基于智能自学习模型识别岩芯的RQD标定方法 |
| |
引用本文: | 赵兴东,王宏宇,王小兵,王立君.基于智能自学习模型识别岩芯的RQD标定方法[J].矿业研究与开发,2023(12):159-165. |
| |
作者姓名: | 赵兴东 王宏宇 王小兵 王立君 |
| |
作者单位: | 1. 东北大学资源与土木工程学院;2. 中钢集团马鞍山矿山研究总院股份有限公司;3. 金属矿山安全与健康国家重点实验室;4. 山东黄金集团有限公司 |
| |
基金项目: | 国家自然科学基金重点项目(52130403); |
| |
摘 要: | RQD分级是分析岩体工程地质条件和评价岩体完整性的重要手段。针对传统人工测量并编录RQD工作量较大且效率低下的问题,基于智能自学习(Inception-v3卷积神经网络迁移学习)模型,通过对地质钻探中拍摄的大量岩芯图片进行特征提取和迁移学习,建立岩芯-岩芯盒识别模型,实现对长度大于10 cm岩芯的自动识别和RQD获取,进而帮助钻孔岩芯编录和岩体质量评价。三山岛西岭矿区的应用结果表明,智能自学习模型识别岩芯的RQD标定结果与传统人工方法所得结果差距仅为1.78%,方便快捷的同时准确性较高,适合应用于实际矿山工程中。
|
关 键 词: | 智能自学习 岩芯识别 RQD 卷积神经网络 |
|
|