[發(fā)明專利]一種基于CNN分類算法的泥巖巖性識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011255221.5
• 申請日: 2020-11-11
• 公開（公告）號: CN112508851A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 晏賓;鄭立寧;康景文;馮世清;黃練紅;高巖川;鄧正宇;胡熠;易春艷;周其健;陳繼;陳繼彬;曾偉
• 申請（專利權(quán)）人: 中國建筑西南勘察設(shè)計(jì)研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00;G06T3/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都九鼎天元知識產(chǎn)權(quán)代理有限公司 51214
• 代理人: 賈年龍

本發(fā)明公開了一種基于CNN分類算法的泥巖巖性識別系統(tǒng)，包括前端操作模塊，用于將圖像數(shù)據(jù)發(fā)送至服務(wù)器，并將圖像數(shù)據(jù)保存至數(shù)據(jù)庫服務(wù)器；泥巖容器檢測模塊，用于識別出圖像數(shù)據(jù)中泥巖容器的位置信息，便于裁剪出每個泥巖并作后一步的操作；泥質(zhì)風(fēng)化識別模塊，用于檢測單個泥巖圖像的風(fēng)化程度和泥質(zhì)，風(fēng)化程度包括中等風(fēng)化、全風(fēng)化和強(qiáng)風(fēng)化中任一種，泥質(zhì)包括砂巖、泥巖、砂質(zhì)泥巖和泥質(zhì)砂巖中任一種等；本發(fā)明可以接收用戶上傳的標(biāo)簽信息，并自動化地利用標(biāo)簽信息實(shí)現(xiàn)算法模塊的更新，提高算法的準(zhǔn)確率，從而提高系統(tǒng)的準(zhǔn)確率，且具有識別精準(zhǔn)度高，效率高，交互性強(qiáng)等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及到泥巖巖性識別領(lǐng)域，更為具體的，涉及一種基于CNN分類算法的泥巖巖性識別系統(tǒng)。

背景技術(shù)

在巖土工程項(xiàng)目中，技術(shù)人員的水平主要依賴于長期的工程實(shí)踐經(jīng)驗(yàn)，高水平技術(shù)人員培養(yǎng)時間較長。然而，近年來我國工程項(xiàng)目數(shù)量快速增長，現(xiàn)有巖土技術(shù)人員已不能滿足工程建設(shè)的需求。另外，在巖土勘察工作中，對于鉆孔巖芯的巖性及風(fēng)化程度識別主要依賴技術(shù)人員工程經(jīng)驗(yàn)和主觀意識，缺乏相關(guān)的規(guī)范約束，沒有統(tǒng)一的標(biāo)準(zhǔn)，導(dǎo)致在同樣的場地環(huán)境中，鉆孔巖芯判識結(jié)果也因人而異。近年來，得益于大數(shù)據(jù)和云計(jì)算的快速發(fā)展，不同領(lǐng)域的研究者和技術(shù)人員對人工智能算法展開了大量研究，人工智能技術(shù)也取得了突破進(jìn)展。但在巖土工程行業(yè)，人工智能和智慧勘察結(jié)合的研究尚不夠深入。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于CNN分類算法的泥巖巖性識別系統(tǒng)，可以接收用戶上傳的標(biāo)簽信息，并自動化地利用標(biāo)簽信息實(shí)現(xiàn)算法模塊的更新，提高算法的準(zhǔn)確率，從而提高系統(tǒng)的準(zhǔn)確率，且具有識別精準(zhǔn)度高，效率高，交互性強(qiáng)等優(yōu)點(diǎn)。

本發(fā)明的目的是通過以下方案實(shí)現(xiàn)的：

一種基于CNN分類算法的泥巖巖性識別系統(tǒng)，包括：

前端操作模塊，用于將圖像數(shù)據(jù)發(fā)送至服務(wù)器，并將圖像數(shù)據(jù)保存至數(shù)據(jù)庫服務(wù)器；

泥巖容器檢測模塊，用于識別出圖像數(shù)據(jù)中泥巖容器的位置信息，便于裁剪出每個泥巖并作后一步的操作；

泥質(zhì)風(fēng)化識別模塊，用于檢測單個泥巖圖像的風(fēng)化程度和泥質(zhì)，風(fēng)化程度包括中等風(fēng)化、全風(fēng)化和強(qiáng)風(fēng)化中任一種，泥質(zhì)包括砂巖、泥巖、砂質(zhì)泥巖和泥質(zhì)砂巖中任一種。

進(jìn)一步地，泥巖容器檢測模塊包括程序以及運(yùn)行程序的存儲介質(zhì)，運(yùn)行程序的存儲介質(zhì)基于Canny邊緣檢測算法，結(jié)合凸包、LSD直線檢測對圖像進(jìn)行分解處理，具體包括流程：

S1，對圖像進(jìn)行放縮，在待求像素的四鄰像素中，將距離待求像素最近的像素灰度賦給待求像素，設(shè)(i+u,j+v)為待求像素坐標(biāo)，如果(i+u,j+v)落在A區(qū)，即u0.5,v0.5，則將左上角像素的灰度值賦給待求像素，同理，落在B區(qū)則賦予右上角的像素灰度值，落在C區(qū)則賦予左下角像素的灰度值，落在D區(qū)則賦予右下角像素的灰度值；其中，i,j為正整數(shù)，u,v為大于零小于1的小數(shù)；

S2，圖像放縮后，對獲得的圖像通過圖像模糊濾波器降低圖像中的噪聲，采用如下二維濾波器公式計(jì)算G(x,y)：

其中，G(x,y)為圖像坐標(biāo)；

S3，降噪處理后，將獲得的圖像結(jié)果采用Canny算法進(jìn)行邊緣檢測，采用的算子為Sobel：

計(jì)算圖像的梯度幅值M(x,y)：

其中，d_x為沿x軸梯度值，d_y為沿y軸梯度值，f(x,y)為圖像像數(shù)值；計(jì)算圖像的角度θ_M：