基于智能自学习模型识别岩芯的RQD标定方法

作者：赵兴东; 王宏宇^*; 王小兵; 王立君

来源：矿业研究与开发, 2023, 43(12): 159-165.

DOI：10.13827/j.cnki.kyyk.2023.12.012

• 智能自学习
• 岩芯识别
• RQD
• 卷积神经网络

RQD分级是分析岩体工程地质条件和评价岩体完整性的重要手段。针对传统人工测量并编录RQD工作量较大且效率低下的问题，基于智能自学习(Inception-v3卷积神经网络迁移学习)模型，通过对地质钻探中拍摄的大量岩芯图片进行特征提取和迁移学习，建立岩芯-岩芯盒识别模型，实现对长度大于10 cm岩芯的自动识别和RQD获取，进而帮助钻孔岩芯编录和岩体质量评价。三山岛西岭矿区的应用结果表明，智能自学习模型识别岩芯的RQD标定结果与传统人工方法所得结果差距仅为1.78%,方便快捷的同时准确性较高，适合应用于实际矿山工程中。

• 出版日期2023
• 单位山东黄金集团有限公司; 土木工程学院; 金属矿山安全与健康国家重点实验室; 中钢集团