本申请涉及一种岩石质量的确定方法、装置、计算机设备和存储介质。所述方法包括：获取岩体露头图像；将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图；将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型；根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数。上述方法通过得到的各裂缝节点的类型和岩石指令参数的评估经验公式，为岩体工程提供了更为准确的评估依据。另外，结合智能识别模型对图像中裂缝网络轨迹进行识别，实现了快速、准确的岩石质量评估。
【技术实现步骤摘要】
本申请涉及岩体工程，特别是涉及一种岩石质量的确定方法、装置、计算机设备和存储介质。
技术介绍
1、裂隙岩体通常被多组结构面所切割，形成难以测量、难以接近的高陡边坡。由于内外地质营力作用，岩石的表面及内部产生诸如裂隙、孔隙、节理、断层、微裂缝等缺陷，在荷载和风化作用下，这些缺陷不断演化进而导致岩体发生崩塌、滑坡等破坏。
2、因此，对于岩石质量的评估成为亟待解决的问题。目前，对于岩石质量的评价方法，主要是通过具有丰富经验的地质工作者长期现场勘测、价格高昂的钻孔岩心分析与繁琐的地质统计测量工作来完成的。
3、因此，上述岩石质量的确定方法存在着时效性低、安全性差的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高岩石质量的确定效率，并保证测量过程安全性的岩石质量的确定方法、装置、计算机设备和存储介质。
2、第一方面，本申请提供了一种岩石质量的确定方法，包括：
3、获取岩体露头图像；
4、将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图；
5、将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型；
6、根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数。
7、在其中一个实施例中，上述智能识别模型包括定位模型和分割模型，将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图，包括：</p>8、将岩体露头图像输入至定位模型中进行裂缝位置定位，得到定位图像；
9、将定位图像输入至分割模型中进行裂缝区域图像分割，得到岩体露头图像对应的裂缝网络迹线图。
10、在其中一个实施例中，上述将定位图像输入至分割模型中进行裂缝区域图像分割，得到岩体露头图像对应的裂缝网络迹线图，包括：
11、将定位图像输入至分割模型中进行裂缝区域图像分割，得到分割图像；
12、对分割图像进行二值化处理，得到分割图像对应的二值化图像；
13、对二值化图像中的裂缝网络线进行细化处理，得到处理后的二值化图像；
14、连通处理后的二值化图像中的裂缝网络线，得到裂缝网络迹线图。
15、在其中一个实施例中，上述将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型，包括：
16、获取裂缝网络迹线图中各裂缝网络线的节点；
17、若节点为裂缝网络迹线图中边界上的节点，在节点的像素值为第一数值的情况下，确定与节点相邻的其他节点的像素值之和；
18、若与节点相邻的其他节点的像素值之和为第一数值，则节点为第一类型的节点；
19、若与节点相邻的其他节点的像素值之和为第二数值，则节点为第二类型的节点。
20、在其中一个实施例中，若上述节点为裂隙网络迹线图非边界上的节点，上述将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型，包括：
21、在节点的像素值为第一数值的情况下，确定与节点相邻的其他节点的像素值之和；
22、若与节点相邻的其他节点的像素值之和为第一数值，则节点为第一类型的节点；
23、若与节点相邻的其他节点的像素值之和为第二数值，则节点为第二类型的节点；
24、若与节点相邻的其他节点的像素值之和为第三数值，则节点为第三类型的节点；
25、若与节点相邻的其他节点的像素值之和为第四数值，则节点为第四类型的节点；
26、若与节点相邻的其他节点的像素值之和大于第四数值的参数，则节点为第五类型的节点。
27、在其中一个实施例中，上述根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数，包括：
28、将所有节点的类型进行分支形式转换，得到所有节点的类型对应的目标分支参数；
29、基于分支参数与岩石质量参数之间的对应关系，确定与目标分支参数对应的岩石质量参数。
30、在其中一个实施例中，上述方法还包括：
31、对岩体露头图像进行识别，得到岩体露头图像的类型；
32、若类型为块体类型或孔隙类型，则对岩体露头图像中的块体或孔隙进行识别，得到岩石质量参数；
33、若类型为裂隙类型，则执行将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图的步骤。
34、第二方面，本申请还提供了一种岩石质量的确定装置，包括：
35、获取模块，用于获取岩体露头图像；
36、识别模块，用于将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图；
37、分类模块，用于将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型；
38、确定模块，用于根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数。
39、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
40、获取岩体露头图像；
41、将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图；
42、将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型；
43、根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数。
44、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
45、获取岩体露头图像；
46、将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图；
47、将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型；
48、根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数。
49、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
50、获取岩体露头图像；
51、将岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到岩体露头图像对应的裂缝网络迹线图；
52、将裂缝网络迹线图中的各裂缝节点进行分类，得到各裂缝节点的类型；
53、根据各裂缝节点的类型确定岩体露头图像对应的岩石质量参数。
54、上述岩石质量的确定方法、装置、计算机设备和存储介质，上述方法通过得到的各裂缝节点的类型和岩石指令参数的评估经验公式，为岩体工程提供了更为准确的评估依据。另外，结合智能识别模型对图像中裂缝网络轨迹进行识别，实现了快速、准确的岩石质量评估，与传统方法相比，上述方法极大提高了岩石指令的评估效率，还确保了数据的实时性和裂缝识别的准确性本文档来自技高网
...
【技术保护点】
1.一种岩石质量的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述智能识别模型包括定位模型和分割模型，所述将所述岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到所述岩体露头图像对应的裂缝网络迹线图，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述定位图像输入至所述分割模型中进行裂缝区域图像分割，得到所述岩体露头图像对应的裂缝网络迹线图，包括：
4.根据权利要求1或2所述的方法，其特征在于，所述将所述裂缝网络迹线图中的各裂缝节点进行分类，得到各所述裂缝节点的类型，包括：
5.根据权利要求4所述的方法，其特征在于，若所述节点为所述裂隙网络迹线图非边界上的节点，所述将所述裂缝网络迹线图中的各裂缝节点进行分类，得到各所述裂缝节点的类型，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据各所述裂缝节点的类型确定所述岩体露头图像对应的岩石质量参数，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种岩石质量的确定装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种岩石质量的确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述智能识别模型包括定位模型和分割模型，所述将所述岩体露头图像输入至智能识别模型中进行裂缝网络轨迹识别，得到所述岩体露头图像对应的裂缝网络迹线图，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述定位图像输入至所述分割模型中进行裂缝区域图像分割，得到所述岩体露头图像对应的裂缝网络迹线图，包括：
4.根据权利要求1或2所述的方法，其特征在于，所述将所述裂缝网络迹线图中的各裂缝节点进行分类，得到各所述裂缝节点的类型，包括：
5.根据权利要求4所述的方法，其特征在于，若所述节点为所述裂隙网络迹线图非边界上的节点，...
【专利技术属性】
技术研发人员：王明阳，王恩志，胡楚雄，刘晓丽，姚文理，张帅，黄文瑀，方坤，金慧，王芳，燕发源，马前驰，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。