<

正>岩石质量指标（RQD）是表征岩体完整程度、支撑岩体分类和工程稳定性评价的基础参数，在隧道、边坡、地下洞室及矿山工程勘察中具有不可替代的意义。随着工程建设向深埋、复杂和高风险地质环境延伸，勘察资料的获取方式正由人工记录、离散取样向数字化采集和智能化解释转变。在这一转型过程中，RQD能否从原位信息中快速、客观、可重复地获取，直接关系到岩体质量评价结果的可靠性和工程决策效率

[1-2]

。传统RQD测定主要依赖岩心人工量测，其方法简明、工程适用性强，但也不可避免地受到钻进扰动、取心完整性、岩心搬运保存状态和人工判别尺度的影响。对于破碎岩体或钻孔数量较大的工程，人工测量不仅工作量大，而且容易将钻进和取心过程造成的二次破碎混入岩体原位结构特征之中。井下电视钻孔图像能够连续记录孔壁结构面、破碎带和软弱夹层等地质信息，为RQD的原位化、数字化获取提供了新的数据载体；深度学习技术的发展，则进一步使结构面自动识别和岩体参数智能提取成为可能。