本發(fā)明涉及危巖體監(jiān)測(cè)與評(píng)估的，具體涉及一種基于機(jī)器視覺(jué)的危巖體剪切帶質(zhì)量評(píng)價(jià)方法。

背景技術(shù)：

1、在地質(zhì)災(zāi)害防治領(lǐng)域，危巖體是指那些由于自然因素或人為活動(dòng)導(dǎo)致結(jié)構(gòu)松動(dòng)、破裂或即將失穩(wěn)坍塌的巖體。危巖體的存在對(duì)人類的生命財(cái)產(chǎn)安全構(gòu)成了巨大的威脅，因此對(duì)危巖體的監(jiān)測(cè)與評(píng)估一直是地質(zhì)災(zāi)害防治工作的重點(diǎn)之一。傳統(tǒng)的危巖體監(jiān)測(cè)方法主要依賴于人工觀測(cè)和現(xiàn)場(chǎng)檢測(cè)，這不僅工作量大、效率低，而且主觀性強(qiáng)，難以實(shí)現(xiàn)連續(xù)、實(shí)時(shí)的監(jiān)測(cè)。

2、近年來(lái)，隨著圖像處理技術(shù)和人工智能技術(shù)的快速發(fā)展，基于機(jī)器視覺(jué)的監(jiān)測(cè)方法在各個(gè)領(lǐng)域得到了廣泛應(yīng)用。機(jī)器視覺(jué)技術(shù)通過(guò)攝像設(shè)備獲取圖像數(shù)據(jù)，利用圖像處理算法進(jìn)行特征提取和分析，可以實(shí)現(xiàn)高效、精準(zhǔn)的監(jiān)測(cè)和評(píng)估。在危巖體監(jiān)測(cè)中，機(jī)器視覺(jué)技術(shù)可以彌補(bǔ)傳統(tǒng)方法的不足，通過(guò)高分辨率攝像頭和智能分析系統(tǒng)，實(shí)現(xiàn)對(duì)危巖體的連續(xù)、實(shí)時(shí)監(jiān)測(cè)。危巖體剪切帶是危巖體中最易發(fā)生破壞的部位，剪切帶的質(zhì)量直接關(guān)系到危巖體的穩(wěn)定性。剪切帶是指巖體內(nèi)部由于剪切應(yīng)力作用而形成的斷面或破裂帶，其特征通常表現(xiàn)為裂縫密布、巖塊分散、結(jié)構(gòu)松散等。對(duì)危巖體剪切帶進(jìn)行準(zhǔn)確的質(zhì)量評(píng)估，可以及時(shí)發(fā)現(xiàn)潛在的危險(xiǎn)，采取有效的防治措施，防止災(zāi)害的發(fā)生。

3、傳統(tǒng)的危巖體剪切帶質(zhì)量評(píng)估方法主要依賴于現(xiàn)場(chǎng)勘查和實(shí)驗(yàn)室測(cè)試。現(xiàn)場(chǎng)勘查需要專業(yè)人員進(jìn)行高空作業(yè)，存在一定的安全風(fēng)險(xiǎn)；實(shí)驗(yàn)室測(cè)試則需要取樣，過(guò)程復(fù)雜且耗時(shí)長(zhǎng)。隨著科技的發(fā)展，基于機(jī)器視覺(jué)和人工智能的剪切帶質(zhì)量評(píng)估方法逐漸受到重視，這些方法通過(guò)攝像設(shè)備采集剪切帶圖像，利用圖像處理和機(jī)器學(xué)習(xí)技術(shù)進(jìn)行分析和評(píng)估，不僅提高了工作效率，還能保證監(jiān)測(cè)結(jié)果的客觀性和準(zhǔn)確性。

