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 |
|