CN115035297A - 一种钻探岩芯rqd自动编录方法、系统、装置及介质 - Google Patents
一种钻探岩芯rqd自动编录方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN115035297A CN115035297A CN202210682472.4A CN202210682472A CN115035297A CN 115035297 A CN115035297 A CN 115035297A CN 202210682472 A CN202210682472 A CN 202210682472A CN 115035297 A CN115035297 A CN 115035297A
- Authority
- CN
- China
- Prior art keywords
- rqd
- core
- core box
- image
- drilling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011435 rock Substances 0.000 claims abstract description 72
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 239000003550 marker Substances 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 19
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 238000003702 image correction Methods 0.000 abstract description 7
- 238000013500 data storage Methods 0.000 abstract 2
- 238000013441 quality evaluation Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种钻探岩芯RQD自动编录方法、系统、装置及介质,属于地下工程钻探工程信息化领域。本发明系统包括图像采集模块、图像预处理模块、RQD计算模块、编录模块。本发明通过岩芯盒图像规范化批量化采集,利用语义分割网络和投影变换对岩芯盒图像畸变矫正,再利用语义分割标记出10CM及以上岩芯块,对识别结果进行排序后计算RQD;将现场采集图像上传至云端,并将岩芯盒图像矫正与RQD计算算法集成于云端,在云端进行图像数据保存、RQD计算和RQD数据库编录,实现数据数字化规范化备份。发明技术方案能够高效规范地将岩芯信息数字化、标准化保存,降低矿山数据保存成本、提高数据利用率,为矿山岩体质量评价提供数据依据。
Description
技术领域
本发明属于地下工程、岩石工程技术、钻探工程信息化领域,尤其涉及一种工勘钻探钻孔岩芯照片摄录、岩石质量指标RQD(Rock Quality Designation)计算及信息编录的方法、系统、装置及介质。
背景技术
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。岩石质量指标RQD作为简单易行的岩体分类方法,定义为长度在10CM(含10CM)的岩芯累积长度占钻孔总长的百分比,根据钻探时的岩芯完好程度来判断岩体质量,对岩体进行分类。当前RQD编录的工作通常在现场进行手动编录,或者对于现场采集的岩芯盒照片,在实验室进行编录。
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。目前对于岩芯盒RQD信息编录,要经过采集岩芯盒照片,以钻孔编号和进尺重命名照片,钻孔参数(方位角、倾斜角)数据编录、RQD计算过程及信息编录过程。目前人工在现场采集照片的方法缺少拍摄标准,对光照、角度、拍摄距离、曝光时间等外在因素不严格控制,照片可能出现有阴影、变形,且在拍摄后需要依次对照片进行重命名为钻孔和进尺的图片名,常需耗费大量人力且容易出错。此外,准确计算RQD,需要对岩芯盒中每个岩芯块进行长度计算,人力难以完成对数万米岩芯条的RQD的精确计算。
