融合钻孔地质信息的煤岩图像识别方法

当前应用于煤岩图像识别的深度卷积神经网络模型存在体积庞大、计算过程冗杂等问题,难以满足实时检测要求,且对低照度、高粉尘等复杂环境适应性差。针对上述问题,提出了一种融合钻孔地质信息的煤岩图像识别方法。首先,通过改进的谱残差显著性检测(ISRSD)算法增强煤岩图像质量,有效减弱复杂环境对煤岩图像特征造成的不利影响;然后,使用加入注意力机制的VGG(AVGG)深度卷积神经网络模型——在VGG的基础上进行剪枝、加入卷积注意力模块(CBAM)和引入自适应学习率调整策略,高效提取煤岩图像特征;最后,利用贝叶斯模型融合煤岩图像特征和由钻孔地质柱状图获取的钻孔地质信息,提升煤岩分类的准确性和鲁棒性。实验结果表明,经ISRSD算法增强后的图像目标更突出,色彩失真程度更低,且边缘、纹理等图像特征保留相对完整;AVGG模型的准确率与VGG模型相当,但平均推理时间、参数量及模型大小分别仅为VGG模型的15.61%,33.44%及33.40%;与仅使用AVGG模型识别煤岩图像相比,利用贝叶斯模型融合钻孔地质信息后,准确率提高了1.85%,达97.31%。

基于BIM的隧道工程勘察地形模型构建

随着BIM的三维设计方法和可视化技术的高速发展,将给土木工程各专业带来全新的变革。而隧道工程相较于建筑业,由于其具有复杂的环境特性,致使其BIM技术发展较为迟缓。而隧道工程地形模型的构建,往往与地质钻孔勘探脱节,致使一些地质信息在模型中缺失,针对这一问题本文提出了一种解决思路,就是通过revit体量来构建地质模型,在模型构建过程中将地质钻孔勘探信息融入到模型之中。

山西省地质钻孔资料空间建库与融合分析

通过介绍山西省地质钻孔资料信息化的情况,在对山西省地质钻孔资料空间建库的基础上,深入研究了钻孔资料融合分析的关键技术,将多源数据融合技术应用到地质钻孔资料管理,探索地层数据的横向联系,通过地层信息标准化实现区域钻孔融合分析、地层深度和厚度预测,构建区域矿产储量的估算模型.