4、當(dāng)前，已有研究嘗試將機(jī)器視覺(jué)技術(shù)應(yīng)用于危巖體監(jiān)測(cè)中，通過(guò)對(duì)巖體表面的裂縫、位移等特征進(jìn)行檢測(cè)和分析，初步實(shí)現(xiàn)了危巖體的自動(dòng)化監(jiān)測(cè)。然而，這些研究大多集中在巖體表面的監(jiān)測(cè)，對(duì)于內(nèi)部結(jié)構(gòu)的變化，尤其是剪切帶的質(zhì)量評(píng)估，仍然存在一定的局限性。同時(shí)，由于地形、光照等外部因素的影響，機(jī)器視覺(jué)技術(shù)在實(shí)際應(yīng)用中還面臨諸多挑戰(zhàn)，如圖像質(zhì)量不穩(wěn)定、特征提取困難等。因此，亟須一種更加完善的技術(shù)方案，能夠綜合利用機(jī)器視覺(jué)和人工智能技術(shù)，對(duì)危巖體剪切帶進(jìn)行全面、準(zhǔn)確的質(zhì)量評(píng)估。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于機(jī)器視覺(jué)的危巖體剪切帶質(zhì)量評(píng)價(jià)方法，通過(guò)布置高分辨率攝像頭進(jìn)行圖像采集，利用高斯濾波、直方圖均衡化等技術(shù)進(jìn)行圖像預(yù)處理，應(yīng)用canny邊緣檢測(cè)和sift算法進(jìn)行特征提取，采用卷積神經(jīng)網(wǎng)絡(luò)(cnn)進(jìn)行模型訓(xùn)練和交叉驗(yàn)證，對(duì)圖像進(jìn)行分割和結(jié)構(gòu)分析，實(shí)現(xiàn)剪切帶質(zhì)量的智能評(píng)估與風(fēng)險(xiǎn)識(shí)別，實(shí)時(shí)監(jiān)測(cè)剪切帶變化并觸發(fā)預(yù)警，通過(guò)熱力圖等可視化工具展示分析結(jié)果并生成標(biāo)準(zhǔn)化報(bào)告，確保監(jiān)測(cè)結(jié)果的規(guī)范性和一致性，從而提升了危巖體剪切帶監(jiān)測(cè)的效率和準(zhǔn)確性，有效防范地質(zhì)災(zāi)害風(fēng)險(xiǎn)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于機(jī)器視覺(jué)的危巖體剪切帶質(zhì)量評(píng)價(jià)方法，包括以下步驟：

3、s1、布置高分辨率攝像頭，調(diào)整角度和焦距，定期自動(dòng)采集并傳輸圖像數(shù)據(jù)至服務(wù)器；

4、s2、使用濾波器去噪，調(diào)整對(duì)比度和直方圖均衡化，增強(qiáng)圖像清晰度；

5、s3、應(yīng)用邊緣檢測(cè)和特征點(diǎn)檢測(cè)算法提取關(guān)鍵特征并覆蓋關(guān)鍵區(qū)域；

6、s4、標(biāo)注數(shù)據(jù)并選擇訓(xùn)練模型，使用交叉驗(yàn)證提高分類和分割準(zhǔn)確性；

7、s5、分割圖像，分析剪切帶結(jié)構(gòu)特征，評(píng)估質(zhì)量，識(shí)別潛在風(fēng)險(xiǎn)區(qū)域；

8、s6、實(shí)時(shí)采集和分析數(shù)據(jù)，識(shí)別剪切帶變化，建立預(yù)警系統(tǒng)，及時(shí)提示風(fēng)險(xiǎn)；

9、s7、可視化展示分析結(jié)果，定期生成標(biāo)準(zhǔn)化評(píng)估報(bào)告，記錄剪切帶變化情況。

10、優(yōu)選的，在步驟s1中，在危巖體剪切帶區(qū)域布置高分辨率攝像頭，調(diào)整角度和焦距確保獲得清晰完整的圖像，使用自動(dòng)化采集軟件定期采集圖像數(shù)據(jù)，并通過(guò)網(wǎng)絡(luò)傳輸至中央服務(wù)器，確保數(shù)據(jù)連續(xù)和完整：ti＝tstart+i·δt，其中，ti為第i次采集的時(shí)間，tstart為初始采集時(shí)間，δt為采集間隔時(shí)間，i為第i次采集。

