本發(fā)明涉及一種基于生成對(duì)抗網(wǎng)絡(luò)的圍巖裂隙智能識(shí)別方法，屬于裂隙智能識(shí)別。

背景技術(shù)：

1、在地質(zhì)工程、巖土工程及采礦工程等領(lǐng)域，圍巖裂隙的準(zhǔn)確識(shí)別對(duì)于評(píng)估巖體的穩(wěn)定性、設(shè)計(jì)支護(hù)結(jié)構(gòu)以及預(yù)防地質(zhì)災(zāi)害至關(guān)重要。在荷載作用下，巖石裂隙的萌生、擴(kuò)展與貫通常會(huì)導(dǎo)致工程巖體開裂與結(jié)構(gòu)失穩(wěn)，引發(fā)山體滑坡、隧道塌方、礦井突涌水等重大事故，對(duì)人員生命和財(cái)產(chǎn)安全造成嚴(yán)重威脅。

2、傳統(tǒng)的巖石裂隙檢測(cè)方法主要包括人工實(shí)地測(cè)量和基于圖像的半自動(dòng)或自動(dòng)檢測(cè)。人工實(shí)地測(cè)量雖然準(zhǔn)確度高，但存在勞動(dòng)強(qiáng)度大、效率低、安全風(fēng)險(xiǎn)高等問(wèn)題，且難以全面覆蓋復(fù)雜地質(zhì)條件下的裂隙情況。而基于圖像的檢測(cè)方法，雖然具有非接觸、高效、安全等優(yōu)點(diǎn)，但在實(shí)際應(yīng)用中仍面臨諸多挑戰(zhàn)，如圖像質(zhì)量受光照、噪聲等因素影響大，裂隙形態(tài)復(fù)雜多變導(dǎo)致檢測(cè)精度不高，以及數(shù)據(jù)集規(guī)模有限導(dǎo)致模型泛化能力不強(qiáng)等。

3、近年來(lái)，隨著計(jì)算機(jī)視覺、深度學(xué)習(xí)等技術(shù)的快速發(fā)展，圖像處理和模式識(shí)別技術(shù)在巖石裂隙檢測(cè)中的應(yīng)用日益廣泛。生成對(duì)抗網(wǎng)絡(luò)（gan）作為一種強(qiáng)大的深度學(xué)習(xí)模型，在圖像生成、數(shù)據(jù)增強(qiáng)等方面展現(xiàn)出巨大的潛力。通過(guò)訓(xùn)練gan模型，可以生成與真實(shí)圖像高度相似的裂隙圖像，從而有效擴(kuò)充數(shù)據(jù)集規(guī)模，提高模型的泛化能力。同時(shí)，結(jié)合先進(jìn)的圖像預(yù)處理技術(shù)和特征提取算法，可以進(jìn)一步提高巖石裂隙檢測(cè)的準(zhǔn)確性和效率。

4、中國(guó)專利申請(qǐng)?zhí)?02410439368.1公開了一種基于圖像智能識(shí)別的便攜式鉆孔裂隙識(shí)別系統(tǒng)，該系統(tǒng)主要由兩部分組成：鉆孔電視和主體計(jì)算機(jī)。該系統(tǒng)操作簡(jiǎn)單，可自動(dòng)完成圖像采集和處理。然而，面對(duì)復(fù)雜地質(zhì)環(huán)境，圖像質(zhì)量易受光線、噪聲干擾，影響裂隙識(shí)別精度。

技術(shù)實(shí)現(xiàn)思路

1、為了實(shí)現(xiàn)巖石裂隙的快速、準(zhǔn)確識(shí)別，提高檢測(cè)效率和準(zhǔn)確性，為地質(zhì)工程、巖石力學(xué)等領(lǐng)域的研究和應(yīng)用提供強(qiáng)有力的技術(shù)支持，本發(fā)明提供一種基于生成對(duì)抗網(wǎng)絡(luò)的圍巖裂隙智能識(shí)別方法。

2、為達(dá)到上述目的，本發(fā)明采取的技術(shù)方案如下：

3、一種基于生成對(duì)抗網(wǎng)絡(luò)的圍巖裂隙智能識(shí)別方法，其特征在于，包括以下步驟：

4、步驟一：通過(guò)室內(nèi)試驗(yàn)對(duì)巖石進(jìn)行加載試驗(yàn)，模擬巖石在地下的真實(shí)受力環(huán)境，獲取巖石破壞后的裂隙圖作為原始圖像，對(duì)原始圖像預(yù)處理后轉(zhuǎn)為巖石裂隙二值化圖像保存為標(biāo)簽圖；

5、步驟二：通過(guò)變分自編碼器（簡(jiǎn)稱vae）對(duì)實(shí)驗(yàn)數(shù)據(jù)（也就是原始圖像）進(jìn)行增強(qiáng)擴(kuò)充，再將擴(kuò)充之后的原始圖像轉(zhuǎn)為巖石裂隙二值化圖像保存為標(biāo)簽圖，使用隨機(jī)劃分對(duì)擴(kuò)充之后的實(shí)驗(yàn)數(shù)據(jù)按比例分為測(cè)試集與訓(xùn)練集；

