智能采礦的實(shí)現(xiàn)以更加高效獲得更多有效礦產(chǎn)地質(zhì)信息資料為基礎(chǔ),以實(shí)現(xiàn)透明地球?yàn)槟繕?biāo),已成為采礦學(xué)科的重要組成部分。巖層圍巖裂隙發(fā)育特征是評(píng)價(jià)工程穩(wěn)定性的重要指標(biāo)之一。當(dāng)前,巖層圍巖裂隙的獲取多采用直接觀測(cè)方法獲得,該方法識(shí)別效率較低,且缺少統(tǒng)一的裂隙劃分標(biāo)準(zhǔn)。本文以如何實(shí)現(xiàn)巖層鉆孔裂隙的智能化識(shí)別及定量化處理為研究目標(biāo),將人工智能與采礦工程知識(shí)相結(jié)合,提出了一種新的識(shí)別巖層裂隙的方法。本文以巖層鉆孔裂隙平面展開(kāi)圖為研究對(duì)象,劃分了鉆孔探測(cè)圖像平面展開(kāi)圖裂隙種類(lèi),并對(duì)其裂隙進(jìn)行量化劃分;根據(jù)裂隙的精確長(zhǎng)度、角度、占比,將巷道圍巖鉆孔平面展開(kāi)圖中的裂隙分為五類(lèi):縱向大裂隙、縱向小裂隙、橫向大裂隙、橫向小裂隙、破碎帶。通過(guò)深度學(xué)習(xí),采用卷積神經(jīng)網(wǎng)絡(luò)的Deep CORAL框架,深入分析了圍巖鉆孔裂隙分布特征,并設(shè)計(jì)具有針對(duì)性的網(wǎng)絡(luò)結(jié)構(gòu),得到了卷積神經(jīng)網(wǎng)絡(luò)模型,利用Microsoft Visual Studio環(huán)境開(kāi)發(fā)了整套圍巖鉆孔圖片裂隙智能識(shí)別系統(tǒng)。首先對(duì)圍巖圖片中的裂隙進(jìn)行像素級(jí)標(biāo)注,搭建深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò),然后根據(jù)圍巖鉆孔圖片中的裂隙特征進(jìn)行1900次迭代訓(xùn)練后得到模型。經(jīng)過(guò)10次驗(yàn)證該... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ZKXG30礦用數(shù)字式全景鉆孔攝像系統(tǒng)

人工標(biāo)注前后Figure3-4Expandedviewoftheboreho

實(shí)驗(yàn)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于4G網(wǎng)絡(luò)的采煤機(jī)數(shù)據(jù)上傳系統(tǒng)設(shè)計(jì)[J]. 王飛,羅偉,任文清,張婧.  陜西煤炭. 2020(01)
[2]基于VR技術(shù)的虛擬礦井仿真平臺(tái)建設(shè)[J]. 王鵬,宿國(guó)瑞,賈寶山,梁明輝.  煤礦安全. 2020(01)
[3]煤礦智能化標(biāo)準(zhǔn)體系框架與建設(shè)思路[J]. 王國(guó)法,杜毅博.  煤炭科學(xué)技術(shù). 2020(01)
[4]智慧礦山理論與關(guān)鍵技術(shù)探析[J]. 譚章祿,吳琦.  中國(guó)煤炭. 2019(10)
[5]智能礦山的未來(lái)已來(lái)[J].   黃金科學(xué)技術(shù). 2019(02)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的加密流量識(shí)別方法[J]. 陳雪嬌,王攀,俞家輝.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[7]卷積神經(jīng)網(wǎng)絡(luò)及其在礦床找礦預(yù)測(cè)中的應(yīng)用——以安徽省兆吉口鉛鋅礦床為例[J]. 劉艷鵬,朱立新,周永章.  巖石學(xué)報(bào). 2018(11)
[8]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[9]基于深度卷積神經(jīng)網(wǎng)絡(luò)的快速圖像分類(lèi)算法[J]. 王華利,鄒俊忠,張見(jiàn),衛(wèi)作臣,汪春梅.  計(jì)算機(jī)工程與應(yīng)用. 2017(13)
[10]珊瑚礁巖體完整性評(píng)價(jià)方法[J]. 汪進(jìn)超,王川嬰.  巖土力學(xué). 2014(10)

博士論文
[1]鉆孔電視成像技術(shù)在工程探測(cè)中的應(yīng)用研究[D]. 查恩來(lái).吉林大學(xué) 2006

碩士論文
[1]基于改進(jìn)LBP與LCNN的人臉識(shí)別技術(shù)研究[D]. 吳焱揚(yáng).廈門(mén)大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)惡性度分類(lèi)[D]. 張坤鵬.鄭州大學(xué) 2018
[3]智能視頻監(jiān)控系統(tǒng)中的行人重識(shí)別方法研究[D]. 彭志勇.山東大學(xué) 2016
[4]基于Android平臺(tái)的超聲骨密度測(cè)試系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王洋.安徽大學(xué) 2015
[5]數(shù)字近景攝影測(cè)量獲取巖體結(jié)構(gòu)面幾何信息的方法研究[D]. 韓東亮.吉林大學(xué) 2014
[6]公司治理視角下企業(yè)整合風(fēng)險(xiǎn)預(yù)警機(jī)制研究[D]. 劉燁.石家莊經(jīng)濟(jì)學(xué)院 2010
[7]基于高精度數(shù)字鉆孔圖像的巖體不連續(xù)面分析方法研究[D]. 龐智成.中國(guó)科學(xué)院研究生院（武漢巖土力學(xué)研究所） 2007
[8]煤巖體結(jié)構(gòu)觀測(cè)及對(duì)巷道圍巖穩(wěn)定性的影響研究[D]. 蘇波.煤炭科學(xué)研究總院 2007
[9]基于人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的期貨價(jià)格預(yù)測(cè)[D]. 王奕淳.吉林大學(xué) 2006
[10]基于數(shù)字鉆孔攝像的圖像分析方法研究[D]. 秦英譯.中國(guó)科學(xué)院研究生院（武漢巖土力學(xué)研究所） 2006



本文編號(hào)：3555039