一种基于声谱图深度学习的岩石表面强度测定方法技术

本发明专利技术公开了一种基于声谱图深度学习的岩石表面强度测定方法，该方法将声谱分析技术、深度学习技术与岩土工程专业特点相结合，为野外地质勘察工作者快速简便地检验岩石表面强度提供了新的手段。本发明专利技术可以通过地质锤敲击岩石表面产生的敲击声音直接判断出岩石的表面强度，操作简便且精度较高，适用于野外环境下的快速勘察工作。另外，由于深度神经网络的特点，本发明专利技术所提出的神经网络模型可以在使用的过程中，不断的进一步训练，从而可以进一步提高使用效果。

A Method for Measuring Rock Surface Strength Based on Acoustic Spectrogram Deep Learning

The invention discloses a method for measuring rock surface strength based on deep learning of acoustic spectrogram. The method combines acoustic spectrogram analysis technology, deep learning technology and the characteristics of geotechnical engineering specialty, and provides a new means for field geological prospectors to quickly and easily test rock surface strength. The invention can directly judge the surface strength of rock by the knocking sound produced by the geological hammer knocking on the rock surface. The operation is simple and the accuracy is high, and it is suitable for the rapid survey work in the field environment. In addition, due to the characteristics of the deep neural network, the proposed neural network model can be continuously further trained in the process of use, thereby further improving the use effect.

【技术实现步骤摘要】
一种基于声谱图深度学习的岩石表面强度测定方法
本专利技术涉及岩土工程、岩石声学以及人工智能领域，具体涉及一种基于声谱图深度学习的岩石表面强度测定方法。
技术介绍
在野外地质勘测过程中，地质工作者们往往对如何快速简便地以一种非破坏性的试验估测岩石强度比较感兴趣。比较有经验的地质专家可以通过用地质锤对岩石进行敲击，从敲击声音中判断出岩石的强度，其原理是岩石的表面强度在某种程度上可以反映岩石的抗压强度，而敲击声可以反映岩石的表面强度。然而，这种判断属于经验性的判断，看似有效却颇为主观，并受诸多因素的影响，如地质工作者的经验、健康状况、人为疏忽、噪音、粉尘等。这些因素都会在不同程度上降低地质工作者对岩石强度估算的准确性，尤其是一些刚刚参加工作的地质人员由于缺乏经验，很难做出正确的判断。对于岩石强度的无损检测，目前主要有两种方法，一种是声波测试技术，即通过建立声波波速或声谱图特征与岩石强度之间的关系对岩石强度进行计算的方法，如张东旭依照对于某水库坝基使用岩石去进行声波完成的实测值，建设了岩石抗压强度值与声波值之间的定量关系。刘彤等人分析了声谱特征值与岩石单轴抗压强度的关系，并给出了近似为幂函数本文档来自技高网...

【技术保护点】
1.一种基于声谱图深度学习的岩石表面强度测定方法，其特征在于，包括以下步骤：A.使用回弹仪采集岩石表面强度数据，得到回弹值数据集用以表示岩石表面强度；B.用地质锤敲击岩石，并用录音笔采集敲击声音数据集；C.对回弹值数据进行处理，最终形成岩石表面强度数据集；D.将同一岩石对象的声音数据集与岩石表面强度数据集一一对应；即将对应着同一回弹值的敲击声数据统一放在一个文件夹，并将该文件夹名称设置为该回弹值，以便后续处理；E.对敲击声音数据集的音频文件进行切割声音片段集，并用短时傅立叶变换将声音片段集制作成声谱图数据集；F.用声谱图对GoogleNet系列的深度学习模型—Inception‑v3网络模型进...

【技术特征摘要】
1.一种基于声谱图深度学习的岩石表面强度测定方法，其特征在于，包括以下步骤：A.使用回弹仪采集岩石表面强度数据，得到回弹值数据集用以表示岩石表面强度；B.用地质锤敲击岩石，并用录音笔采集敲击声音数据集；C.对回弹值数据进行处理，最终形成岩石表面强度数据集；D.将同一岩石对象的声音数据集与岩石表面强度数据集一一对应；即将对应着同一回弹值的敲击声数据统一放在一个文件夹，并将该文件夹名称设置为该回弹值，以便后续处理；E.对敲击声音数据集的音频文件进行切割声音片段集，并用短时傅立叶变换将声音片段集制作成声谱图数据集；F.用声谱图对GoogleNet系列的深度学习模型—Inception-v3网络模型进行训练，用以对岩石强度进行预测；G.建立概率矩阵，以使离散的预测结果连续化；H.拟合误差函数，提高预测精准性；I.对于一个未知强度的岩石，用地质锤敲击，获取待预测敲击声音，输入训练好的深度学习模型，再通过概率矩阵和误差函数对岩石强度进行预测。2.根据权利要求1所述的基于声谱图深度学习的岩石表面强度测定方法，其特征在于，步骤A中的岩石表面强度通过回弹仪冲击岩石表面测得。3.根据权利要求1或2所述的基于声谱图深度学习的岩石表面强度测定方法，其特征在于，步骤A中岩石为自然环境下体积在0.05m3以上的完整岩石，每个岩石对象中设定3个测点，测点处的岩石表面平整，每个测点测出5个回弹值数据，同时对每个测点在测定前先敲去其表面的风化层以保证结果准确性。4.根据权利要求1所述的基于声谱图深度学习的岩石表面强度测定方法，其特征在于，步骤B中获取声音数据的方式为：对应于每个测点，用地质锤在测点处敲击60～80次，并用录音笔记录敲击的声音，敲击速率为2次/秒，并在每敲击20～30次时增加或减小敲击力度以保证敲击强度的多变性。5.根据权利要求1所述的基于声谱图深度学习的岩石表面强度测定方法，其特征在于，步骤C中的处理方式为：对于每个测点测得的回弹值数据，去除其中的最大值和最小值，再计算该组数据的平均值，作为最终结果，并以此来表示岩石表面强度。6.根据权利要求1所述的基于声谱图深度学习的岩石表面强度测定方法，其特征在于，步骤E进一步包括：E1.读取敲击声音的音频文件；E2.提取音...

【专利技术属性】
技术研发人员：李明超，韩帅，任秋兵，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12