[发明专利]一种从钻孔岩芯照片中识别RQD的智能方法

权利要求书

1.一种从钻孔岩芯照片中识别RQD的智能方法，其特征在于：包括以下步骤：

步骤1：对岩芯图像进行采集，并把采集到的岩芯图像制作数据集，通过Mask-RCNN深度学习网络对单排岩芯图像进行识别；

步骤1.1：采集原始岩芯照片，对岩芯照片进行图像处理，并记录每幅图像对应的钻孔编号、埋深起始值、埋深终止值以及岩芯摆放顺序；

步骤1.2：制作岩芯图像数据集；使用标注工具在岩芯图像中标注单排岩芯得到数据标签作为Mask-RCNN深度学习网络的学习样本，并将学习样本按照3:1的比例随机划分为训练集和测试集；

步骤1.3：使用迁移学习的方法将学习样本输入Mask-RCNN深度学习网络进行训练，得到预训练模型，对预训练模型进行初始参数设置，并调低学习率，将训练集输入至Mask R-CNN网络中，经过正向传播得到对单排岩芯位置的预测结果，并与数据标签进行比照得到验证损失值；进行反向传播，利用小批梯度下降法对Mask-RCNN深度学习网络进行梯度更新，直至损失值达到预设阈值或迭代步数达到预设值，完成对单排岩芯进行识别的core_band_identification深度学习模型的训练；

步骤1.4：将测试集输入至训练好的core_band_identification模型中，利用区域提议网络在岩芯图像中生成N个预测边界框，计算预测边界框属于目标类别的概率值，将概率值从大到小进行排列，取出最大概率值的预测边界框作为基准，计算剩余的预测边界框与其的交并比，如果大于给设定阈值，则将这个预测边界框移除，重复计算在图像中识别出所有目标，且每个目标对应一个预测边界框，即得到锚框，core_band_identification模型从每个锚框中识别目标的边界，并用色块进行填充，进行目标的准确定位，即得到掩膜；

步骤2：对长度大于等于S的岩芯段进行识别；长度大于等于S，使用标注工具在步骤1.2单排岩芯图像中标注其中长度大于等于S的岩芯，重复步骤1.3-步骤1.4，得到core_segment_identification模型，用于从单排岩芯图像中识别满足长度大于等于S的岩芯段；

步骤3：对岩芯进行RQD计算，将计算得到的RQD与钻孔编号、埋深起始值、埋深终止值对应，实现所有岩芯图像中RQD的编录；在每个进尺获取的岩芯中，计算每个长度大于等于S的岩芯段中心线上的像素点个数n_i，同时获取进尺中心线上的像素点个数N，则RQD由下式计算得到：

其中，m为进尺上长度大于等于S的岩芯段个数，i为岩芯段序号，i属于1-m，l_i为对应岩芯段的长度，L为进尺长度，对于每一次进尺均进行上式计算过程；

若岩芯上没有对进尺进行标记或没有台账，使用式(2)对每一单排岩芯或每幅岩芯图像进行RQD计算编录：

其中，L_c与N_c为单排岩芯的长度与对应的中心线像素点个数，为固定值；η为岩芯采取率。

2.根据权利要求1所述的一种从钻孔岩芯照片中识别RQD的智能方法，其特征在于，步骤1.2中所述标注单排岩芯为以连续的点进行连线，形成闭合多边形，将目标岩芯的边缘轮廓标注出来，并转化成设定格式的标注文件。