期刊文献+

基于深度学习的钻孔孔壁图像岩性识别技术研究

下载PDF
导出
摘要 钻孔摄影技术因其能较直观、清楚地观察钻孔内部颜色、纹理、结构面产状等重要的地层特征信息,广泛应用于工程勘察与岩石评价中。通常,钻孔岩性由现场钻探人员初步判定,然后将岩样送到实验室进行薄片鉴定,但该方法耗时耗力、专业性强。针对这一问题,本文提出了一种基于钻孔摄影技术获取、处理孔壁展开图,利用Resnet34算法,对孔壁岩心图像进行识别的方法,最终通过训练选取实际工程项目的660组孔壁岩心展布图像,获得了性能较好的深度学习模型。得出结论:(1)本文以钻孔摄影技术获取的钻孔孔壁展开图为样本,基于Resnet34算法构建深度学习图像分类模型;(2)该图像分类模型实现了对3种岩性的识别,包括灰岩、砂岩、炭质砂岩。经过500次迭代后,最终训练集预测准确度为99%,损失为0.004;测试集损失为0.506,准确度约为90%;(3)该模型为端到端的模型,无需传统算法复杂的特征提取过程,算法可自动提取钻孔图像特征,提升了岩性识别效率,降低了工作成本,具有良好的工程应用意义。
作者 高阳
出处 《铁路地质与路基》 2023年第2期6-11,共6页 Railway Geology and Subgrade
  • 引文网络
  • 相关文献

参考文献10

二级参考文献72

共引文献219

;
使用帮助 返回顶部