[發(fā)明專利]一種從鉆孔巖芯照片中識(shí)別RQD的智能方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011137412.1
• 申請(qǐng)日: 2020-10-22
• 公開(kāi)（公告）號(hào): CN112241711B
• 公開(kāi)（公告）日: 2023-07-28
• 發(fā)明（設(shè)計(jì)）人: 劉飛躍;楊天鴻;鄧文學(xué)
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G06V10/82
• 分類號(hào): G06V10/82;G06V10/774;G06V10/776;G06N3/0464;G06N3/084
• 代理公司: 沈陽(yáng)東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李梁

1.一種從鉆孔巖芯照片中識(shí)別RQD的智能方法，其特征在于：包括以下步驟：

步驟1：對(duì)巖芯圖像進(jìn)行采集，并把采集到的巖芯圖像制作數(shù)據(jù)集，通過(guò)Mask-RCNN深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)單排巖芯圖像進(jìn)行識(shí)別；

步驟1.1：采集原始巖芯照片，對(duì)巖芯照片進(jìn)行圖像處理，并記錄每幅圖像對(duì)應(yīng)的鉆孔編號(hào)、埋深起始值、埋深終止值以及巖芯擺放順序；

步驟1.2：制作巖芯圖像數(shù)據(jù)集；使用標(biāo)注工具在巖芯圖像中標(biāo)注單排巖芯得到數(shù)據(jù)標(biāo)簽作為Mask-RCNN深度學(xué)習(xí)網(wǎng)絡(luò)的學(xué)習(xí)樣本，并將學(xué)習(xí)樣本按照3:1的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集；

步驟1.3：使用遷移學(xué)習(xí)的方法將學(xué)習(xí)樣本輸入Mask-RCNN深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到預(yù)訓(xùn)練模型，對(duì)預(yù)訓(xùn)練模型進(jìn)行初始參數(shù)設(shè)置，并調(diào)低學(xué)習(xí)率，將訓(xùn)練集輸入至Mask?R-CNN網(wǎng)絡(luò)中，經(jīng)過(guò)正向傳播得到對(duì)單排巖芯位置的預(yù)測(cè)結(jié)果，并與數(shù)據(jù)標(biāo)簽進(jìn)行比照得到驗(yàn)證損失值；進(jìn)行反向傳播，利用小批梯度下降法對(duì)Mask-RCNN深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行梯度更新，直至損失值達(dá)到預(yù)設(shè)閾值或迭代步數(shù)達(dá)到預(yù)設(shè)值，完成對(duì)單排巖芯進(jìn)行識(shí)別的core_band_identification深度學(xué)習(xí)模型的訓(xùn)練；

步驟1.4：將測(cè)試集輸入至訓(xùn)練好的core_band_identification模型中，利用區(qū)域提議網(wǎng)絡(luò)在巖芯圖像中生成N個(gè)預(yù)測(cè)邊界框，計(jì)算預(yù)測(cè)邊界框?qū)儆谀繕?biāo)類別的概率值，將概率值從大到小進(jìn)行排列，取出最大概率值的預(yù)測(cè)邊界框作為基準(zhǔn)，計(jì)算剩余的預(yù)測(cè)邊界框與其的交并比，如果大于給設(shè)定閾值，則將這個(gè)預(yù)測(cè)邊界框移除，重復(fù)計(jì)算在圖像中識(shí)別出所有目標(biāo)，且每個(gè)目標(biāo)對(duì)應(yīng)一個(gè)預(yù)測(cè)邊界框，即得到錨框，core_band_identification模型從每個(gè)錨框中識(shí)別目標(biāo)的邊界，并用色塊進(jìn)行填充，進(jìn)行目標(biāo)的準(zhǔn)確定位，即得到掩膜；

步驟2：對(duì)長(zhǎng)度大于等于S的巖芯段進(jìn)行識(shí)別；長(zhǎng)度大于等于S，使用標(biāo)注工具在步驟1.2單排巖芯圖像中標(biāo)注其中長(zhǎng)度大于等于S的巖芯，重復(fù)步驟1.3-步驟1.4，得到core_segment_identification模型，用于從單排巖芯圖像中識(shí)別滿足長(zhǎng)度大于等于S的巖芯段；

步驟3：對(duì)巖芯進(jìn)行RQD計(jì)算，將計(jì)算得到的RQD與鉆孔編號(hào)、埋深起始值、埋深終止值對(duì)應(yīng)，實(shí)現(xiàn)所有巖芯圖像中RQD的編錄；在每個(gè)進(jìn)尺獲取的巖芯中，計(jì)算每個(gè)長(zhǎng)度大于等于S的巖芯段中心線上的像素點(diǎn)個(gè)數(shù)n_i，同時(shí)獲取進(jìn)尺中心線上的像素點(diǎn)個(gè)數(shù)N，則RQD由下式計(jì)算得到：

其中，m為進(jìn)尺上長(zhǎng)度大于等于S的巖芯段個(gè)數(shù)，i為巖芯段序號(hào)，i屬于1-m，l_i為對(duì)應(yīng)巖芯段的長(zhǎng)度，L為進(jìn)尺長(zhǎng)度，對(duì)于每一次進(jìn)尺均進(jìn)行上式計(jì)算過(guò)程；

若巖芯上沒(méi)有對(duì)進(jìn)尺進(jìn)行標(biāo)記或沒(méi)有臺(tái)賬，使用式(2)對(duì)每一單排巖芯或每幅巖芯圖像進(jìn)行RQD計(jì)算編錄：

其中，L_c與N_c為單排巖芯的長(zhǎng)度與對(duì)應(yīng)的中心線像素點(diǎn)個(gè)數(shù)，為固定值；η為巖芯采取率。

2.根據(jù)權(quán)利要求1所述的一種從鉆孔巖芯照片中識(shí)別RQD的智能方法，其特征在于，步驟1.2中所述標(biāo)注單排巖芯為以連續(xù)的點(diǎn)進(jìn)行連線，形成閉合多邊形，將目標(biāo)巖芯的邊緣輪廓標(biāo)注出來(lái)，并轉(zhuǎn)化成設(shè)定格式的標(biāo)注文件。