基于深度学习和钻孔图像岩体RQD智能计算

李东黎; 刘兴宇; 张占荣; 葛云峰; 李炜; 张子龙

doi:10.19509/j.cnki.dzkq.tb20250114

您当前的位置：

首页 >

文章列表页 >

基于深度学习和钻孔图像岩体RQD智能计算

亮点论文 | 更新时间：2026-11-05

- 基于深度学习和钻孔图像岩体RQD智能计算
- 基于深度学习和钻孔图像岩体RQD智能计算
- 地质科技通报 2026年45卷第3期页码：17-29
- 作者机构：
  
  1. 中铁第四勘察设计院集团有限公司
  2. 中国地质大学(武汉)工程学院
  3. 新疆工业学院自然资源科技学院
- 作者简介：
- 基金信息：
  
  中国铁建股份有限公司科技重大专项（2022-A02）;中国铁建股份有限公司科技重大专项（2024-W01）
- DOI：10.19509/j.cnki.dzkq.tb20250114
  中图分类号： TU45
- 纸质出版：2026
- 稿件说明：
移动端阅览
李东黎, 刘兴宇, 张占荣, 等. 基于深度学习和钻孔图像岩体RQD智能计算[J]. 地质科技通报, 2026,45(3):17-29.

李东黎, 刘兴宇, 张占荣, et al. 基于深度学习和钻孔图像岩体RQD智能计算[J]. Bulletin of Geological Science and Technology, 2026, 45(3): 17-29.
李东黎, 刘兴宇, 张占荣, 等. 基于深度学习和钻孔图像岩体RQD智能计算[J]. 地质科技通报, 2026,45(3):17-29. DOI： 10.19509/j.cnki.dzkq.tb20250114.

李东黎, 刘兴宇, 张占荣, et al. 基于深度学习和钻孔图像岩体RQD智能计算[J]. Bulletin of Geological Science and Technology, 2026, 45(3): 17-29. DOI： 10.19509/j.cnki.dzkq.tb20250114.

摘要

岩石质量指标（RQD）是岩土工程中公认的并广泛运用的反映岩石完整性的重要指标，常用于岩石质量分类，同时也是评级系统的重要输入参数。传统的RQD确定方法依赖于人工岩心测井，但通常费时费力，且易受钻进工艺、取心质量的影响，往往不能客观获得RQD值。基于深度学习算法YOLOv5提出了一种新方法，无需采集岩心，能够直接从钻孔井下电视获得的原位钻孔图像中自动识别和定位结构面，从而避免岩心取样过程中的破坏性影响，并实现RQD的智能计算。该方法首先对钻孔原始图像进行预处理构建一个具有代表性的数据集，然后采用深度学习算法训练模型，最后结合图像分析方法自动计算RQD。为了验证该方法的准确性，选取了中国湖南省永州市某隧道工程，通过对比zk04钻孔得到的RQD智能计算值和RQD人工测量值，发现根据钻孔图像智能计算的RQD值相较现场人工对于岩心盒的实测值平均偏高20%，平均绝对误差为9.82%。提出的方法能够避免钻进和取心过程对实际RQD造成的影响，提高了RQD数据的准确性，体现了其可靠性和有效性。

Abstract

关键词

Keywords

references

N. Barton,R. Lien,J. Lunde.Engineering classification of rock masses for the design of tunnel support[J].Rock Mechanics Felsmechanik Mécanique des Roches,1974(4).

王川婴,LAWK Tim.钻孔摄像技术的发展与现状[J].岩石力学与工程学报,2005(19).

汪进超,王川婴,胡胜,韩增强,王益腾.孔壁钻孔图像的结构面参数提取方法研究[J].岩土力学,2017(10).

蒋小伟,万力,王旭升,武雄,程惠红.利用RQD估算岩体不同深度的平均渗透系数和平均变形模量[J].岩土力学,2009(10).

徐伟,胡新丽,黄磊,邹宗兴,倪卫达,刘晓.结构面三维网络模拟计算RQD及精度对比研究[J].岩石力学与工程学报,2012(04).

