[发明专利]一种岩体破碎程度分类方法、系统、电子设备及介质

说明书

本发明公开一种岩体破碎程度分类方法、系统、电子设备及介质，涉及岩体破碎程度分类领域，通过获取待分类岩体的表观图像；提取表观图像的迹线特征；对迹线特征进行归一化处理，并将处理后的迹线特征，输入至岩体破碎程度分类模型，得到所述待分类岩体的岩体破碎程度；其中，所述岩体破碎程度分类模型是基于K‑折交叉验证算法，以岩体表观图像的迹线特征为输入，以与所述岩体表观图像对应的岩体破碎程度为输出对初始随机森林模型进行训练，利用超参数优化算法对训练后的随机森林模型的超参数进行优化得到的。本发明利用K‑折交叉验证算法及超参数优化算法，能够有效地提升分类模型的分类综合能力，提高岩体破碎程度分类的准确性。

技术领域

本发明涉及岩体破碎程度分类领域，特别是涉及一种岩体破碎程度分类方法、系统、电子设备及介质。

背景技术

岩体的完整性评价是工程师与科研人员在岩体分级工作中深刻关注的重要课题。岩体质量的优劣程度取决于构成岩体结构特征的内在因素，而岩体完整性是起主导性作用的因素之一。岩体完整性指标作为BQ围岩分级两大基本指标之一，岩体工程施工期间掌子面岩体完整性测试中，获取数据的快捷性和可靠性，直接影响和制约着隧道围岩分级的快捷性和可靠性。因此，研究岩体完整性指标的快捷测试方法，有助于岩体开挖期间围岩级别快速判定方法及相关配套仪器的研发，最终能够为工程动态的设计施工提供依据和指导，探寻一种更简便、精确的方法来准确表征岩体完整性已经成为需要。

长期以来，现场工程师依据其经验来评价岩体完整程度为施工安全及参数判断提供服务。现有岩体表观完整性评定广泛采用人工地质素描的方式，该方法具有不可避免的缺点。首先，检测周期长，施工人员必须进入岩体开挖面进行检测，落石等会威胁生命安全。其次，传统方法检测效率低，较高位置难以精确探测。最后，施工人员存在消极工作，数据不准确的情况，数据汇总阶段人工操作也会产生错误。因此，尽管岩体工作面蕴含信息量巨大，长期以来现场工程师却大多只能依据其经验来为施工安全及参数判断提供服务。而经验丰富程度有限与人力资源不足等原因往往导致等级判断失误，最终造成各类不良后果。现研究者广泛采用地质罗盘及素描获取围岩数据，这些传统方法具有效率低、较高位置难以精确探测等不可忽视的缺点，且存在施工人员消极工作以至于数据不准确的情况，数据汇总阶段人工操作也会产生错误。而采用地质雷达检测的成本高、周期长，且施工人员必须进入开挖面进行检测，落石等会威胁其生命安全。基于此，亟需探寻一种更简便、精确的方法来分析岩体节理。当前，摄影测量能极大地缓解现场样本获取难题，随着自动化地提取节理裂隙定量化信息计算的提升，数字摄影方法不断被应用。

因此，亟需一种更充分的融合已有节理裂隙图像统计信息的方法来进行岩体破碎程度分类。

发明内容

本发明的目的是提供一种岩体破碎程度分类方法、系统、电子设备及介质，以提高对岩体破碎程度分类的准确性。

为实现上述目的，本发明提供了如下方案：

一种岩体破碎程度分类方法，包括：

获取待分类岩体的表观图像；

对所述表观图像进行处理，确定岩体结构面的迹线特征；所述迹线特征包括迹线长度、迹线倾角、迹线密度、迹线强度、迹线间距和表观岩石质量指标；

对所述迹线特征进行归一化处理，得到处理后的迹线特征；

将所述处理后的迹线特征，输入至岩体破碎程度分类模型，得到所述待分类岩体的岩体破碎程度；所述岩体破碎程度为未破碎、一级破碎、二级破碎、三级破碎或四级破碎；

其中，所述岩体破碎程度分类模型是基于K-折交叉验证算法，以岩体表观图像的迹线特征为输入，以与所述岩体表观图像对应的岩体破碎程度为输出对初始随机森林模型进行训练，利用超参数优化算法对训练后的随机森林模型的超参数进行优化得到的。

可选地，对所述表观图像进行处理，确定岩体结构面的迹线特征，具体包括：