| 基于AttentionR2U-net的岩石（体）关键节理智能识别与参数提取 |
| |
| 引用本文： | 孙浩,代宗晟,金爱兵,陈岩.基于AttentionR2U-net的岩石（体）关键节理智能识别与参数提取[J].东北大学学报(自然科学版),2024(1):101-110. |
| |
| 作者姓名： | 孙浩 代宗晟 金爱兵 陈岩 |
| |
| 作者单位： | 1. 北京科技大学金属矿山高效开采与安全教育部重点实验室;2. 北京科技大学土木与资源工程学院;3. 北京科技大学自动化学院 |
| |
| 基金项目： | 国家自然科学基金资助项目（52174106,52004017）；;中央高校基本科研业务费专项资金资助项目（FRF-IDRY-20-021）； |
| |
| 摘 要： | 针对岩石（体）表面复杂节理网中关键节理的智能识别与参数提取问题，提出一种基于AttentionR2U-net网络与节理几何特征模型耦合识别的方法.在R2U-net网络的基础上引入注意门（attention gate）改进网络，通过定性与定量的方法对边坡节理图像和混凝土、龟裂土、常见脆性岩石裂隙图像的识别结果分别作准确性及泛化能力检验；利用AttentionR2U-net网络耦合节理几何特征的方法识别关键节理，提取原始节理和关键节理的几何参数并对其迹长、面积及倾角作差异性分析.研究结果表明：针对岩石（体）节理识别，本文算法的Dice相似系数从U-net网络的0.965提升至0.990，且明显优于传统算法，故本文算法在岩石（体）节理识别上具有更强的可靠性与优越性；针对混凝土、龟裂土和大理岩、花岗岩、砂岩等脆性岩石裂隙的识别，本文算法的Dice相似系数均在0.953以上，故本文算法具有较强的泛化能力.与原始节理网络相比，关键节理网络优势迹长由0.732 m显著增大至1.835 m，节理倾角分布形式和优势倾角组均不变，优势迹长和倾角的节理占比均显著增大.
|
| 关 键 词： | 岩石(体) 关键节理 AttentionR2U-net网络 智能识别 参数提取 |
|
