[发明专利]一种基于摩擦声和深度学习的岩体JRC测量装置及方法

权利要求书

1.一种基于摩擦声和深度学习的岩体JRC测量装置，其特征在于：包括测量装置主体(1)，测量装置主体(1)上具有探头端、音频采集端、数据处理端(7)、控制端(8)和电源模块；

探头端包括夹具(2)以及拨片(3)，拨片(3)安装于夹具(2)上，拨片(3)用于划过岩体节理表面产生声音信号；

音频采集端接近于探头端，包括录音组件(4)、数据存储中心(5)、USB接口(6)，录音组件(4)用于采集和传输拨片(3)划过岩体节理表面时的声音信号，录音组件(4)将声音信号储存于数据存储中心(5)，通过USB接口(6)导出；

数据处理端(7)位于测量装置主体(1)内，数据处理端(7)分别与数据存储中心(5)和控制端(8)连接，用以处理数据存储中心(5)的声音信号，并将结果显示于控制端(8)上；

控制端(8)，控制端(8)分别与电源模块、数据存储中心(5)以及数据处理端(7)连接，用以控制数据处理端(7)进行数据处理、读取电源模块中剩余电量、对数据存储中心(5)的文件进行命名，并将相关结果显示于控制端(8)的显示屏上，控制端(8)用于显示测量出的节理粗糙度系数、电量以及进行文件的命名、导出操作；

电源模块包括电源管理芯片、电池(9)、充电接口(10),充电接口(10)与电池(9)连接进行充电，电源管理芯片与电池(9)以及控制端(8)连接，用以读取电池(9)的状态并将信息传入控制端(8)。

2.根据权利要求1所述的一种基于摩擦声和深度学习的岩体JRC测量装置的测量方法，其特征在于，包括以下步骤：

步骤一：按住录音按钮，使用拨片(3)划过待测节理表面进行录音，录音完毕后松开录音按钮完成录制；

步骤二：在控制端(8)显示屏上对录音文件进行命名，并控制数据处理端对选择的录音文件进行数据处理；

步骤三：数据处理端(7)首先使用音频特征提取算法对录音文件进行重采样以及特征提取，提取的特征包括高阶梅尔频率倒谱系数、短时傅里叶变换以及色度频率声音特征、能量均方根声音特征、频谱质心声音特征、带宽声音特征、声谱衰减声音特征、过零率声音特征的融合特征；

步骤四：提取特征后，使用训练好的两种多层二维卷积神经网络和全链接神经网络算法对特征进行分析识别，并输出其对应的节理粗糙度系数和概率；

步骤五：最后数据处理端(7)使用修正算法基于概率对结果进行修正，并将修正后的结果传输至控制端；该修正算法对上述三种神经网络预测结果的概率进行判断，若最大预测概率大于0.5，则取最大概率对应的预测结果进行输出；否则取最高两种概率对应的预测结果并取平均值输出；

步骤六：在控制端(8)显示屏上读取计算结果。