发明内容
为了解决现有技术中存在的问题,提出一种一种钻探岩芯RQD自动编录方法、系统、装置及介质。
本发明的具体技术方案为:
一种钻探岩芯RQD自动编录方法,包括步骤如下:
步骤1,按照钻孔顺序标准化批量采集、保存岩芯盒图像;
步骤2,对步骤1的岩芯盒图像进行基于语义分割的岩芯盒图像畸变矫正预处理;
步骤3,采用岩芯块语义分割网络对步骤2预处理后的岩芯盒图像进行分割,得到分割出的10CM以上岩芯块的标记矩阵;
步骤4,基于步骤3得到的10CM以上岩芯块的标记矩阵,对同行10CM以上岩芯块,累积其横向像素点个数,通过与步骤2预处理后的岩芯盒横向像素点个数求比值,得到每行的RQD值,然后对岩芯盒图像的所有行的RQD值求平均值得到每个岩芯盒RQD值;
步骤5,RQD数据库编录:根据步骤4得到的每个岩芯盒RQD值和钻孔信息,编录钻孔信息数据库和RQD数据库。
进一步地,所述步骤1具体方法为:采用岩芯盒图像现场采集系统,所述系统包括传送带、图像采集端、光源,传送带铺设于钻孔取芯现场和岩芯盒运输车辆之间,在运输岩芯盒的过程中进行岩芯盒图像采集;图像采集端用于定点连续拍照,光源系统布设于传送带运动方向、由目标岩芯盒两端向中间照明的光源组成,用于避免拍照受岩芯盒裂缝阴影影响;将岩芯盒按照由浅到深的顺序依次放到传送带进行拍照,计算岩心盒在钻孔的起始、终止深度,编录保存图像所属钻孔编号以及岩芯盒在钻孔中的起始深度、终止深度。
进一步地,所述步骤2具体步骤为:
步骤2.1,将岩芯盒图像输入到已经训练好的岩芯盒语义分割网络中,网络对岩芯盒目标进行分割,输出岩芯盒标记矩阵,标记矩阵中,岩芯盒像素点所处位置为1,背景部分矩阵为0;所述岩芯盒语义分割网络训练为:手动标注岩芯盒边界,制作数据集,并通过数据增强图像旋转的方式产生旋转角度0°~90°倾斜的岩芯盒图像;将数据集分为训练集和测试集用于训练和验证网络,当损失收敛时,停止训练,网络参数确定;可以将训练好参数的网络通过Docker容器部署至云端服务器。其中网络训练及云端部署只需要一次,部署完成后不需要在每次进行岩芯盒图像矫正的时候重复部署。
步骤2.2,岩芯盒投影变换畸变矫正:根据标记矩阵计算岩芯盒长宽,构建长宽与岩芯盒相同的水平矩阵即为标准矩阵,通过矩阵映射将步骤2.1的岩芯盒标记矩阵通过投影变换映射至标准矩阵,使得岩芯盒图像矫正为水平方向。
进一步地,所述步骤3具体为:将步骤2预处理后的岩芯盒图像输入到已训练好的岩芯块语义分割网络中,输出每个10cm以上岩芯块分割的标记矩阵,利用标记矩阵中岩芯块中心点坐标对岩芯块进行从左到右、从上到下的排序;所述岩芯块语义分割网络训练为:手动标注10cm以上岩芯条边界,制作数据集,将数据集分为训练集和测试集用于训练和验证网络,当损失收敛时,停止训练,网络参数确定。
进一步地,所述步骤5的钻孔信息数据库包括钻孔信息数据库ID、钻孔编号、钻孔坐标信息(x,y,z)。
进一步地,所述步骤5的RQD数据库包括RQD数据库ID、钻孔编号、岩芯在钻孔中的起始深度、岩芯在钻孔中的终止深度、每个岩芯盒RQD值、标准化岩芯图像URL。
进一步地,上述步骤5的钻孔信息数据库和RQD数据库以“钻孔编号”作为索引进行链接,从而表征钻孔与岩芯的对应关系。
一种钻探岩芯RQD自动编录系统,包括图像采集模块、图像预处理模块、RQD计算模块、编录模块;
图像采集模块,用于按照钻孔顺序标准化批量采集、保存岩芯盒图像;
图像预处理模块,用于对图像采集模块输出的岩芯盒图像进行基于语义分割的岩芯盒图像畸变矫正预处理;
RQD计算模块,采用岩芯块语义分割网络对预处理后的岩芯盒图像进行分割,输出分割出的10cm以上岩芯块的标记矩阵;对10cm以上岩芯块的标记矩阵计算每一行的RQD值,然后对岩芯盒图像的所有行的RQD值求平均值得到每个岩芯盒RQD值;
编录模块,用于将RQD计算模块输出的每个岩芯盒RQD值与对应钻孔信息关联,输出钻孔信息数据库和RQD数据库。