11、優(yōu)選的，在步驟s2中，對(duì)采集的圖像進(jìn)行去噪處理，使用高斯濾波器減少噪聲，調(diào)整濾波參數(shù)平衡去噪效果和圖像細(xì)節(jié)保留，利用對(duì)比度調(diào)整和直方圖均衡化技術(shù)增強(qiáng)圖像清晰度，確保關(guān)鍵特征清晰可見(jiàn)：其中，g(x,y)為在位置(x,y)處的高斯函數(shù)值，e為標(biāo)準(zhǔn)差，決定濾波器的寬度，x、y為像素的坐標(biāo)；直方圖均衡化技術(shù)具體體現(xiàn)為：其中，h(v)為像素值v對(duì)應(yīng)的均衡化值，l為灰度級(jí)數(shù)，mn為圖像的寬度和高度，h(i)為灰度級(jí)i的像素?cái)?shù)。

12、優(yōu)選的，在步驟s3中，使用canny邊緣檢測(cè)算法提取圖像中的剪切帶邊緣特征，調(diào)整檢測(cè)閾值以確保準(zhǔn)確提?。粦?yīng)用sift算法提取剪切帶的關(guān)鍵特征點(diǎn)，評(píng)估特征點(diǎn)的分布和密度，確保覆蓋關(guān)鍵區(qū)域：canny邊緣檢測(cè)公式為：e(x,y)＝g(x,y)*i(x,y)，其中，e(x,y)為邊緣檢測(cè)結(jié)果，g(x,y)為高斯濾波器，i(x,y)為輸入圖像，*為卷積運(yùn)算；sift關(guān)鍵點(diǎn)描述符為：其中，d為特征點(diǎn)描述符，|pi-qi|為特征點(diǎn)向量的第i個(gè)分量，n為特征點(diǎn)向量的維度。

13、優(yōu)選的，在步驟s4中，對(duì)圖像數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)記出剪切帶的裂縫和巖塊；選擇卷積神經(jīng)網(wǎng)絡(luò)(cnn)進(jìn)行訓(xùn)練，評(píng)估不同模型的性能，選擇最優(yōu)模型，利用訓(xùn)練數(shù)據(jù)集訓(xùn)練模型，調(diào)整模型參數(shù)提高分類和分割準(zhǔn)確性，采用交叉驗(yàn)證和測(cè)試集評(píng)估模型性能，卷積運(yùn)算：其中，o(i,j)為輸出圖像在位置(i,j)的值，i為輸入圖像，k為卷積核，m,n為卷積核的坐標(biāo)。

14、優(yōu)選的，在步驟s5中，利用訓(xùn)練好的模型對(duì)圖像進(jìn)行分割，識(shí)別剪切帶的不同部分，評(píng)估分割結(jié)果的準(zhǔn)確性和完整性；分析剪切帶的結(jié)構(gòu)特征，結(jié)合地質(zhì)知識(shí)和剪切帶特性評(píng)估其完整性和穩(wěn)定性，根據(jù)結(jié)構(gòu)分析結(jié)果綜合評(píng)估剪切帶質(zhì)量，識(shí)別潛在風(fēng)險(xiǎn)區(qū)域，采用標(biāo)準(zhǔn)化的評(píng)估指標(biāo)確保結(jié)果的客觀性和一致性；全連接層：y＝wx+b，其中，y為輸出，w為權(quán)重矩陣，x為輸入特征，b為偏置項(xiàng)；剪切帶質(zhì)量評(píng)分：q＝α·s+β·t+γ·u+δ·a+□·l+ζ·r+η·f，其中，q為剪切帶質(zhì)量評(píng)分，α,β,γ,δ,□,ζ,η為權(quán)重系數(shù)，s為結(jié)構(gòu)穩(wěn)定性評(píng)分，t為裂縫密度評(píng)分，u為巖塊尺寸評(píng)分，a為剪切帶開度評(píng)分，l為剪切帶長(zhǎng)度評(píng)分，r為剪切帶界面起伏度評(píng)分，f為剪切帶充填物破碎度評(píng)分。

