[发明专利]基于知识与数据双驱动的搭载式岩性智能识别方法及系统

说明书

本发明提供了一种基于知识与数据双驱动的搭载式岩性智能识别方法及系统。其中，该方法包括将同一围岩不同角度的多张图像输入至对应并行的目标检测与定位模型，将目标检测与定位模型输出围岩图像对应的岩性特征及围岩位置信息进行非极大值抑制运算；获取非极大值抑制运算后的围岩位置上的元素含量测试信息，再经基于数据与知识驱动的岩性识别模型输出预测的岩性特征，将预测的岩性特征与非极大值抑制运算后的岩性特征进行点乘并经全连接层输出岩性类别及围岩位置候选信息；将岩性类别及位置候选信息经非极大值抑制运算，得到最终的岩性类别及围岩位置。

技术领域

本发明属于工程地质岩石识别与分类技术领域，尤其涉及一种基于知识与数据双驱动的搭载式岩性智能识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

岩性识别是地层分析、储层分析、沉积相分析等地质研究中的重要任务，也是岩石力学与工程、隧道与地下工程、采矿工程、深部资源勘查与开发等工程中的基础工作，岩性识别结果直接影响着施工方案选择、储层评价的可靠程度。TBM在复合地层中掘容易产生较高的刀具磨损、滚刀偏磨等问题，直接影响TBM掘进的效率和成本。另外，岩石强度预测、TBM掘进参数选择等与岩性密切相关。传统的岩性识别方法主要有三种：(1)肉眼观察，地质人员根据岩块的表观特征、地质背景等辨识岩性；(2)薄片鉴定，将岩石标本磨制成薄片，观察镜下图像，分析矿物成分，确定岩石类型；(3)物理试验方法，运用物理测试手段检测、分析岩石成分，最后给出岩性判断；主要仪器有X射线衍射仪、X射线荧光光谱仪、红外光谱等。薄片鉴定耗时久且需要提前加工薄片，在工程现场无法开展；肉眼观察依靠人工经验；物理试验方法受限于实验设备的精确性和从业经验。这些方法均不能满足快速施工对岩性快速、准确判断的需求。针对隧道复杂施工条件，开展基于知识与数据驱动的岩性快速智能识别方法研究，对隧道灾害防控、TBM安全高效掘进具有重要现实意义。

当前，在图像分类任务上，深度学习已经取得了较大的进展。利用图像识别岩性也已取得了一些成果，但是试验发现以下问题会影响利用图像识别岩性的准确度：(1)有些岩石成分相近导致图像相似度高，识别难度大；(2)风化或人类活动会破坏岩石表观特征；(3)不同岩性特征间存在尺寸差异，小尺寸岩性特征在特征提取时易丢失；(4)图像不能反映全部岩性特征；(5)光照会影响成像质量。隧道内光照不均、粉尘较大、围岩滴渗水等复杂施工条件会严重影响岩性识别准确度，为了解决这一问题，在岩性识别时有必要考虑岩石成分数据，但是发明人发现，当前成分信息大量采集存在困难，缺少将图像和成分信息深度融合实现岩性准确分类的方法。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于知识与数据双驱动的搭载式岩性智能识别方法及系统，其具有设备自动化程度高、识别速度快、岩性识别准确度高、对元素数据要求少等优点，具有较好的应用前景。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于知识与数据双驱动的搭载式岩性智能识别方法。

在一个或多个实施例中，一种基于知识与数据双驱动的搭载式岩性智能识别方法，包括：

将同一围岩不同角度的多张图像输入至对应并行的目标检测与定位模型；

所述目标检测与定位模型输出围岩图像对应的岩性特征及围岩位置信息，并进行非极大值抑制运算；

获取非极大值抑制运算后的围岩位置上的元素含量测试信息，再经基于数据与知识驱动的岩性识别模型输出预测的岩性特征，将预测的岩性特征与非极大值抑制运算后的岩性特征进行点乘并经全连接层输出岩性类别及围岩位置候选信息；

将岩性类别及位置候选信息经非极大值抑制运算，得到最终的岩性类别及围岩位置；

其中，基于数据与知识驱动的岩性识别模型的部分原始参数由基于元素信息的岩性识别模型中的参数迁移得到。