6、步驟三：以訓(xùn)練集中的數(shù)據(jù)作為生成對(duì)抗網(wǎng)絡(luò)的輸入訓(xùn)練模型，計(jì)算損失函數(shù)并反向傳播，并采用adam優(yōu)化器優(yōu)化該模型，對(duì)模型迭代訓(xùn)練，直至達(dá)到設(shè)定的模型預(yù)測(cè)精度，保存符合要求的模型文件，從而得到生成的圍巖裂隙圖像，所述的模型預(yù)測(cè)精度指的是生成的圍巖裂隙圖像與步驟一的標(biāo)簽圖的誤差小于或等于模型所設(shè)定的誤差值；

7、步驟四：使用測(cè)試集測(cè)試訓(xùn)練后的生成對(duì)抗網(wǎng)絡(luò)模型的準(zhǔn)確性，如果準(zhǔn)確性達(dá)到要求，則訓(xùn)練后的生成對(duì)抗網(wǎng)絡(luò)模型便為圍巖裂隙智能識(shí)別模型，如果準(zhǔn)確性達(dá)不到要求，重新調(diào)整模型參數(shù)進(jìn)行訓(xùn)練，直到測(cè)試出的準(zhǔn)確性達(dá)到要求；

8、步驟五:將現(xiàn)場(chǎng)采集的巖石裂隙圖像直接輸入到圍巖裂隙智能識(shí)別模型中進(jìn)行裂隙檢測(cè)。

9、進(jìn)一步，步驟一的具體過(guò)程如下：

10、1.1標(biāo)準(zhǔn)試件制作：根據(jù)工程巖體試驗(yàn)方法標(biāo)準(zhǔn)將現(xiàn)場(chǎng)取樣的巖塊加工成標(biāo)準(zhǔn)圓柱體試件；

11、1.2室內(nèi)試驗(yàn)：對(duì)巖石試件進(jìn)行單軸壓縮或三軸壓縮試驗(yàn)，以模擬巖石在地下的真實(shí)受力環(huán)境，在巖石破壞后收集巖石裂隙原始圖像數(shù)據(jù)；

12、1.3預(yù)處理：將獲取的巖石裂隙原始圖像進(jìn)行預(yù)處理后轉(zhuǎn)換為二值化圖像，在二值化圖像中，對(duì)裂隙部分進(jìn)行標(biāo)記保存為標(biāo)簽圖。

13、進(jìn)一步，步驟1.2中，采用高清相機(jī)或?qū)I(yè)的圖像采集系統(tǒng)收集巖石裂隙原始圖像數(shù)據(jù)；

14、進(jìn)一步：步驟1.3中，選用全局閾值或自適應(yīng)閾值分割方法將預(yù)處理后的原始圖像轉(zhuǎn)換為二值化圖像。

15、進(jìn)一步，步驟二的詳細(xì)步驟是：

16、2.1使用變分自編碼器（vae）對(duì)預(yù)處理后的巖石裂隙原始圖像進(jìn)行訓(xùn)練：vae通過(guò)編碼器將原始圖像映射到潛在空間中的概率分布，然后訓(xùn)練一個(gè)解碼器，實(shí)現(xiàn)從潛在空間分布到真實(shí)數(shù)據(jù)分布的映射，從這個(gè)分布中采樣重構(gòu)圖像，在訓(xùn)練過(guò)程中，通過(guò)變分推斷方法引入可學(xué)習(xí)的變分后驗(yàn)近似真實(shí)的后驗(yàn)分布，從而估計(jì)原始圖像分布的參數(shù)（均值與標(biāo)準(zhǔn)差），從潛在空間的高斯分布中采樣出潛在變量z，并通過(guò)解碼器生成與原始圖像分布相似的圖像；

17、2.2對(duì)步驟2.1生成的圖像與步驟1.2的原始圖像進(jìn)行數(shù)據(jù)增強(qiáng)擴(kuò)充得到原始擴(kuò)充圖像，對(duì)擴(kuò)充之后的實(shí)驗(yàn)數(shù)據(jù)打亂，按比例分為測(cè)試集與訓(xùn)練集，優(yōu)選2:8的比例。

18、進(jìn)一步，步驟三的具體過(guò)程；

19、3.1?初始化參數(shù)：對(duì)生成對(duì)抗網(wǎng)絡(luò)模型的參數(shù)進(jìn)行初始化，如： lr=1 e-4, batch_ size=4等；

20、3.2?計(jì)算損失函數(shù)：給定原始擴(kuò)充圖像及其標(biāo)簽圖作為輸入數(shù)據(jù)，原始擴(kuò)充圖像及其標(biāo)簽圖表示為{(in,?cn),?n?=?1,?2,?3...,?n}，其中in表示原始擴(kuò)充圖像，cn?∈{0,?1}表示對(duì)應(yīng)的標(biāo)簽圖，其中0和1分別對(duì)應(yīng)于被分類為裂隙和非裂隙的像素，將原始擴(kuò)充圖像及其標(biāo)簽圖作為模型輸入，輸送到生成對(duì)抗網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，根據(jù)以下公式進(jìn)行計(jì)算損失函數(shù)：