一种钻探岩芯RQD自动编录装置,包括:存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,所述程序指令被处理器加载并执行时实现上述钻探岩芯RQD自动编录的方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时执行上述钻探岩芯RQD自动编录方法的步骤。
本发明的有益效果为:
1)本发明在运输岩芯盒的过程中进行图像采集,并录入岩芯盒数据(所述钻孔编号、岩芯盒总数)和钻孔信息(起始坐标x,y,z,方位角,倾角,孔深,钻孔深度)。根据钻孔深度、岩芯盒总数,计算并记录每个岩芯盒所属岩芯编号以及在钻孔中的起始、终止深度;可以将该信息上传云端,方便后续计算。
2)本发明采用畸变矫正算法,包括岩芯盒的边界分割和投影变换,解决了当岩芯盒放置歪扭时图像不水平的问题。可以将该图像预处理网络部署在云服务器中,用于对岩芯盒图像进行矫正的预处理,实现图像规范化处理,为下一步RQD计算提供便利。
3)本发明利用语义分割网络,分割出10cm以上岩芯块,将识别出来的岩芯块根据坐标进行排序,区分不同行的岩芯块。通过计算10CM以上岩芯块的长度,并将其与岩芯盒宽度像素点作比值后计算得到岩石质量指标RQD。可以将训练好的语义分割网络布置在云端,在云端完成岩芯盒RQD自动计算。
4)本发明采用钻孔编号链接钻孔信息数据库和RQD数据库,从而表征钻孔与岩芯的对应关系,可用于实现岩芯由在钻孔中的相对坐标计算到岩体三维坐标,便于后续工作人员对RQD数据的展示和应用。完成RQD数据库的云端编录,配备后台数据管理功能模块,用户可以表格的形式,在云端对岩芯图片、RQD计算结果进行检索和维护以及对所选择数据的一键下载功能。
附图说明
图1为本发明钻探岩芯RQD自动编录方法流程图。
图2为本发明实施例钻探岩芯RQD自动编录平台示意图。
图3为本发明实施例岩芯盒图像现场采集系统示意图.
图4为本发明实施例岩芯盒图像投影变换畸变矫正角点定位示意图。
图5为本发明实施例岩芯盒图像投影变换畸变矫正处理后示意图。
图6为对比例方法得到的岩芯横条分割示意图。
图7为本发明实施例得到的每行岩芯块排列示意图。
具体实施方式
为了更清楚的说明本发明的技术方案和实施实例,对实施例或现有技术中算法进行介绍。
实施例
本实施例采用手机作为图像采集端,随着手机拍摄功能和云计算技术的发展,手机和传送带运输岩芯盒配合进行连续自动拍照、将拍摄图像实时传输到云端、在云端进行基于深度学习算法的RQD快速计算、信息编录和结果返回的全过程,可以实现现场钻取岩芯的岩芯盒图像快速化、批量化、规范化采集和基于深度学习RQD云端计算和RQD自动编录的流程化处理。
一种钻探岩芯图像RQD编录的方法,实现岩芯盒图像的批量采集、云端图像矫正、RQD自动计算及数据库构建、本地下载。在具体实施时,首先设计岩芯盒图像批量采集的硬件系统和对应云端图像编录程序,开发图像矫正和RQD自动计算算法,设计开发手机APP,以云端为后台,集成岩芯盒图像上传编录功能、图像矫正算法、RQD计算及数据库建立方法、数据库本地下载功能。具体实施方案如下:
步骤1:岩芯盒图像采集编录软硬件开发,包括由传送带、手机、相机三脚架、光源系统组成的岩芯盒图像现场采集系统和云端配套岩芯盒图片编录系统。步骤1具体为:
步骤1.1:岩芯盒图像采集硬件在现场布置。在钻孔取芯现场和运输岩芯盒的车辆之间铺设传送带运送岩芯盒,在运输岩芯盒的过程中进行图像采集。将相机三角架布置在传送带一侧,固定三角架高度,将手机水平放置,位置调整到传送带中间,在岩芯盒长度方向架设从两端向中间的一组照明设备为光源系统,避免岩芯盒裂缝阴影。将岩芯盒按照钻孔从浅到深的顺序依次放到传送带上,手机连续拍照完一个钻孔的岩芯盒图像后保存为一个文件夹。
步骤1.2:对于现场采集的岩芯盒图像,通过HTTP通信协议,将连续采集的岩芯盒图像动态同步存储至云端服务器。对于一个钻孔的岩芯盒图像,根据钻孔编号、岩芯盒长度、钻孔深度信息,计算岩芯盒中岩芯在钻孔中的起始、终止深度,将岩芯盒图片重命名为“钻孔编号-从**米-到**米”格式。
步骤2:基于语义分割的岩芯图像畸变矫正预处理算法开发。包括岩芯盒图像中岩芯盒目标语义分割和岩芯盒投影变化的畸变校正。步骤2具体为:
步骤2.1:岩芯盒语义分割是输入岩芯盒图像后,分割出岩芯盒与背景。手动标注岩芯盒边界,制作数据集,并通过数据增强图像旋转的方式产生旋转角度0°到90°倾斜的岩芯盒图像。将数据集分为训练集和测试集用于训练和验证网络,当损失收敛时,停止训练,网络参数确定。网络参数确定后,输入网络岩芯盒图像,输出岩芯盒标记矩阵,在分割矩阵中,岩芯盒所在位置像素点为1,背景像素点所在位置为0。
步骤2.2:岩芯盒投影变换畸变矫正。
首先是岩芯四个角点和长宽确定,对于岩芯盒标记矩阵,按照行遍历矩阵,确定岩芯盒标记矩阵中值为1的像素点最小行号中的像素点位置记为(x1,y1),最大行号中的像素点位置记为(x2,y2);按照列遍历矩阵,确定岩芯盒标记矩阵中值为1的像素点最小列号中的像素点位置记为(x3,y3),最大列号中的像素点位置记为(x4,y4),定位结果如图4所示。根据四角点位置,计算岩心盒长度L和宽度W,
步骤3:RQD自动计算算法。包括10cm及以上岩芯块语义分割网络训练和RQD统计两步,步骤3具体为:
步骤3.1:10cm及以上岩芯块语义分割网络训练。岩芯块语义分割网络是输入预处理后的岩芯盒图像后,分割出10cm及以上岩芯块。手动标注10cm以上岩芯条边界,制作数据集。将数据集分为训练集和测试集用于训练和验证网络,当损失收敛时,停止训练,网络参数确定。输入岩芯盒图像,输出所有10cm及以上岩芯块标记矩阵。
步骤3.2:10cm以上岩芯块分割及排序。由于岩芯分割结果无序,利用标记矩阵中岩芯块坐标对岩芯块进行从上到下、从左到右的排序。计算岩芯块的中心点Y坐标,根据Y坐标从小到大将岩芯块排列为从上到下。然后根据岩芯块中心点X坐标,将岩芯块从左到右排列。
步骤3.3:RQD值计算。对于同行10cm及以上岩芯块,累积其横向像素点个数,通过与岩芯盒横向像素点个数求比值,得到RQD值。
步骤4:集成算法与数据交互的云端后台开发。在云端实现岩心盒图像的上传编录、图像畸变矫正、RQD自动计算、数据库建立和本地结果下载功能。步骤4具体为:
步骤4.1:岩心盒图像数据云端保存。对于现场采集的岩芯盒图像,通过HTTP通信协议,将连续采集的岩芯盒图像动态同步存储至云端服务器,完成原始数据云端保存。
步骤4.2:图像矫正算法和RQD自动计算算法的云端布置。将训练完成的岩心盒语义分割网络、投影变换畸变矫正算法、10cm及以上岩芯块语义分割网络、RQD自动计算算法,通过Docker容器部署至云端服务器,通过云端文件夹监视功能读取图像,将原始岩芯盒图像数据传入岩心盒畸变矫正算法进行预处理,将矫正后的图像传入RQD自动计算算法进行RQD计算。
步骤4.3:RQD数据库云端编录。根据计算得到的每个岩芯盒RQD值和输入钻孔信息(起始坐标x,y,z,方位角,倾角,钻孔深度),编录钻孔信息数据库和RQD数据库。首先,设计钻孔信息数据库,具体包括“钻孔信息数据库ID”、“钻孔编号”、“钻孔坐标信息(x,y,z三分量)”,用于存储钻孔的坐标信息。在此基础上,结合上述计算完毕的RQD结果,设计RQD数据库,具体包括“RQD数据库ID”、“钻孔编号”、“岩芯在钻孔中的起始深度”、“岩芯在钻孔中的终止深度”、每个岩芯盒“RQD值”、“标准化岩芯图像URL”。以“钻孔编号”作为索引,链接钻孔信息数据库,从而表征钻孔与岩芯的对应关系,可用于实现岩芯由在钻孔中的相对坐标计算到岩体三维坐标,便于后续工作人员对RQD数据的展示和应用,至此完成RQD数据库的云端编录。
步骤4.4:RQD数据库本地调用。配备后台数据管理功能模块,用户可以表格的形式,在云端对岩芯图片、RQD计算结果进行检索和维护以及对所选择数据的一键下载功能。
本实施例与对比例“一种从钻孔岩芯照片中识别RQD的智能方法”专利效果对比。
“一种从钻孔岩芯照片中识别RQD的智能方法”对于岩芯盒非水平放置的图片计算RQD结果如表1所示。由于岩芯盒非水平放置,该方法需要先分割岩芯横条图像,如图6所示,所以导致岩芯横条的分割不准确,在对每个岩芯横排计算RQD时,会将其相邻排的10CM及以上岩芯块分割出来误以为是同排岩芯块,所以用10CM及以上岩芯块总长度除以每个岩芯横排的宽度时,RQD计算结果不准确。
表1
