基于数字图像的隧道岩体裂隙智能识别与参数提取方法

作者：李轶惠; 许振浩; 潘东东^*; 石恒

来源：应用基础与工程科学学报, 2023, 31(06): 1427-1443.

DOI：10.16058/j.issn.1005-0930.2023.06.005

• 裂隙识别
• 参数提取
• 深度学习
• 隧道工程
• 岩体裂隙
• 语义分割

为实现岩体裂隙自动化智能提取与参数化表征，提出一种基于岩体图像的裂隙智能识别与定量分析方法.首先，改进D-LinkNet网络模型框架，级联空洞卷积(CAC)融合剩余多核池化(RMP)模块建立融合多尺度特征的MD-LinkNet(Multiple-scale-feature, D-LinkNet)模型，实现裂隙多尺度特征信息的有效提取；其次，利用DUpsample双线性插值进行上采样，优化卷积池化后的裂隙低分辨率图像，通过像素邻域信息融合裂隙全局特征与局部特征，提高裂隙识别精度；再次，基于裂隙智能识别结构图构建二维裂隙特征点集，提出了交点识别和裂隙骨架矢量化计算方法，提取了裂隙的迹长、宽度、视倾角等裂隙形态参数，实现了裂隙识别图像的定量化分析.最后，依托新疆某工程开展了裂隙智能识别方法的应用分析，结果表明，该方法用于裂隙识别其准确率高达95.7%,精确率为85.1%,实现了隧道岩体的几何参数自动提取.该研究为后续地下工程岩体裂隙快速智能识别与几何参数提取提供了参考.

• 单位
  山东大学苏州研究院; 山东大学