耦合岩石图像与锤击音频的岩性分类智能识别分析方法

摘要：

在野外地质勘探过程中,地质工程师一般通过岩石表面纹理、颜色和敲击岩石音频等信息,对岩性分类进行初步判断.基于专家经验和智能模式,提出一种耦合岩石图像与锤击音频的岩性分类深度学习与智能识别分析方法.该方法基于所采集的不同类别岩石图像和锤击音频数据,首先采用基于Inception-V3的迁移学习方法,对所采集的6类岩石图像进行深度学习与训练;然后利用回弹仪测定岩石强度,通过“阈值法”得到锤击音频片段,以回弹指数的平均值作为岩石强度值,建立波形和强度的SVM(support vector machine)回归模型,实现岩石表面强度预测;最后耦合岩石图像识别模型与岩石音频强度回归模型进行岩性分类智能识别,岩石种类识别准确率从83.5％(采用单纯的图像识别)提高到90.5％.采用该耦合模型不仅能有效识别岩石岩性分类,还能初步给出岩石表面强度,为野外工程地质勘察提供了新的辅助手段,有利于提高初期野外勘探的工作效率.

关键词：岩石力学、岩石岩性、智能识别、岩石图像、岩石锤击音频、深度学习、迁移学习、强度SVM回归

所属期刊栏目：39

分类号：TU45(土力学、地基基础工程)

资助基金：优秀青年科学基金;杰出青年科学基金

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：996-1004