本发明实施例利用标记矩阵中岩芯块坐标对岩芯块进行从上到下、从左到右的排序。计算岩芯块的中心点Y坐标,根据Y坐标从小到大将岩芯块排列为从上到下。然后根据岩芯块中心点X坐标,将岩芯块从左到右排列。得到各行的岩芯横条如图7所示。
由表1可见,本发明通过对岩芯盒图像矫正预处理以及利用标记矩阵中岩芯块坐标对岩芯块进行从上到下、从左到右的排序,进而计算RQD值,可大幅提高RQD的计算精度,并且提高计算的高效性。
Claims (10)
1.一种钻探岩芯RQD自动编录方法,其特征在于,包括步骤如下:
步骤1,按照钻孔顺序标准化批量采集、保存岩芯盒图像;
步骤2,对步骤1的岩芯盒图像进行基于语义分割的岩芯盒图像畸变矫正预处理;
步骤3,采用岩芯块语义分割网络对步骤2预处理后的岩芯盒图像进行分割,得到分割出的10CM以上岩芯块的标记矩阵;
步骤4,基于步骤3得到的10CM以上岩芯块的标记矩阵,对同行10CM以上岩芯块,累积其横向像素点个数,通过与步骤2预处理后的岩芯盒横向像素点个数求比值,得到每行的RQD值,然后对岩芯盒图像的所有行的RQD值求平均值得到每个岩芯盒RQD值;
步骤5,RQD数据库编录:根据步骤4得到的每个岩芯盒RQD值和钻孔信息,编录钻孔信息数据库和RQD数据库。
2.根据权利要求1所述的钻探岩芯RQD自动编录方法,其特征在于,所述步骤1具体方法为:采用岩芯盒图像现场采集系统,所述系统包括传送带、图像采集端、光源,传送带铺设于钻孔取芯现场和岩芯盒运输车辆之间,在运输岩芯盒的过程中进行岩芯盒图像采集;图像采集端用于定点连续拍照,光源系统布设于传送带运动方向、由目标岩芯盒两端向中间照明的光源组成,用于避免拍照受岩芯盒裂缝阴影影响;将岩芯盒按照由浅到深的顺序依次放到传送带进行拍照,计算岩心盒在钻孔的起始、终止深度,编录保存图像所属钻孔编号以及岩芯盒在钻孔中的起始深度、终止深度。
3.根据权利要求1所述的钻探岩芯RQD自动编录方法,其特征在于,所述步骤2具体步骤为:
步骤2.1,将岩芯盒图像输入到已经训练好的岩芯盒语义分割网络中,网络对岩芯盒目标进行分割,输出岩芯盒标记矩阵,标记矩阵中,岩芯盒像素点所处位置为1,背景部分矩阵为0;所述岩芯盒语义分割网络训练为:手动标注岩芯盒边界,制作数据集,并通过数据增强图像旋转的方式产生旋转角度0°~90°倾斜的岩芯盒图像;将数据集分为训练集和测试集用于训练和验证网络,当损失收敛时,停止训练,网络参数确定;
步骤2.2,岩芯盒投影变换畸变矫正:根据标记矩阵计算岩芯盒长宽,构建长宽与岩芯盒相同的水平矩阵即为标准矩阵,通过矩阵映射将步骤2.1的岩芯盒标记矩阵通过投影变换映射至标准矩阵,使得岩芯盒图像矫正为水平方向。
4.根据权利要求1所述的钻探岩芯RQD自动编录方法,其特征在于,所述步骤3具体为:
将步骤2预处理后的岩芯盒图像输入到已训练好的岩芯块语义分割网络中,输出每个10cm以上岩芯块分割的标记矩阵,利用标记矩阵中岩芯块中心点坐标对岩芯块进行从左到右、从上到下的排序;所述岩芯块语义分割网络训练为:手动标注10cm以上岩芯条边界,制作数据集,将数据集分为训练集和测试集用于训练和验证网络,当损失收敛时,停止训练,网络参数确定。
5.根据权利要求1所述的钻探岩芯RQD自动编录方法,其特征在于,所述步骤5的钻孔信息数据库包括钻孔信息数据库ID、钻孔编号、钻孔坐标信息(x,y,z)。
6.根据权利要求1所述的钻探岩芯RQD自动编录方法,其特征在于,所述步骤5的RQD数据库包括RQD数据库ID、钻孔编号、岩芯在钻孔中的起始深度、岩芯在钻孔中的终止深度、每个岩芯盒RQD值、标准化岩芯图像URL。
7.根据权利要求5或6所述的钻探岩芯RQD自动编录方法,其特征在于,所述步骤5的钻孔信息数据库和RQD数据库以“钻孔编号”作为索引进行链接,从而表征钻孔与岩芯的对应关系。
8.一种钻探岩芯RQD自动编录系统,其特征在于,包括图像采集模块、图像预处理模块、RQD计算模块、编录模块;
图像采集模块,用于按照钻孔顺序标准化批量采集、保存岩芯盒图像;
图像预处理模块,用于对图像采集模块输出的岩芯盒图像进行基于语义分割的岩芯盒图像畸变矫正预处理;
RQD计算模块,采用岩芯块语义分割网络对预处理后的岩芯盒图像进行分割,输出分割出的10cm以上岩芯块的标记矩阵;对10cm以上岩芯块的标记矩阵计算每一行的RQD值,然后对岩芯盒图像的所有行的RQD值求平均值得到每个岩芯盒RQD值;