15、優(yōu)選的，在步驟s6中，通過(guò)攝像頭實(shí)時(shí)采集剪切帶的圖像數(shù)據(jù)，確保數(shù)據(jù)的及時(shí)性和完整性；利用訓(xùn)練好的模型對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，識(shí)別剪切帶的變化；建立預(yù)警系統(tǒng)，根據(jù)分析結(jié)果發(fā)出預(yù)警信號(hào)，提示監(jiān)測(cè)人員注意潛在風(fēng)險(xiǎn)，實(shí)時(shí)監(jiān)測(cè)指標(biāo)：其中，m(t)為在時(shí)間t的監(jiān)測(cè)指標(biāo)·n為數(shù)據(jù)點(diǎn)數(shù)量的，f(xi,t)為第i個(gè)數(shù)據(jù)點(diǎn)在時(shí)間t的特征值；預(yù)警信號(hào)公式：其中，w為預(yù)警信號(hào)，m(t)為監(jiān)測(cè)指標(biāo)，θ為預(yù)警閾值，具體操作方法為，首先實(shí)時(shí)采集圖像：系統(tǒng)定期(如每秒一次)通過(guò)攝像頭采集剪切帶的圖像數(shù)據(jù)，并傳輸至中央服務(wù)器，然后，數(shù)據(jù)分析：利用訓(xùn)練好的機(jī)器學(xué)習(xí)模型對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，提取關(guān)鍵特征f(xi,t)，接著計(jì)算監(jiān)測(cè)指標(biāo)：使用公式計(jì)算當(dāng)前時(shí)刻的監(jiān)測(cè)指標(biāo)最后觸發(fā)預(yù)警：若監(jiān)測(cè)指標(biāo)m(t)超過(guò)預(yù)警閾值θ，則w＝1，系統(tǒng)觸發(fā)預(yù)警信號(hào)，提示監(jiān)測(cè)人員注意潛在風(fēng)險(xiǎn)；若m(t)≤θ，則w＝0。

16、優(yōu)選的，在步驟s7中，將分析結(jié)果通過(guò)可視化工具展示，如熱力圖、裂縫增長(zhǎng)圖等，使監(jiān)測(cè)人員直觀了解剪切帶狀況；定期(如每周一次)生成質(zhì)量評(píng)估報(bào)告，記錄剪切帶的變化情況和評(píng)估結(jié)果，若發(fā)現(xiàn)顯著變化，則標(biāo)注為重點(diǎn)監(jiān)測(cè)區(qū)域，并采用標(biāo)準(zhǔn)化的報(bào)告模板和格式，確保報(bào)告內(nèi)容的規(guī)范性和一致性；熱力圖生成：其中，h(i,j)為熱力圖在位置(i,j)的值，wk為第k個(gè)特征的權(quán)重，vk(i,j)為第k個(gè)特征在位置(i,j)的值，n為特征數(shù)量；報(bào)告評(píng)分匯總：其中，r為總評(píng)分，t為時(shí)間段數(shù)量，qt：在時(shí)間t的質(zhì)量評(píng)分。

17、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點(diǎn)：

18、本發(fā)明提供了一種基于機(jī)器視覺(jué)的危巖體剪切帶質(zhì)量評(píng)價(jià)方法，通過(guò)布置高分辨率攝像頭進(jìn)行圖像采集，利用高斯濾波、直方圖均衡化等技術(shù)進(jìn)行圖像預(yù)處理，應(yīng)用canny邊緣檢測(cè)和sift算法進(jìn)行特征提取，采用卷積神經(jīng)網(wǎng)絡(luò)(cnn)進(jìn)行模型訓(xùn)練和交叉驗(yàn)證，對(duì)圖像進(jìn)行分割和結(jié)構(gòu)分析，實(shí)現(xiàn)剪切帶質(zhì)量的智能評(píng)估與風(fēng)險(xiǎn)識(shí)別，實(shí)時(shí)監(jiān)測(cè)剪切帶變化并觸發(fā)預(yù)警，通過(guò)熱力圖等可視化工具展示分析結(jié)果并生成標(biāo)準(zhǔn)化報(bào)告，確保監(jiān)測(cè)結(jié)果的規(guī)范性和一致性，從而提升了危巖體剪切帶監(jiān)測(cè)的效率和準(zhǔn)確性，有效防范地質(zhì)災(zāi)害風(fēng)險(xiǎn)。