[发明专利]一种3D岩石结构面粗糙度智能提取系统及方法

权利要求书

1.一种3D岩石结构面粗糙度智能提取系统，其特征在于，包括：图像提取设备和深度学习服务器；

所述图像提取设备包括：自动相机、点光源、步进丝杠定位套装和四面体外壳；

所述深度学习服务器构建了标准数据库。

2.根据权利要求1所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述步进丝杠定位套装由3个步进丝杠定位装置组成，每个步进丝杠定位装置由滚珠丝杠、支撑座、固定座、滚珠螺母及螺母座、电机座、步进电机和支架组成；所述支撑座和固定座分别安装在每根滚珠丝杠的两端，所述支撑座与固定座中间为滚珠螺母及螺母座，所述固定座与电机座固定连接，所述步进电机安装在电机座内部，由步进电机带动滚珠丝杠转动，从而带动滚珠螺母及螺母座在滚珠丝杠上来回移动。

3.根据权利要求1或2所述的一种3D岩石结构面粗糙度智能提取系统，特征在于，所述步进丝杠定位套装中的1个步进丝杠定位装置的支撑座与地面固定，构成Z轴，其滚珠螺母与滚珠座和另外1个步进丝杠定位装置的支架成90度垂直固定连接，与水平面平行，构成Y轴，由Z轴的步进丝杠定位装置带动Y轴的步进丝杠定位装置沿Z轴上下移动；Y轴的步进丝杠定位装置的滚珠螺母与滚珠座和最后1个步进丝杠定位装置的支架成90度垂直固定连接，与水平面平行，构成X轴，由Y轴的步进丝杠定位装置带动X轴的步进丝杠定位装置沿Y轴水平移动。

4.根据权利要求3所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述点光源安装在步进丝杠定位套装X轴的步进丝杠定位装置的螺母座上。

5.根据权利要求1所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述自动相机安装在四面体外壳的顶部的中心位置，自动相机的镜头嵌入四面体外壳内部，机身在四面体外壳的外部，所述自动相机根据设置的拍照时间进行自动拍摄，自动拍摄时根据环境的亮暗自动调节快门时间，得到清晰的图像。

6.根据权利要求1所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述自动相机将获取的数字图像传输给深度学习服务器；所述深度学习服务器提取标准数据库中的数字图像进行分析处理。

7.采用权利要求1所述的3D岩石结构面粗糙度智能提取系统进行粗糙度提取的方法，其特征在于包括如下步骤：

步骤1：运用3D制图软件构造N个不同已知粗糙度的三维结构面标准模型，并将相应标准模型的粗糙度定义为{类型1，类型2，…，类型N}；

步骤2：运用3D打印技术，将步骤1构件的N个不同粗糙度的三维结构面标准模型打印出来；

步骤3：将打印出来的三维结构面标准模型放到图像提取设备中的四面体外壳内部；

步骤4：步进丝杠定位套装带动点光源分别延X、Y、Z三轴进行移动，移动的同时，自动相机根据设置的拍摄间隔时间来获得光源处于不同照射位置时的结构面模型图像；

步骤5：重复步骤3和步骤4，直到获得光源处于不同照射位置时的N个三维结构面标准模型的图像；

步骤6：将获取的数字图像上传至深度学习服务器；

步骤7：深度学习服务器自动对获取的数字图像进行分析构建数据库；

步骤8：对数据库中的数字图像进行处理后输入RNN深度学习网络中进行模型训练，得到训练好的最优模型；

步骤9：用拍摄设备现场拍摄所需探测粗糙度岩体的表面图像，将所获得图像上传至深度学习服务器，服务器将获得图像输入训练好的最优模型中进行学习，得出所需探测岩体的表面粗糙度。

8.根据权利要求7所述的采用3D岩石结构面粗糙度智能提取系统进行粗糙度提取的方法，其特征在于步骤1的过程如下：

步骤1.1：将不同JRC值的标准结构面轮廓线等比例放大并测量各点间距以得到准确数据；

步骤1.2：运用步骤1.1得到的数据在3D制图软件中画出各标准结构面轮廓线平面图形；

步骤1.3：对各轮廓线进行拉伸以得到不同JRC值的三维结构面标准模型；

步骤1.4：将不同标准模型的粗糙度定义为{类型1，类型2，…，类型N}。