石裂隙图像的应用效果较好。研究成果可为基于计算机视觉的岩石工程试验与岩体结构检测技术研发提供参考依据。