基于FCN 的岩石混凝土裂隙几何智能识别
薛东杰●唐麒淳●王傲●张辽●周宏伟
摘要
裂隙几何的精准、高效识别是建立岩石混凝土材料非连续力学模型的基础。传统算法,如阈值分割、边缘检测与区域生长法等,基于有限经验,工作量大且识别精度低。人工智能识别迥异于人类经验,可自我循环、可自我正反馈甚至可实现自我学习。人造类材料中混凝土性能最接近于岩石,具有相似的裂纹几何分布特征。针对天然岩石与混凝土裂隙识别,尝试提出基于全卷积神经网络的智能识别算法。首先建立基于混凝土3种应用场景(建筑结构、路面及隧道表面)的裂隙数据集,经过卷积操作、池化操作与反卷积操作实现了误差值的迅速收敛。引入新的卷积核参数,架构新的全卷积网络,基于像素的二分类问题,利用查准率与查全率对识别模型进行评价,全卷积神经网络识别算法评价指标较好。进而结合矢量化算法,实现了裂隙几何长度、宽度及面积的实时统计。最后对边缘检测、大律法、区域生长法及全卷积神经网络算法进行了验证,任意选取5组图像进行识别,新算法提取的裂隙与标签图在定性上最相近,并且在定量上查全率与查准率也极大优于传统算法。全卷积神经网络随着自我学习的深入还可不断提高识别精度,降低误差,未来在岩石、混凝土等工程领域的应用具有巨大生命力。
引用格式：
薛东杰, 唐麒淳, 王傲, 张辽, 周宏伟. 基于FCN 的岩石混凝土裂隙几何智能识别[J].岩石力学与工程学报, 2019, 38(S2):3393-3403. (Xue Dongjie, Tang Qichun, Wang Ao, Zhang Liao, Zhou Hongwei. FCN-based intelligent identification of crack geometry in rock or concrete[J], Chinese Journal of Rock Mechanics and Engieering, 2019, 38(2): 3393-3403.
文章链接地址：
No responses yet