葛云峰,钟鹏,唐辉明,赵斌滨,王亮清,夏丁,仇雅诗,李鹏飞,张莉,闻炼,曹天赐.基于钻孔图像的岩体结构面几何信息智能测量[J].岩土力学,2019(11).

韩振华,张路青,袁广祥.基于BQ系统的阿拉善巴彦诺日公NRG01号钻孔岩体质量评价[J].工程地质学报,2019(06).

陈剑平,王清,赵红亮.窗口测线法获取岩体RQD[J].岩石力学与工程学报,2004(09).

李清波,杜朋召.基于边缘阈值分割的钻孔图像RQD自动分析方法研究[J].岩土工程学报,2020(11).

刘飞跃,刘一汉,杨天鸿,信俊昌,张鹏海,董鑫,张海涛.基于岩芯图像深度学习的矿山岩体质量精细化评价[J].岩土工程学报,2021(05).

容富.基于广义RQD_t的岩石质量空间分布规律研究[J].工程地质学报,2016(02).

王焰新,曹海龙,谢先军,李俊霞.基于树的机器学习方法预测地质成因劣质地下水空间分布[J].安全与环境工程,2022(05).

李长宏,黄永亮,沙鹏,黄曼,马成荣,任番泉,翁寒倩.基于裂隙网络模拟的岩体RQD测量参数确定[J].科技通报,2022(04).

赵兴东,王宏宇,王小兵,王立君.基于智能自学习模型识别岩芯的RQD标定方法[J].矿业研究与开发,2023(12).

冯谕,曾怀恩,涂鹏飞.遗传算法下的滑坡蠕滑位移预测模型研究[J].中国地质灾害与防治学报,2024(01).

米增,连哲.面向通用目标检测的YOLO方法研究综述[J].计算机工程与应用,2024(21).

李炜,刘耕,葛云峰,张占荣,黄国良.基于深度学习的钻孔图像岩体结构面识别[J].应用基础与工程科学学报,2024(03).

张明振,段江忠,梁肇伟,郭俊杰,柴大山.基于改进YOLO-V5算法的烟火检测方法[J].中国安全科学学报,2024(05).

秦四清.分维D_f与RQD的关系模型[J].水文地质工程地质,1995(01).

涂美义,袁世宇,陈江军,葛云峰.不同降雨工况下的矿山修复工程边坡稳定性评价[J].地质科技通报,2024(06).

付浩辰,白堂博,许贵阳,宗浩,段嘉明.基于改进YOLOv8的轨道板裂缝检测算法[J].北京交通大学学报,2024(06).

张国华,姜晋云,吕国磊,胡俊杰,熊峰,廖一凡,郑洪,李漪.基于目标检测和图像分割的岩芯RQD自动生成算法[J].安全与环境工程,2025(01).

朱志明,欧阳继胜,张子龙,胡艺霏,葛云峰.缓倾顺层岩质滑坡机理研究——以广元市苍溪县中梁村滑坡为例[J].安全与环境工程,2025(01).

霍俊杰,黄润秋,董秀军,刘云鹏.3D激光扫描与岩体结构精细测量方法比较研究——以锦屏Ⅰ级水电站为例[J].湖南科技大学学报(自然科学版),2011(03).

张航,胡海瑞,朱杰清,胡彬,葛云峰,陈钱.基于非接触测量楔形危岩体稳定性快速评价[J].地质科技通报,2025(02).

赵金海,朱伟龙,孙文斌,马海龙,乔洋.基于钻孔数据的断层带结构数值模型构建及应用探索[J].煤炭学报,2025(03).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自注意力机制生成对抗网络的三维储层建模方法

基于深度学习的复杂页岩储层多参数协同高效预测——以松辽盆地青山口组为例

一种改进的LSTM横波预测方法：以塔河油田缝洞储层为例

基于不同条件模拟策略的生成对抗网络沉积相建模

基于微震事件频次的采空区沉陷变形智能预警方法