基于AttentionR2U-net的岩石(体)关键 节理智能识别与参数提取.
- Resource Type
- Article
- Authors
- 孙 浩; 代宗晟; 金爱兵; 陈 岩
- Source
- Journal of Northeastern University (Natural Science). Jan2024, Vol. 45 Issue 1, p101-110. 10p.
- Subject
- Language
- Chinese
- ISSN
- 1005-3026
针 对 岩 石(体)表 面 复 杂 节 理 网 中 关 键 节 理 的 智 能 识 别 与 参 数 提 取 问 题,提 出 一 种 基 于 AttentionR2U-net 网 络 与 节 理 几 何 特 征 模 型 耦 合 识 别 的 方 法 . 在 R2U-net 网 络 的 基 础 上 引 入 注 意 门 (attention gate)改进网络,通过定性与定量的方法对边坡节理图像和混凝土、龟裂土、常见脆性岩石裂隙图像 的识别结果分别作准确性及泛化能力检验;利用 AttentionR2U-net 网络耦合节理几何特征的方法识别关键节 理,提取原始节理和关键节理的几何参数并对其迹长、面积及倾角作差异性分析 . 研究结果表明:针对岩石 (体)节理识别,本文算法的 Dice 相似系数从 U-net 网络的0. 965提升至 0. 990,且明显优于传统算法,故本文 算法在岩石(体)节理识别上具有更强的可靠性与优越性;针对混凝土、龟裂土和大理岩、花岗岩、砂岩等脆性 岩石裂隙的识别,本文算法的 Dice 相似系数均在0. 953 以上,故本文算法具有较强的泛化能力. 与原始节理 网络相比,关键节理网络优势迹长由 0. 732 m 显著增大至 1. 835 m,节理倾角分布形式和优势倾角组均不变, 优势迹长和倾角的节理占比均显著增大. [ABSTRACT FROM AUTHOR]