基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法技术

本发明专利技术公开了基于深度学习的岩芯图像裂缝识别与倾角计算方法，对采集到的岩芯图像进行畸变矫正和岩芯横排分割得到岩芯横排图像

【技术实现步骤摘要】
基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法


[0001]本专利技术涉及地下工程
、
岩石工程技术
、
图像处理领域，尤其涉及一种工勘钻探钻孔岩芯照片裂缝识别与倾角计算方法
。

技术介绍

[0002]岩体完整性是影响岩体质量的重要因素，而岩芯裂缝是反映地下岩体完整性的重要基础信息
。
在工程地质勘查前期工作中，常采取钻探法对研究区域进行布点钻取大量岩芯，岩芯是获得地下地质信息最直观的资料
。
对于大型非煤矿山而言，勘探线间距在
50m
到
200m
，通常布置数百个地质勘察钻孔，钻探累积达数万米，每
6m
到
9m
的岩芯放在一个岩芯盒中，需保存几千岩芯盒
。
通过标记岩芯断裂位置，可以统计岩芯断裂块度，统计节理密度，从而评价地下岩体的完整性
。
然而，对于数千米的钻孔岩芯进行手动的裂缝编录是一个费力且乏味的过程，且矿山工作人员处理岩芯的时间有限，对岩芯裂缝的自动识别算法有待被开发和投入使用
。
[0003]目前对于岩芯裂缝的识别有一定的研究
。Olson
等人通过对岩芯盒激光扫描采集点云数据，根据点云模型中垂直于岩芯盒方向的值的变化来检测岩芯裂缝位置
。Ozturk
和
Saricam
通过在采集图像时分别采用三个方向光源来突出裂缝阴影，使用边缘检测算法提取岩芯盒图像中的裂缝
>。Fatimah
对岩芯
360
°
旋转采集岩芯展开图像，使用
MaskRCNN
识别展开的岩芯图像中的裂缝
。
上述研究中提出的岩芯裂缝算法均取得较好结果，但是所使用的数据依赖于昂贵的设备或复杂的操作方法，阻碍了算法在现场的使用
。
并且在算法中忽略了岩芯中破碎带对于裂缝识别的干扰，造成裂缝识别精度降低的问题
。

