基于岩芯图像深度学习的矿山岩体质量精细化评价
矿山工程为了获取准确的资源储量而进行的地质钻探往往会获取大量的岩芯图像,从中提取岩体结构信息进行岩体质量评价具有现实的工程意义.目前人工对钻孔岩芯进行岩石质量指标RQD的编录方法效率低下且受主观因素影响,为此首先使用Mask-RCNN深度学习实例分割网络从钻孔岩芯图像中自动识别出单排岩芯,进而从单排岩芯中识别出长度大于等于10 cm的岩芯段,进行RQD的计算;然后结合钻孔信息与地质模型,使用普通克里金插值得到可表征RQD非均匀性的块体模型,实现对岩体质量的精细化评价.乌山铜钼矿的应用结果表明深度学习方法可以准确地从岩芯图像中计算出RQD,同时地质统计学的使用可以有效地对岩体质量进行精细化表征,提出的方法在矿山工程中具有广泛的应用前景.
深度学习、岩芯图像、钻孔编录、RQD、岩体质量评价、地质统计学
43
TU45(土力学、地基基础工程)
国家重点研发计划;国家重点研发计划;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
968-974