21、???????????(1)

22、判別器網(wǎng)絡(luò)與生成器交替優(yōu)化，以解決對(duì)抗性極小極大問(wèn)題，公式（1）表示一個(gè)生成模型g，其目標(biāo)是欺騙一個(gè)可微分的判別器d，該判別器被訓(xùn)練用于區(qū)分生成的邊緣與真實(shí)邊緣；

23、在公式（1）中，c和分別表示標(biāo)簽圖和生成的裂隙圖像，而i是生成器輸入的原始擴(kuò)充圖像；表示生成器生成的圖像與標(biāo)簽圖之間的誤差越小越好；表示判別器判斷的分?jǐn)?shù)越大越好，也就是讓判別器判斷不出哪個(gè)是生成的圖像，哪一個(gè)是標(biāo)簽圖；表示生成器生成的圖像與標(biāo)簽圖之間的誤差；表示生成器生成的裂隙圖像放入鑒別器之后判斷的誤差；log是計(jì)算公式；

24、3.3?反向傳播迭代優(yōu)化損失函數(shù)：使用反向傳播方法更新?lián)p失函數(shù)中的參數(shù)，并迭代計(jì)算；

25、3.4?采用adam優(yōu)化器優(yōu)化模型：使用adam優(yōu)化器自適應(yīng)調(diào)整學(xué)習(xí)率，從而優(yōu)化模型參數(shù)，在生成器中使用silu激活函數(shù)，初始化學(xué)習(xí)率設(shè)置為0.0001，訓(xùn)練輪次選擇為100，將訓(xùn)練數(shù)據(jù)輸入到生成對(duì)抗網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，判斷最終的生成圖像與真實(shí)標(biāo)簽圖的誤差是否小于模型所設(shè)定的誤差值，若符合，則訓(xùn)練完成，并保存符合要求的模型文件；若不符合，則返回3.3，調(diào)整模型的各項(xiàng)參數(shù)，直至滿足條件。

26、進(jìn)一步，步驟四中，使用測(cè)試集測(cè)試訓(xùn)練后的生成對(duì)抗網(wǎng)絡(luò)模型的準(zhǔn)確性，如果達(dá)不到要求，重新調(diào)整模型參數(shù)重復(fù)步驟3.1-3.4。

27、本發(fā)明的有益效果在于：

28、1、提高巖石裂隙檢測(cè)的準(zhǔn)確性：通過(guò)采用高精度的室內(nèi)力學(xué)試驗(yàn)和專業(yè)的圖像采集系統(tǒng)，本發(fā)明能夠準(zhǔn)確記錄巖石在不同加載方式下的裂隙情況，為后續(xù)的裂隙檢測(cè)提供了可靠的數(shù)據(jù)基礎(chǔ)。同時(shí)，利用先進(jìn)的圖像處理技術(shù)和生成對(duì)抗網(wǎng)絡(luò)（gan）模型，能夠進(jìn)一步提高裂隙圖像的識(shí)別精度，減少誤判和漏判的情況。

29、2、增強(qiáng)數(shù)據(jù)集的多樣性和規(guī)模：通過(guò)變分自編碼器（vae）進(jìn)行圖像生成，并結(jié)合數(shù)據(jù)增強(qiáng)技術(shù)，本發(fā)明能夠顯著擴(kuò)充巖石裂隙圖像的數(shù)據(jù)集。這不僅提高了模型訓(xùn)練的泛化能力，還使得模型在面對(duì)未知或復(fù)雜地質(zhì)條件時(shí)能夠表現(xiàn)出更強(qiáng)的適應(yīng)性和穩(wěn)定性。

30、3、提升模型訓(xùn)練效率：在模型訓(xùn)練過(guò)程中，本發(fā)明采用了adam優(yōu)化器等先進(jìn)的優(yōu)化算法，能夠自適應(yīng)調(diào)整學(xué)習(xí)率，加快模型的收斂速度。同時(shí)，通過(guò)合理的初始化參數(shù)設(shè)置和迭代次數(shù)選擇，進(jìn)一步提高了模型訓(xùn)練的效率，縮短了研發(fā)周期。

31、4、提供巖石裂隙識(shí)別新思路：本發(fā)明的成功應(yīng)用將推動(dòng)巖石裂隙檢測(cè)技術(shù)的智能化和自動(dòng)化發(fā)展。通過(guò)將先進(jìn)的圖像處理技術(shù)和深度學(xué)習(xí)模型應(yīng)用于實(shí)際工程檢測(cè)中，可以實(shí)現(xiàn)巖石裂隙的快速、準(zhǔn)確識(shí)別，提高檢測(cè)效率和準(zhǔn)確性，降低人工成本和勞動(dòng)強(qiáng)度。這對(duì)于提升巖土工程領(lǐng)域的整體技術(shù)水平和競(jìng)爭(zhēng)力具有重要意義。