技术实现思路

[0004]有鉴于此，本专利技术公开基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法，首先识别岩芯图像裂缝，具体为获取岩芯裂缝骨骼线，使用岩芯裂缝骨骼线代表岩芯裂缝，然后基于岩芯裂缝骨骼线计算岩芯裂缝倾角
。
[0005]具体包括以下步骤：
[0006]S1.
批量采集岩心盒图像；
[0007]S2.
对步骤
S1
采集的岩芯盒图像进行基于语义分割的岩芯盒图像畸变矫正处理，得到标准岩心盒图像；
[0008]S3.
对步骤
S2
获得的标准岩芯盒图像进行岩芯横排分割，得到岩芯横排图像；
[0009]S4.
使用直接法或间接法对岩芯横排图像进行裂缝识别；
[0010]所述直接法为对岩芯横排图像中的裂缝区域进行识别，然后对识别到的裂缝区域进行骨骼化处理得到包含裂缝骨骼线的岩芯裂缝骨骼线图像；
[0011]所述间接法为对岩芯横排图像中的岩芯块及岩芯破碎带进行识别，在岩芯横排图像中对岩芯块及岩芯破碎带进行标记，然后采用数字图像处理方法获得包含裂缝骨骼线的岩芯裂缝骨骼线图像；
[0012]本专利技术使用裂缝骨骼线代表岩芯图像中的裂缝
。
岩芯图像中的裂缝识别实为提取代表岩芯裂缝的裂缝骨骼线
。
[0013]S5.
提取步骤
S4
获得的岩芯裂缝骨骼线图像中的裂缝骨骼线三维坐标，拟合裂缝三维平面，计算裂缝三维平面与水平面的夹角，所述裂缝三维平面与水平面的夹角即为裂缝倾角
。
[0014]作为上述技术方案的补充，所述步骤
S2
具体包括：
[0015]S2.1
将岩芯盒图像输入到岩芯盒语义分割网络中，输出岩芯盒掩膜图像，所述岩芯盒掩膜图像中岩芯盒像素点和背景部分像素点值为不同的数值，用以区分岩芯盒区域和背景区域；
[0016]S2.2
岩芯盒畸变矫正处理：采用透射变换的方法，将岩芯盒掩膜图像与变换矩阵相乘完成对图像的畸变矫正，得到标准岩芯盒图像
。
[0017]作为上述技术方案的补充，所述步骤
S3
具体步骤为：确定岩芯盒中各岩芯横排矩形框的坐标信息
(Xmin
，
Ymin
，
Xmax
，
Ymax)
，其中
(Xmin
，
Ymin)
为岩芯横排矩形框的左上角坐标，
(Xmax
，
Ymax)
为岩性横排矩形框右下角坐标，根据岩芯盒中各个岩芯横排矩形框的坐标信息将标准岩芯盒图像分隔为岩芯盒横排图像
。
[0018]作为上述技术方案的补充，所述步骤
S4
采用岩芯裂缝直接识别法对岩芯裂缝识别，具体步骤为：
[0019]将岩芯横排图像输入至训练好的岩芯裂缝语义分割网络模型内，对岩芯横排图像中的裂缝区域像素点进行标记，输出岩芯裂缝掩膜图像，然后对岩芯裂缝掩膜图像进行骨骼化处理，输出岩芯裂缝骨骼线图像；所述骨骼化处理为将裂缝区域的标记从多像素宽度减少到单位像素得到裂缝骨骼线；
[0020]所述岩芯裂缝区域是指岩芯发生断裂形成的相邻两块岩芯块之间的缝隙，或岩芯断裂形成的相邻岩芯块与岩芯破碎带之间的缝隙
。
[0021]作为上述技术方案的补充，所述步骤
S4
采用岩芯裂缝间接识别法对岩芯裂缝识别，具体步骤为：
[0022]将岩芯横排图像输入至训练好的岩芯块
‑
破碎带语义分割网络中，识别岩芯横排图像中的岩芯块及岩芯破碎带，分别对每个岩芯块及岩芯块破碎带所在像素点进行标记，输出岩芯块
、
岩芯破碎带掩膜图像，同时输出每个岩芯块外周的矩形框信息；
[0023]区分岩芯块
、
岩芯破碎带掩膜图像中岩芯块或破碎带的接触类型，所述岩芯块或破碎带的接触类型包括“岩芯块
‑
岩芯块”、
以及“岩芯块
‑
破碎带”[0024]对于“岩芯块
‑
岩芯块”接触类型，采用数字图像处理方法，根据矩形框信息在岩芯块外周生成矩形框
、
在岩芯块
、
岩芯破碎带掩膜图像中标记岩芯块的边缘线，将两相邻岩芯块的矩形框交集区域定义为边界区域，对位于边界区域内两相邻岩芯块边缘线的中线定义为裂缝骨骼线，输出岩芯裂缝骨骼线图像；
[0025]对于“岩芯块
‑
破碎带”接触类型，采用数字图像处理方法在岩芯块
、
岩芯破碎带掩膜图像中标记岩芯块的边缘线，将岩芯块靠近破碎带一侧的侧边的边缘线作为裂缝骨骼线，输出岩芯裂缝骨骼线图像；
[0026]所述输出每个岩芯块外周的矩形框信息具体为：定义待标记的岩芯块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法，其特征在于，包括以下步骤：
S1.
批量采集岩心盒图像；
