采矿与安全工程学报 ›› 2024, Vol. 41 ›› Issue (4): 720-729.doi: 10.13545/j.cnki.jmse.2023.0090
刘灿灿,郑西贵,王术龙,王济宇,李鹏,郭晓玮,许文杰
摘要： 巷道顶板岩层裂隙分布特征是影响安全开采的重要因素,目前钻孔成像法是裂隙探测的主要方法,但钻孔成像法缺乏裂隙智能识别系统,传统人工观察法速度慢,只能定性分析裂隙特征。针对上述问题,在多个矿区进行钻孔成像,形成丰富的岩层裂隙识别数据库,并将数据库分为训练集和测试集。基于卷积神经网络搭建结构面识别网络,网络(1)训练时的像素类别分为背景像素、结构面像素和干扰像素;网络(2)训练时的像素类型分为背景像素和结构面像素。提出裂隙区划分方法,设计裂隙区内结构面数量自动计算程序,优化传统的霍夫变换算法，可实现裂隙区内多个结构面准确识别,并开发结构面参数自动输出程序。研究结果表明:将干扰像素划分为一种类别可以有效改善结构面识别效果。网络(1)对结构面的识别率为76.70％,通过开发的程序使得识别率达到90.20％。对于结构面的起点和终点位置预测误差主要集中在5 mm内,倾向预测误差主要集中于20°范围内,倾角预测误差主要集中于10°范围内,裂隙宽度的平均误差为5.07 mm。该研究工作促使钻孔成像技术由人工观察的定性分析向智能化的定量分析转变,为煤矿智能化发展提供了重要的地质保障技术。
中图分类号:
