数字钻孔图像岩体结构面自动化识别方法

数字钻孔摄像技术能准确获取钻孔中岩体结构面特征信息,针对现有数字钻孔图像分析人力需求量大、主观性强、计算量大的不足,研究提出方案实现数字钻孔摄像技术采集的钻孔内壁图像自动识别。首先,用二维伽马函数光照自适应矫算法对图像进行光照均匀处理,利用经过预训练的DexiNed网络对矫正后图像边缘进行特征提取;其次,提出Epremoval方法处理边缘点噪声提取感兴趣区域;最后,根据正弦曲线泰勒展开式对图像中的表征数据进行多项式拟合。通过对得到曲线进行计算、空间变换和数理变换得到岩体结构面参数。以某隧道工程的数字钻孔图像为例,研究提出的算法结果优于人工辅助判读结果。     

钻孔图像特征分析与结构面区域划分方法

数字式全景钻孔摄像系统在实践钻探工程中获得了大量的高精度钻孔图像,这些钻孔图像数据往往需要人为进行分段处理和信息加工预处理,工作量大并且具有盲目性.针对该问题,本文进行了钻孔图像特性分析,并提出了一种对钻孔图像进行结构面区域划分的方法.该方法利用井壁中岩体结构成像灰度梯度纵向投影的极值特征来组成新的合成信号和便于计算机处理的区域划分信号,从而实现了钻孔图像的区域划分以及结构面产状范围的初步限定.该方法能够连续快速地对整个钻孔图像内所有的结构面进行区域划分,无需人为干预,为结构面的全自动识别与参数提取奠定了基础,也为深孔钻井工程中图像数据的分块处理提供了一种有效的解决方案.     

基于经典卷积神经网络的智能煤矸识别

为了准确快速地识别原煤中的煤和矸石,基于机器视觉的方式,采取经典卷积神经网络模型对煤和矸石图像进行识别分类;利用在以实验室环境下采集的小批量煤和矸石图像数据,运用数据增强技术扩充数据集,在深度学习框架中搭建各种经典卷积神经网络模型,对采集的数据集进行训练、验证和测试,获得各经典网络的训练准确率和损失函数曲线,并结合训练...     

基于YOLO v5的工人玩手机行为检测方法研究

为规范工人生产行为、减少安全事故发生,提出一种监控工人使用手机行为检测算法.该算法以YOLO v5模型为基础,对其网络结构和损失函数进行改进.首先,优化主干网络,将ConvNeXt Block和SPP结构引入浅层网络增加浅层特征的提取;然后,在主干网络与特征聚合网络之间构建CBAM注意力机制层,过滤冗余信息;最后,选取EIoU损失函数代替GIoU损失函数,提高模型收敛速度与检测结果的定位精度.通过自建工人使用手机行为数据集,分别对YOLO v5原模型、改进模型以及主流模型进行对比.试验结果表明,在人体和手机目标检测中,改进模型有更好的检测精度和检测速度.     

三山岛金矿采场顶板危岩体推测方法

在应用三维岩体不接触测量系统对采场顶板岩体结构面的几何特征参数进行识别基础上,自行研发三维岩体节理建模与分析系统,构建采场顶板三维岩体结构面空间分布模型.依据采场顶板岩体结构面的几何特征参数和延伸节理等结构面的空间特征,通过延伸节理等结构面的空间交汇,识别采场危岩体赋存的空间位置、形态、体积等,并对采场顶板危岩体稳定性进行判断.应用上述研究成果,对三山岛金矿新立矿区40055#采场顶板结构面进行现场测量,确定采场顶板危岩体空间赋存位置,为采场顶板稳定性分析和危险性评价提供更加真实、可靠的数据支持.     

工程岩体开挖过程全空间块体搜索及其系统研制

在现场结构面非接触摄影技术采集的基础上,探讨岩体扰动区内所有块体的全空间切割与搜索问题,给出了包括三维结构面网络模拟、结构面与边界面的交线分析、封闭块体搜索等切割搜索过程,提出一种新的块体识别新方法.并将该搜索技术接入用自行开发研制的三维数值分析系统GeoSMA-3D,进行岩体开挖过程全空间块体搜索研究.工程算例表明:该系统具有可以动态添加结构面,适合建立开挖过程复杂几何模型等优点,系统通过人机交互界面或文件形式进行数据输入,计算结果图形化显示,并与AutoCAD等通用图形软件接口,可方便实现软件操作使用.     

基于摄影测量技术的岩体结构面参数的获取

为了更高效、全面、安全的获得岩体结构面参数,建立了两种从三维模型中获取结构面参数的算法：ply2parameter算法和scanline算法。Ply2parameter算法在三维模型上对表现形式为平面的面状结构面采样,根据采样得到的结构面顶点集合,使用主成分分析计算结构面的法向量,计算岩体结构面参数。sancline算法计算出在三维模型上沿着虚拟测线标记出的面状结构面和表现形式为迹线的线状结构面的参数。最后对结构面进行优势分组;以甘肃北山的一个岩石露头为例应用上述两个算法。将得到的结果和野外实测的结果对比,显示出了良好了相关性。     

基于联合损失函数的小规模数据人脸识别

小规模数据人脸识别的难点在于数据量少而变化多,直接用深度神经网络进行训练易出现过拟合现象.针对此问题,本文提出了基于联合损失函数的小规模数据人脸识别算法,即利用联合损失函数,在基于Softmax损失函数的大规模公开人脸数据集上得到的预训练模型上重新训练.该方法既能充分使用模型参数,也能够提高模型的特征表征能力.除此之外,本文中还使用了传统特征后处理方法进行对比评估,证明了该方法在小规模人脸数据集上的有效性.实验表明,本文方法能大幅度提高模型在学校新生人脸数据集的检索精度.      

加锚岩体结构面组合单元研究

为了简化大规模加锚岩体结构面有限元分析的前处理过程,通过结合结构面单元的位移插值函数和虚拟锚杆单元的刚度矩阵,提出了加锚岩体结构面组合单元模型.该单元不仅适合大规模加锚岩体结构面的有限元分析,同时也可以模拟加锚岩体结构面的真实加固机理.     

基于改进YOLO v5的城市树木检测

针对城市道路环境复杂、草坪树木密集等引起的树木误检、漏检以及模型较大不易部署在边缘计算设备上等问题,提出一种基于改进YOLO v5的城市树木检测算法.算法引入融合注意力机制的双向加权特征金字塔结构BiFPN-ECA,减少冗余语义特征,增加特征融合网络对关键特征的关注度,提升特征融合质量;利用GSConv卷积替换Neck部分的密集卷积,提升特征提取能力并减少运算量;引入SIoU损失函数,通过加入向量角度这一惩罚项,减少与距离相关的变量,降低回归自由度,加快网络收敛,进一步提升回归精度.采集城市常见绿化树木的图像和视频,建立城市绿化树木样本集进行模型对比试验.试验结果表明,本文方法比初始YOLO v5模型的平均精度均值提升了5%,模型参数量减小为原来的50%,模型的帧率提升了5帧/s,兼顾了检测精度和实时性.     

多特征融合的深度强化学习色彩增强方法

提出一种结合深度特征与美学特征的图像增强方法.首先,结合多种图像特征重构智能体评估网络,该网络通过拼接图像语义特征、图像色彩特征及历史动作信息输出当前策略.其次,感知奖励模型通过预训练分类模型激活层网络提取深层特征,使用余弦距离获得图像间的深度感知距离;利用美学模型获得图像间的概率距离.最后,结合两方面的距离表示并将其用于奖励模型构造中.在MIT-Adobe FiveK数据集上的实验结果表明,本色彩增强方法在结构相似度和平均均方误差上优于其他基线算法,模型场景适用性强.生成图像在保留更多的细节信息的同时,可以有效增强图像色彩.     

基于钻孔摄影方法的岩体中结构面连通性分析

将钻孔摄影方法推广到多孔结构面连通中，从结构面产状、地质特征等角度提出了连通性判别依据，并运用龙江特大桥桥基摄像勘察结果检验了该方法的可行性.其中，选择了位于大桥一侧的3个钻孔，在对孔内的结构面地质特征、产状等参数进行分析和计算的基础上，根据结构面连通原理进行对比和筛查，共得到3组2孔连通结构面和2组3孔连通结构面.结果表明，所有可连通结构面产状相似、空间位置满足共面的要求，并且组成结构面的岩体及周围环境岩体特征相似.将基于钻孔摄影技术的结构面连通方法用于该工程中可行.
     

改进残差网络的字轮式数字表盘识别算法

针对识别字轮式表盘数字时,出现耗时长、双半字符识别率不高、模型参数过大等问题,提出了一种改进残差网络的字轮式数字表盘识别算法。首先,对采集的表盘原始图像进行预处理操作,得到包含完整字符图像和双半字符图像的数据集;其次,对ResNet-18网络进行优化改进,引入深度可分离卷积和Dropout函数;最后,加载数据集进行训练和测试。实际验证结果表明：改进后的残差网络模型识别准确率达99.8%,模型参数大小只有7.71MB,模型平均推理时间缩短至12ms左右。     

岩体隧道施工诱发的关键块体三维模型及其验证

在岩体隧道工程岩体结构面的观测基础上,研究了结构面三维模型及网络模拟技术,通过不连续面网络图模拟真实岩体的几何特征,讨论了两种块体搜索方法,即根据确定结构面参数搜索确定块体和根据节理面网络图搜索随机块体的方法.引入概率理论对被节理切割的岩体中关键块进行了分析,采用蒙特卡罗法和面向对象的编程技术,给出了基于统计原理的岩体不连续面三维计算机模拟方法.建立了岩体工程适用的块体搜索和计算模型,实现岩体隧道工程的关键块体计算机搜索、三维显示和旋转等.     

特征概率图约束全卷积网络的目标分割

针对全卷积神经网络在图像分割上易出现一些孤立的错分像素点或像素块现象,提出一种新的全卷积神经网络结构模型,并定义特征概率图约束损失函数作为本研究模型的优化目标. 该损失函数衡量了图像中的像素点属于前景和背景概率的差距. 同时,该模型使用新定义的损失函数与常用的交叉熵损失函数的加权组合联合训练网络模型. 在肺数据集和手势数据集的实验结果表明,该网络模型可以减少部分错分的孤立像素点和孤立像素块的出现.     

基于均匀设计的船舶目标检测深度学习 模型训练方法研究

针对沿岸监控视频图像的舰船目标识别问题,传统检测方法检测速度和准确率有待进一步提升。深度学习方法已经能够实现船舶目标的检测,但模型网络结构复杂且存在交互影响的超参数,模型训练时耗长,检测精度往往受限于训练样本和超参数的选取。拟在YOLO算法的卷积神经网络模型训练过程中,采用均匀设计理念,对影响因素和水平协同优化,减少按照主观经验训练深度学习算法参数的盲目性。分析清晰度和人工标注影响,以场景、训练集与测试集样本比例、训练算法、训练轮次作为影响因素,设置差异化水平值,采用均匀设计方法训练深度学习模型,选用AP 值对比分析经验法和均匀设计法。以上海市黄浦江水域场景作为实例验证,研究表明：经验法设计的9组训练方案中最优AP值为0.84,均匀设计法产生的6组训练方案中,选用YOLOv5x算法,样本比例90%、训练100轮次时,深度学习模型AP值为0.91,表明均匀设计在深度学习模型超参数训练中有效。     

犁体曲面优化设计

本文提出了以功率消耗为目标函数、犁面几何参数的可行范围为约束条件的犁面优化设计方法。在给定犁面几何模型的基础上,建立了犁面的功耗模型,并采用改进单纯形法,由电子计算机自动选择犁面的最佳几何参数。通过对四种不同类型犁面的计算,证明文中提出的犁面优化设计方法是可行的。     

用于图像超分辨率重建的双通道残差网络

针对现有基于深度学习的自然图像超分辨率算法在图像高频细节重建方面的不足,提出了一种更注重图像高频细节重建的双通道残差网络。使用带有通道注意力机制的残差结构作为网络的主通道;为了在重建过程中更好地保留原始图像的几何结构和边缘信息,使用自适应结构化卷积设计了网络的辅助通道,以此构建的双通道残差网络在学习过程中会有更强的高频信息捕获能力;为了使重建图像效果更加符合人眼的主观视觉感受,结合使用L₁损失函数和多尺度结构相似度损失函数来训练网络,使网络在训练过程中能够较好地保留图像的视觉效果。实验结果表明:在主通道外并构基于结构化卷积的辅助通道可以使重建图像的峰值信噪比提高2 dB;结合使用L₁损失函数和多尺度结构相似度损失函数可以使重建图像的峰值信噪比提高3 dB、结构相似性提高0.5;与同类网络客观定量相比,所提网络在两个公开数据集上取得的效果更优。     

基于深度学习与数据增强技术的小样本岩石分类

在油气勘探中,利用深度学习技术对岩石进行识别与分类能极大提高工作效率。岩石采样并制作样本图像费时费力,因此岩石样本通常较少。有鉴于此,基于深度学习技术设计一个新的神经网络模型MyNet,该模型能对小样本进行学习并完成岩石样本的分类。使用数据增强技术通过Python编程将314张岩石样本扩充成28272张图像,为了充分利用现有数据,取其中的27384张作为训练集,剩余888张作为测试集。将数据分别导入MyNet、ResNet50、Vgg16进行训练和测试。实验结果表明,加载、不加载预训练参数的ResNet50、Vgg16的岩石分类结果因受有无迁移学习影响会有所不同;MyNet的总体分类准确率为75.6%,均优于有无迁移学习的ResNet50、Vgg16,且其结构复杂度与训练代价明显低于比较模型,说明新模型应用于小样本的岩石分类可行有效且经济安全,更容易推广应用。     

基于步行时足底压力信息的前交叉韧带断裂辅助诊断方法

为了辨识动态足底压力信息与前交叉韧带断裂的关系, 将步行时的足底压力数据转换成图像, 采用深度学习中的卷积神经网络模型, 在给定足量输入图像与分类结果的情况下, 不断更新神经网络的参数, 建立图像与前交叉韧带断裂的关系。将足底压力测试系统(FootScan^®)采集的数据分为训练集和测试集两个部分。训练集用于调整模型的参数, 帮助模型更好地分析并找到足底压力信息与前交叉韧带断裂的关系; 测试集用于模拟诊断, 对比真实情况, 评估准确性, 并评估其作为临床辅助诊断方法的性能。结果表明, 提出的投票法模型的诊断正确率超过90%, 并且从得到足底压力数据到产生诊断结果, 总耗时仅3秒左右。由此得出, 所提出的基于步行时足底压力信息的深度学习模型, 可以在很短时间内辅助诊断前交叉韧带断裂, 为临床辅助诊断及康复提供参考。