编录模块,用于将RQD计算模块输出的每个岩芯盒RQD值与对应钻孔信息关联,输出钻孔信息数据库和RQD数据库。
9.一种钻探岩芯RQD自动编录装置,其特征在于,包括:存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,所述程序指令被处理器加载并执行时实现权利要求1至7任意一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时执行如权利要求1至7任意一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210682472.4A CN115035297A (zh) | 2022-06-16 | 2022-06-16 | 一种钻探岩芯rqd自动编录方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210682472.4A CN115035297A (zh) | 2022-06-16 | 2022-06-16 | 一种钻探岩芯rqd自动编录方法、系统、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115035297A true CN115035297A (zh) | 2022-09-09 |
Family
ID=83124888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210682472.4A Pending CN115035297A (zh) | 2022-06-16 | 2022-06-16 | 一种钻探岩芯rqd自动编录方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035297A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109906A (zh) * | 2023-04-10 | 2023-05-12 | 四川省地质矿产勘查开发局一0六地质队 | 一种基于MaskRCNN结合U-Net的人工智能岩体RQD计算方法 |
CN117706068A (zh) * | 2024-02-06 | 2024-03-15 | 湖南省通盛工程有限公司 | 一种桥梁基底岩石rqd测定方法、系统和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241711A (zh) * | 2020-10-22 | 2021-01-19 | 东北大学 | 一种从钻孔岩芯照片中识别rqd的智能方法 |
CN114387328A (zh) * | 2021-12-22 | 2022-04-22 | 西安理工大学 | 基于深度学习模型和岩心图像的rqd计算方法 |
-
2022
- 2022-06-16 CN CN202210682472.4A patent/CN115035297A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241711A (zh) * | 2020-10-22 | 2021-01-19 | 东北大学 | 一种从钻孔岩芯照片中识别rqd的智能方法 |
CN114387328A (zh) * | 2021-12-22 | 2022-04-22 | 西安理工大学 | 基于深度学习模型和岩心图像的rqd计算方法 |
Non-Patent Citations (1)
Title |
---|
T. SARICAM, H. OZTURK: "Estimation of RQD by digital image analysis using a shadow-based method", 《INTERNATIONAL JOURNAL OF ROCK MECHANICS AND MINING SCIENCES 112 (2018) 253–265》, 31 December 2018 (2018-12-31), pages 253 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109906A (zh) * | 2023-04-10 | 2023-05-12 | 四川省地质矿产勘查开发局一0六地质队 | 一种基于MaskRCNN结合U-Net的人工智能岩体RQD计算方法 |
