基于CT数字岩心深度学习的煤裂隙分布识别研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13199/j.cnki.cst.2022-0530

基于CT数字岩心深度学习的煤裂隙分布识别研究

引用
为了实现煤裂隙多尺度分布特征的高精度,高效率识别,开展基于CT数字岩心深度学习的煤裂隙多尺度分布特性识别方法研究.利用工业CT扫描系统收集大量煤原始CT数字岩心信息阵列,将CT数字岩心信息阵列低损转换成二维灰度图像,再分割成不同尺度的正方形图像并将其图像亮度增强为不同级别作为训练样本,然后通过Matlab平台实现了用于含CT裂隙图像识别的AlexNet,Res-Net-18,GoogLeNet,Inception-V3四种模型的构建与模型参数的优化.研究在不同数量训练样本下不同模型训练的识别准确率与验证准确率;研究在相同训练样本下不同模型对于不同尺度和亮度图像的准确率、计算效率和训练时间,获得适用于计算含裂隙的二维CT图像的分形维数的最优模型,再按照盒计维数的统计方法,计算每张裂隙图像的分形分布特性,并与传统二值化方法和人眼识别方法相对比,验证了基于CT数字岩心深度学习的煤裂隙多尺度分布特性识别方法的适用性,结果表明:①ResNet-18模型在图片样本为亮度 4,尺度为 3.5~21 mm时是适用于计算含裂隙的二维CT图像的分形维数的最优模型,该模型计算二维CT裂隙图像的分形维数精度高,且训练时间短.②基于CT数字岩心深度学习的煤裂隙多尺度识别方法与传统二值化方法相比,识别连通性裂隙的速度快、精度高、不易受煤中杂质的影响.

煤裂隙、CT数字岩心、图像识别、裂隙识别、CT扫描

51

TD315(矿山压力与支护)

国家自然科学基金12102293

2023-09-08(万方平台首次上网日期,不代表论文的发表时间)

共8页

97-104

相关文献
评论
暂无封面信息
查看本期封面目录

煤炭科学技术

0253-2336

11-2402/TD

51

2023,51(8)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn