一种基于双向级联像素差分网络的岩心测量方法及装置制造方法及图纸

本发明专利技术涉及岩心测量技术领域，公开了一种基于双向级联像素差分网络的岩心测量方法及装置，该方法包括：获取多个岩心图像，基于多个岩心图像对边缘检测模型进行训练，生成双向级联像素差分网络模型；获取岩心箱主体图，将岩心箱主体图像输入双向级联像素差分网络模型中，生成初始边缘预测图；对初始边缘预测图进行处理，生成岩心矩形框；基于岩心矩形框对岩心箱主体图进行岩心测量，生成岩心特征。本发明专利技术提高了岩心测量结果的准确度，有利于后续的勘探地质分析工作开展。勘探地质分析工作开展。勘探地质分析工作开展。

【技术实现步骤摘要】
一种基于双向级联像素差分网络的岩心测量方法及装置


[0001]本专利技术涉及岩心测量
，具体涉及一种基于双向级联像素差分网络的岩心测量方法及装置。

技术介绍

[0002]大中型的水利水电工程多处于地质条件较为复杂的高山峡谷之中，断层构造发育，不同区域岩体的完整性存在明显差异。准确客观判断地质条件和岩体完整性是水利水电工程设计和施工的重要前提。
[0003]由于野外勘探工况复杂、危险性大，存在诸多环境因素干扰，导致在野外现场进行岩心测量较为不便，整个测量过程存在主观性强、周期较长、危险程度高等问题，而且由于不同人在颜色识别上存在主观性差异，导致颜色记录可能不准确，影响后续的勘探地质分析工作开展。

技术实现思路

[0004]有鉴于此，本专利技术提供一种基于双向级联像素差分网络的岩心测量方法及装置，以解决现有技术岩心测量结果的准确度较低，影响后续的勘探地质分析工作开展的问题。
[0005]第一方面，本专利技术提供了一种基于双向级联像素差分网络的岩心测量方法，包括：
[0006]获取多个岩心图像，基于多个岩心图像对边缘检测模型进行训练，生成双向级联像素差分网络模型；
[0007]获取岩心箱主体图，将岩心箱主体图像输入双向级联像素差分网络模型中，生成初始边缘预测图；
[0008]对初始边缘预测图进行处理，生成岩心矩形框；
[0009]基于岩心矩形框对岩心箱主体图进行岩心测量，生成岩心特征。
[0010]本实施例提供的一种基于双向级联像素差分网络的岩心测量方法，双向级联像素差分网络模型，并对初始边缘预测图进行处理，生成岩心矩形框，进而基于岩心矩形框对岩心箱主体图进行岩心测量，提高了岩心测量结果的准确度，简化了勘探流程，提高勘探工作效率。
[0011]在一种可选的实施方式中，基于多个岩心图像对边缘检测模型进行训练，生成双向级联像素差分网络模型，包括：
[0012]获取边缘检测数据集，基于边缘检测数据集对边缘检测模型进行训练，确定最优网络结构；其中，最优网络结构由像素差分卷积网络和双向级联网络构成；
[0013]对多个岩心图像进行边缘标注，生成边缘类型数据集；
[0014]对边缘类型数据集进行数据增强，生成岩心边缘数据集；
[0015]基于岩心边缘数据集对最优网络结构进行迁移学习训练，生成双向级联像素差分网络模型。
[0016]上述可选实施方式中，相对于先前的语义分割和实例分割方法，基于多个岩心图
像对边缘检测模型进行训练为岩心智能识别和测量奠定了基础，一定程度上提高了岩心测量结果的准确度。
[0017]在一种可选的实施方式中，对初始边缘预测图进行处理，生成岩心矩形框，包括：
[0018]对初始边缘预测图进行非极大值抑制处理，生成岩心箱主体边缘检测图；
[0019]对岩心箱主体边缘检测图进行块区切分处理，生成分块边缘检测图；
[0020]基于分块边缘检测图，利用岩心边界提取算法生成岩心矩形框。
[0021]上述可选实施方式中，通过对初始边缘预测图进行非极大值抑制处理、块区切分处理和心边界提取算法，使得生成的岩心矩形框更加精确，为后续岩心测量奠定了基础。
[0022]在一种可选的实施方式中，岩心特征，包括：
[0023]岩心箱段岩心质量指标值、岩心平均长度、岩心颜色、岩心类别和分层信息。
[0024]在一种可选的实施方式中，基于岩心矩形框对岩心箱主体图进行岩心测量，生成岩心特征，包括：
[0025]基于岩心矩形框确定像素长度值，基于像素长度值分别计算岩心质量指标值和岩心平均长度；
[0026]对岩心箱主体图进行色域校正，并根据岩心矩形框对色域校正后的岩心箱主体图进行切割，生成岩心块区矩形轮廓信息；
[0027]将岩心块区矩形轮廓信息输入卷积神经分类网络中，生成岩心类别；
[0028]基于岩心类别，通过对照表数据库确定岩心颜色；其中，对照表数据库包括不同岩心类别和不同岩心颜色之间的匹配关系；
[0029]基于岩心类别和岩心颜色确定分层信息。
[0030]上述可选实施方式中，通过将校正后的岩心箱主体图进行切割，获得岩心块区矩形轮廓信息，按块区及勘探顺序，送入已训练好的卷积神经分类网络中进行分类识别，可以消除背景上其他环境因素影响，如树木，杂草，裸露的岩心箱体等。同时通过颜色校正，也能排除拍摄设备因素，天气，阳光等因素，获得更精确的识别效果。
[0031]在一种可选的实施方式中，基于像素长度值分别计算岩心质量指标值和岩心平均长度，包括：
[0032]获取误差系数，基于像素长度值和误差系数计算岩心长度，并基于岩心长度计算岩心平均长度；
[0033]基于岩心长度计算岩心质量指标值。
[0034]上述可选实施方式中，岩心平均长度这一衡量指标，可在RQD近似的情况下更好地展现出岩心质量程度。
[0035]在一种可选的实施方式中，基于岩心类别，通过对照表数据库确定岩心颜色，包括：
[0036]基于岩心块区矩形轮廓信息确定岩心块的像素点，将岩心块的像素点与标准颜色库进行对比，生成预测颜色；
[0037]基于岩心类别，通过对照表数据库确定岩心颜色；
[0038]将预测颜色与岩心颜色进行比较，当预测颜色与岩心颜色相同时，输出岩心颜色。
[0039]上述可选实施方式中，根据岩心类别检测结果，使用异常识别处理算法，即将预测颜色与岩心颜色进行比较，输出岩心颜色，可以更为精确地预测岩心类别，获取岩心分层信
息。
[0040]第二方面，本专利技术提供了一种基于双向级联像素差分网络的岩心测量装置，包括：
[0041]训练模块，用于获取多个岩心图像，基于多个岩心图像对边缘检测模型进行训练，生成双向级联像素差分网络模型；
[0042]生成模块，用于获取岩心箱主体图，将岩心箱主体图像输入双向级联像素差分网络模型中，生成初始边缘预测图；
[0043]处理模块，用于对初始边缘预测图进行处理，生成岩心矩形框；
[0044]测量模块，用于基于岩心矩形框对岩心箱主体图进行岩心测量，生成岩心特征。
[0045]第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的一种基于双向级联像素差分网络的岩心测量方法。
[0046]第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的一种基于双向级联像素差分网络的岩心测量方法。
附图说明
[0047]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双向级联像素差分网络的岩心测量方法，其特征在于，所述方法包括：获取多个岩心图像，基于所述多个岩心图像对边缘检测模型进行训练，生成双向级联像素差分网络模型；获取岩心箱主体图，将所述岩心箱主体图像输入所述双向级联像素差分网络模型中，生成初始边缘预测图；对所述初始边缘预测图进行处理，生成岩心矩形框；基于所述岩心矩形框对所述岩心箱主体图进行岩心测量，生成岩心特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个岩心图像对边缘检测模型进行训练，生成双向级联像素差分网络模型，包括：获取边缘检测数据集，基于所述边缘检测数据集对边缘检测模型进行训练，确定最优网络结构；其中，所述最优网络结构由像素差分卷积网络和双向级联网络构成；对所述多个岩心图像进行边缘标注，生成边缘类型数据集；对边缘类型数据集进行数据增强，生成岩心边缘数据集；基于所述岩心边缘数据集对最优网络结构进行迁移学习训练，生成所述双向级联像素差分网络模型。3.根据权利要求1所述的方法，其特征在于，所述对所述初始边缘预测图进行处理，生成岩心矩形框，包括：对所述初始边缘预测图进行非极大值抑制处理，生成岩心箱主体边缘检测图；对所述岩心箱主体边缘检测图进行块区切分处理，生成分块边缘检测图；基于所述分块边缘检测图，利用岩心边界提取算法生成所述岩心矩形框。4.根据权利要求1所述的方法，其特征在于，所述岩心特征，包括：岩心箱段岩心质量指标值、岩心平均长度、岩心颜色、岩心类别和分层信息。5.根据权利要求4所述的方法，其特征在于，所述基于所述岩心矩形框对所述岩心箱主体图进行岩心测量，生成岩心特征，包括：基于所述岩心矩形框确定像素长度值，基于所述像素长度值分别计算所述岩心质量指标值和所述岩心平均长度；对所述岩心箱主体图进行色域校正，并根据所述岩心矩形框对色域校正后的岩心箱主体图进行切割，生成岩心块区矩形轮廓信息；将所述岩心块区矩形轮廓信息输入卷积神经分类网络中，生成所述岩心类...

【专利技术属性】
技术研发人员：吴文杰，金和平，罗惠恒，李德龙，王景晗，许艳丽，周超辉，刘育策，张晓萌，姜鹏，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：