基于改进YOLOv8-seg的岩体RQD自动精准识别研究OA

传统人工测量RQD耗时费力且自动化程度低,基于图像的RQD识别技术在工程应用过程中识别效果和精度仍有待提升。针对上述问题,本文提出了基于改进YOLOv8-seg的岩体RQD自动精准识别方法。该方法在YOLOv8-seg模型的基础上,引入轻量级的多语义空间和通道协同注意力模块SCSA,在拍摄环境及人工标识等复杂干扰影响下准确提取岩芯特征,并结合动态蛇形卷积提高模型对细小裂缝的识别能力,从而实现岩芯段的有效提取。进一步地,基于岩芯段图像分割结果实现RQD自动计算和编录。案例分析表明,相较于原始模型,改进YOLOv8-seg模型在精确率P、召回率R、mAP50和mAP50:95分别提升了3.3%,2.2%,2.4%,1.9%,所提方法能实现RQD的自动精准识别,平均相对误差为1.21%。