S2.
对步骤
S1
采集的岩芯盒图像进行基于语义分割的岩芯盒图像畸变矫正处理，得到标准岩心盒图像；
S3.
对步骤
S2
获得的标准岩芯盒图像进行岩芯横排分割，得到岩芯横排图像；
S4.
使用直接法或间接法对岩芯横排图像进行裂缝识别；所述直接法为对岩芯横排图像中的裂缝区域进行识别，然后对识别到的裂缝区域进行骨骼化处理得到包含裂缝骨骼线的岩芯裂缝骨骼线图像；所述间接法为对岩芯横排图像中的岩芯块及岩芯破碎带进行识别，在岩芯横排图像中对岩芯块及岩芯破碎带进行标记，然后采用数字图像处理方法获得包含裂缝骨骼线的岩芯裂缝骨骼线图像；
S5.
提取步骤
S4
获得的岩芯裂缝骨骼线图像中的裂缝骨骼线三维坐标，拟合裂缝三维平面，计算裂缝三维平面与水平面的夹角，所述裂缝三维平面与水平面的夹角即为裂缝倾角
。2.
根据权利要求1所述的基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法，其特征在于，所述步骤
S2
具体包括：
S2.1
将岩芯盒图像输入到岩芯盒语义分割网络中，输出岩芯盒掩膜图像，所述岩芯盒掩膜图像中岩芯盒像素点和背景部分像素点值为不同的数值，用以区分岩芯盒区域和背景区域；
S2.2
岩芯盒畸变矫正处理：采用透射变换的方法，将岩芯盒掩膜图像与变换矩阵相乘完成对图像的畸变矫正，得到标准岩芯盒图像
。3.
根据权利要求1所述的基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法，其特征在于，所述步骤
S3
具体步骤为：确定岩芯盒中各岩芯横排矩形框的坐标信息
(Xmin
，
Ymin
，
Xmax
，
Ymax)
，其中
(Xmin
，
Ymin)
为岩芯横排矩形框的左上角坐标，
(Xmax
，
Ymax)
为岩性横排矩形框右下角坐标，根据岩芯盒中各个岩芯横排矩形框的坐标信息将标准岩芯盒图像分隔为岩芯盒横排图像
。4.
根据权利要求1所述的基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法，其特征在于，所述步骤
S4
采用岩芯裂缝直接识别法对岩芯裂缝识别，具体步骤为：将岩芯横排图像输入至训练好的岩芯裂缝语义分割网络模型内，对岩芯横排图像中的裂缝区域像素点进行标记，输出岩芯裂缝掩膜图像，然后对岩芯裂缝掩膜图像进行骨骼化处理，输出岩芯裂缝骨骼线图像；所述骨骼化处理为将裂缝区域的标记从多像素宽度减少到单位像素得到裂缝骨骼线；所述岩芯裂缝区域是指岩芯发生断裂形成的相邻两块岩芯块之间的缝隙，或岩芯断裂形成的相邻岩芯块与岩芯破碎带之间的缝隙
。5.
根据权利要求1所述的基于深度学习的岩芯图像裂缝识别与裂缝倾角计算方法，其特征在于，所述步骤
S4
采用岩芯裂缝间接识别法对岩芯裂缝识别，具体步骤为：将岩芯横排图像输入至训练好的岩芯块
‑
破碎带语义分割网络中，识别岩芯横排图像中的岩芯块及岩芯破碎带，分别对每个岩芯块及岩芯块破碎带所在像素点进行标记，输出
岩芯块
、
岩芯破碎带掩膜图像，同时输出每个岩芯块外周的矩形框信息；区分岩芯块
、
岩芯破碎带掩膜图像中岩芯块或破碎带的接触类型，所述岩芯块或破碎带的接触类型包括“岩芯块
‑
岩芯块”、
以及“岩芯块
‑
破碎带”对于“岩芯块
‑
岩芯块”接触类型，采用数字图像处理方法，根据矩形框信息在岩芯块外周生成矩形框
、
在岩芯块
、
岩芯破碎带掩膜图像中标记岩芯块的边缘线，将两相邻岩芯块的矩形框交集区域定义为边界区域，对位于边界区域内两相邻岩芯块边缘线的中线定义为裂缝骨骼线，输出岩芯裂缝骨骼线图像；对于“岩芯块
‑
破碎带”接触类型，采用数字图像处理方法在岩芯块
、
岩芯破碎带掩膜图像中标记岩芯块的边缘线，将岩芯块靠近破碎带一侧的侧边的边缘线作为裂缝骨骼线，输出岩芯裂缝骨骼线图像；所述输出每个岩芯块外周的矩形框信息具体为：定义待标记的岩芯块的下端端点的纵坐标为
Ymax
，上端端点的纵坐标为
Ymin
，左端端点的横坐标为
Xmin
，右端端点的横坐标
Xmax
，矩形框的左上角坐标为
(Xmin,Ymin)
，矩形框的右下角坐标为
(Xmax,Ymax)。6.
根据权利要求1所述的基于深度学习的岩芯图像裂缝...

【专利技术属性】
技术研发人员：朱万成，刘阳晓，刘溪鸽，陈承桢，王江梅，关凯，牛雷雷，张鹏海，李荟，
申请(专利权)人：东北大学，
类型：发明
国别省市：