CN116109906B (zh) * | 2023-04-10 | 2023-06-23 | 四川省地质矿产勘查开发局一0六地质队 | 一种基于MaskRCNN结合U-Net的人工智能岩体RQD计算方法 |
CN117706068A (zh) * | 2024-02-06 | 2024-03-15 | 湖南省通盛工程有限公司 | 一种桥梁基底岩石rqd测定方法、系统和存储介质 |
CN117706068B (zh) * | 2024-02-06 | 2024-04-19 | 湖南省通盛工程有限公司 | 一种桥梁基底岩石rqd测定方法、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115035297A (zh) | 一种钻探岩芯rqd自动编录方法、系统、装置及介质 | |
CN112241711B (zh) | 一种从钻孔岩芯照片中识别rqd的智能方法 | |
CN111858980B (zh) | 一种岩芯盘内岩芯识别与编录的方法 | |
CN108874919B (zh) | 规划用地自动核查方法、电子设备、存储介质及系统 | |
CN110457501B (zh) | 一种基于图像识别的岩土芯样信息编录系统 | |
CN114077764B (zh) | 基于三维gis与bim集成的临建模型建立方法及应用 | |
Slob et al. | Fracture mapping using 3D laser scanning techniques | |
WO2019167030A1 (en) | Identifying and logging properties of core samples | |
CN111831856B (zh) | 一种基于元数据的全息数字电网数据自动入库系统及方法 | |
CN111079773A (zh) | 一种基于Mask R-CNN网络的砾石参数获取方法、装置、设备及存储介质 | |
CN112383745A (zh) | 一种基于全景影像的大型集群化施工项目的数字化呈现方法 | |
JPH063145A (ja) | トンネル切羽画像収録処理システム | |
CN106055636B (zh) | 一种岩石便携智能识别方法 | |
CN107990882B (zh) | 一种矿山巷道地质编录绘图系统 | |
CN109902607B (zh) | 一种基于倾斜相机的城市自动优化建模系统 | |
CN109086472B (zh) | 基于尺寸约束的房产图变更参数化绘图方法及其装置 | |
CN116229001A (zh) | 一种基于空间熵的城市三维数字地图生成方法及系统 | |
CN107193965A (zh) | 一种基于BoVW算法的快速室内定位方法 | |
CN112489008A (zh) | 钢筋识别系统、钢筋识别方法、以及钢筋计数验收系统 | |
CN114548926B (zh) | 一种基于机器视觉的小麦育种材料表型性状快速采集方法 | |
CN105180903B (zh) | 一种手机/平板控制ccd地形图摄影补测补绘及外业调绘的技术方法 | |
CN113418511B (zh) | 水利水电工程地质的数字化测绘系统及测绘方法 | |
CN107967551A (zh) | 一种电力无线专网通信终端接入工勘测试的方法及装置 | |
CN114046776B (zh) | 一种输电工程水土保持措施落实的核查系统 | |
CN113610062B (zh) | 一种土样特性提取方法、系统及信息数据处理终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |