基于深度学习的围岩钻孔裂隙识别技术研究及应用

发布时间：2021-12-29 00:33

　　智能采矿的实现以更加高效获得更多有效矿产地质信息资料为基础,以实现透明地球为目标,已成为采矿学科的重要组成部分。岩层围岩裂隙发育特征是评价工程稳定性的重要指标之一。当前,岩层围岩裂隙的获取多采用直接观测方法获得,该方法识别效率较低,且缺少统一的裂隙划分标准。本文以如何实现岩层钻孔裂隙的智能化识别及定量化处理为研究目标,将人工智能与采矿工程知识相结合,提出了一种新的识别岩层裂隙的方法。本文以岩层钻孔裂隙平面展开图为研究对象,划分了钻孔探测图像平面展开图裂隙种类,并对其裂隙进行量化划分;根据裂隙的精确长度、角度、占比,将巷道围岩钻孔平面展开图中的裂隙分为五类:纵向大裂隙、纵向小裂隙、横向大裂隙、横向小裂隙、破碎带。通过深度学习,采用卷积神经网络的Deep CORAL框架,深入分析了围岩钻孔裂隙分布特征,并设计具有针对性的网络结构,得到了卷积神经网络模型,利用Microsoft Visual Studio环境开发了整套围岩钻孔图片裂隙智能识别系统。首先对围岩图片中的裂隙进行像素级标注,搭建深度学习卷积神经网络,然后根据围岩钻孔图片中的裂隙特征进行1900次迭代训练后得到模型。经过10次验证该... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

ZKXG30矿用数字式全景钻孔摄像系统

人工标注前后Figure3-4Expandedviewoftheboreho

实验结果

【参考文献】：
期刊论文
[1]基于4G网络的采煤机数据上传系统设计[J]. 王飞,罗伟,任文清,张婧.  陕西煤炭. 2020(01)
[2]基于VR技术的虚拟矿井仿真平台建设[J]. 王鹏,宿国瑞,贾宝山,梁明辉.  煤矿安全. 2020(01)
[3]煤矿智能化标准体系框架与建设思路[J]. 王国法,杜毅博.  煤炭科学技术. 2020(01)
[4]智慧矿山理论与关键技术探析[J]. 谭章禄,吴琦.  中国煤炭. 2019(10)
[5]智能矿山的未来已来[J].   黄金科学技术. 2019(02)
[6]基于卷积神经网络的加密流量识别方法[J]. 陈雪娇,王攀,俞家辉.  南京邮电大学学报(自然科学版). 2018(06)
[7]卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例[J]. 刘艳鹏,朱立新,周永章.  岩石学报. 2018(11)
[8]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[9]基于深度卷积神经网络的快速图像分类算法[J]. 王华利,邹俊忠,张见,卫作臣,汪春梅.  计算机工程与应用. 2017(13)
[10]珊瑚礁岩体完整性评价方法[J]. 汪进超,王川婴.  岩土力学. 2014(10)

博士论文
[1]钻孔电视成像技术在工程探测中的应用研究[D]. 查恩来.吉林大学 2006

硕士论文
[1]基于改进LBP与LCNN的人脸识别技术研究[D]. 吴焱扬.厦门大学 2018
[2]基于卷积神经网络的肺结节恶性度分类[D]. 张坤鹏.郑州大学 2018
[3]智能视频监控系统中的行人重识别方法研究[D]. 彭志勇.山东大学 2016
[4]基于Android平台的超声骨密度测试系统的设计与实现[D]. 王洋.安徽大学 2015
[5]数字近景摄影测量获取岩体结构面几何信息的方法研究[D]. 韩东亮.吉林大学 2014
[6]公司治理视角下企业整合风险预警机制研究[D]. 刘烨.石家庄经济学院 2010
[7]基于高精度数字钻孔图像的岩体不连续面分析方法研究[D]. 庞智成.中国科学院研究生院（武汉岩土力学研究所） 2007
[8]煤岩体结构观测及对巷道围岩稳定性的影响研究[D]. 苏波.煤炭科学研究总院 2007
[9]基于人工神经网络预测模型的期货价格预测[D]. 王奕淳.吉林大学 2006
[10]基于数字钻孔摄像的图像分析方法研究[D]. 秦英译.中国科学院研究生院（武汉岩土力学研究所） 2006



本文编号：3555039