[發(fā)明專利]基于切近攝影的巖體裂隙智能識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110901662.6
• 申請日: 2021-08-06
• 公開（公告）號: CN113743227A
• 公開（公告）日: 2021-12-03
• 發(fā)明（設(shè)計(jì)）人: 許振浩;李軼惠;李海燕;潘東東;王欣桐;黃鑫
• 申請（專利權(quán)）人: 山東大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 閆圣娟

本公開提供了一種基于切近攝影的巖體裂隙智能識別方法及系統(tǒng)，包括：利用無人機(jī)獲取巖體裂隙待識別區(qū)域的地形數(shù)據(jù)，并通過擬合地形數(shù)據(jù)獲得地表平面模型；基于獲取的地表平面模型生成三維航線；通過所述三維航線控制無人機(jī)自動(dòng)切近巖體表面飛行，并根據(jù)預(yù)設(shè)位置進(jìn)行圖像拍攝；對拍攝的圖像進(jìn)行數(shù)據(jù)預(yù)處理，并對預(yù)處理的圖像進(jìn)行圖像分割；將分割后的圖像輸入預(yù)先訓(xùn)練的巖體裂隙識別模型中，得到巖體裂隙的識別結(jié)果。所述方案通過無人機(jī)緊貼巖體表面進(jìn)行攝像，從而自動(dòng)獲取裂隙圖像，并經(jīng)過LinkNet神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)巖體裂隙的精確識別，同時(shí)，有效提高了裂隙識別的效率。

技術(shù)領(lǐng)域

本公開屬于巖體裂隙識別技術(shù)領(lǐng)域，尤其涉及一種基于切近攝影的巖體裂隙智能識別方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

巖石裂隙識別是實(shí)現(xiàn)巖體裂隙網(wǎng)絡(luò)建模的基礎(chǔ)，通過裂隙識別可以獲取巖體的產(chǎn)狀數(shù)據(jù)，了解巖體的結(jié)構(gòu)特性。例如：邊坡地帶進(jìn)行巖體裂隙識別，可以判斷邊坡變形機(jī)制，對邊坡滑坡、塌方等災(zāi)害進(jìn)行預(yù)測；裸露礦床進(jìn)行裂隙識別，進(jìn)一步進(jìn)行裂隙網(wǎng)絡(luò)建模，對涌水等災(zāi)害進(jìn)行模擬預(yù)測，減少災(zāi)害的發(fā)生，保證施工人員安全；對野外裸露巖體進(jìn)行裂隙識別，可以為工程后續(xù)施工提供設(shè)計(jì)參數(shù)。因此，巖體裂隙識別是非常重要的。

傳統(tǒng)的裂隙識別方法，主要依靠人工借助羅盤、尺子對巖體裂隙進(jìn)行逐個(gè)測量、記錄，雖操作簡單，但耗費(fèi)時(shí)間，效率低，受天氣、地理環(huán)境等自然條件影響較大。最近幾年發(fā)展起來的利用數(shù)碼攝像進(jìn)行裂隙識別，為裂隙識別提供了一個(gè)有效途徑，但發(fā)明人發(fā)現(xiàn)，目前存在的后續(xù)處理方法，主要借助如閾值分割、邊緣檢測與區(qū)域生長法等方法，將原始圖像二值化處理后，即處理后的巖體圖像為黑白圖像，再進(jìn)行裂隙識別，該類方法，由于閥值難以確定等原因?qū)е伦R別精度較低，或難以精準(zhǔn)區(qū)分背景和裂隙，容易將灰度變化較大的非裂隙去識別為裂隙，難以識別灰度變化不大的微小裂隙。故急需一種識別精度相對較高，又能解放勞動(dòng)力，克服地理?xiàng)l件限制的巖體裂隙識別方法。

發(fā)明內(nèi)容

本公開為了解決上述問題，提供了一種基于切近攝影的巖體裂隙智能識別方法及系統(tǒng)，所述方案通過無人機(jī)緊貼巖體表面進(jìn)行攝像，從而自動(dòng)獲取裂隙圖像，并經(jīng)過神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)巖體裂隙的精確識別，同時(shí)，有效提高了裂隙識別效率。

根據(jù)本公開實(shí)施例的第一個(gè)方面，提供了一種基于切近攝影的巖體裂隙智能識別方法，包括：

利用無人機(jī)獲取巖體裂隙待識別區(qū)域的地形數(shù)據(jù)，并通過擬合地形數(shù)據(jù)獲得地表平面模型；

基于獲取的地表平面模型生成三維航線；

通過所述三維航線控制無人機(jī)自動(dòng)切近巖體表面飛行，并根據(jù)預(yù)設(shè)位置進(jìn)行圖像拍攝；

對拍攝的圖像進(jìn)行數(shù)據(jù)預(yù)處理，并對預(yù)處理的圖像進(jìn)行圖像分割；

將分割后的圖像輸入預(yù)先訓(xùn)練的巖體裂隙識別模型中，得到巖體裂隙的識別結(jié)果。

進(jìn)一步的，所述利用無人機(jī)擬合巖體裂隙待識別區(qū)域地表平面，具體為：操控?zé)o人機(jī)進(jìn)入巖體裂隙待識別區(qū)域并貼近地面預(yù)設(shè)距離飛行，實(shí)現(xiàn)地形數(shù)據(jù)的獲取；基于獲取的地形數(shù)據(jù)通過航線規(guī)劃軟件擬合出地表平面模型。

進(jìn)一步的，所述根據(jù)預(yù)設(shè)位置進(jìn)行圖像拍攝，具體為：

在確定拍攝位置后，通過自動(dòng)調(diào)節(jié)攝像設(shè)備垂直于擬合地形平面進(jìn)行垂直攝像、左右偏轉(zhuǎn)預(yù)設(shè)角度進(jìn)行攝像。

進(jìn)一步的，所述對拍攝的圖像進(jìn)行數(shù)據(jù)預(yù)處理，具體包括：對圖像進(jìn)行幾何變換以及旋轉(zhuǎn)縮放來統(tǒng)一拍攝圖像的尺度；通過圖像濾波去除拍攝圖像中的噪聲；通過圖像增強(qiáng)操作改善拍攝圖像的視覺效果。

進(jìn)一步的，所述巖體裂隙識別模型采用Link-Net神經(jīng)網(wǎng)絡(luò)模型，所述神經(jīng)網(wǎng)絡(luò)模型包括順序連接的卷積層、池化層、編碼塊、解碼塊以及反卷積層。