基于全卷积神经网络的花岗岩中不同组分分布特征分析

作者：朱楚雄; 徐金明^*; 钟传江

来源：中国地质灾害与防治学报, 2021, 32(01): 127-134.

DOI：10.16031/j.cnki.issn.1003-8035.2021.01.17

• 花岗岩
• 组分识别
• 全卷积神经网络

岩石中不同组分的分布特征是研究岩石物理力学性质的重要基础。本文以花岗岩为例,使用全卷积神经网络(FCN)和单轴压缩试验视频来研究花岗岩不同组分(裂隙、黑云母、石英、长石)的分布特征。将视频中单帧图像进行灰度转换和像素裁剪后,使用肉眼判定方法将4种组分进行标记并制成基础数据集,建立并训练了相应的FCN,通过对不同卷积层的可视化操作探讨了花岗岩中不同组分的分布情况,研究了整个变形破坏过程岩石中不同组分分布的变化特征,分析了不同组分识别准确率的变化情况及主要因素(网络深度、初始学习率和网络迭代次数)的影响。结果表明,在花岗岩的整个变形破坏过程中,裂隙首先在中部区域萌生、最后纵向贯穿整个岩石表面,黑云母组分分布分散且不断向左上方或右上方移动,石英主要集中在两侧区域,长石主要集中在中间和左上角区域;不同组分识别准确率逐步小幅度下降,准确率大小顺序是裂隙>黑云母>长石>石英;网络深度越深、初始学习率越大、则识别效果越好,迭代次数5 000时的识别效果较好。研究结果对使用人工智能技术研究岩石中不同组分分布特征具有一定的参考价值。

• 单位
  中铁十七局集团有限公司; 上海大学