文章目录

0 引言

1 岩体结构属性分析基本研究方法

1.1 现场物理试验方法与手段

1.2 计算机数值分析方法

1.3 三维激光的非接触测量方法

1.4 深度学习图像分析方法

2 基于迁移学习的深度学习网络模型

2.1 迁移学习思路

2.2 常见的迁移学习模型

    2.2.1 VGGNet模型

    2.2.2 GoogLeNet模型

3 基于图像分析的岩体结构属性特征分析模型

3.1 岩体结构属性分析模型构建

3.2 岩体结构属性模型仿真试验

3.3 仿真试验结果评价

4 结语

文章摘要:传统的岩体结构属性特征识别与分类方法存在一定的条件性制约。针对水利水电工程堆石坝爆破施工前岩体结构属性特征识别与分类问题,基于深度卷积神经网络模型,构建了分析岩体立面图像结构属性深度学习迁移模型,实现了岩体结构属性的特征识别与分类。通过爆破前岩体立面图像样本,结合施工现场地质情况,选取"玢岩条带含量"及"节理与裂隙发育程度"2个考量指标,将岩体立面结构属性分为4类,训练、构建并验证了基于GoogLeNet-v3及VGGNet-16模型的迁移学习模型。通过对比分析,GoogLeNet-v3模型在计算速度、资源耗用、验证准确度方面更具有优越性,更适合应用于句容爆破施工前岩体立面属性分析过程,为形成岩体立面属性评价指标提供科学有效的参考。

文章关键词:

论文分类号:TV223.1