本發(fā)明涉及巖樣裂紋數(shù)據(jù)處理，尤其涉及一種巖樣受壓表觀裂紋起裂預警方法及系統(tǒng)。

背景技術：

1、巖石試樣是從天然巖體中采集的礦物質(zhì)組成的塊體或小塊，通常用于實驗室研究與測試，以評估巖石的物理和機械性質(zhì)；巖石試樣在地質(zhì)工程和巖石力學研究中起著重要作用，可以用來進行一系列的實驗和測試，以分析巖石在不同條件下的行為和特性。巖石試樣在單軸壓縮荷載作用下的變形階段包括空隙裂隙壓密階段、彈性變形至微彈性裂隙穩(wěn)定發(fā)展階段、非穩(wěn)定破裂發(fā)展階段、破裂后階段；巖樣受壓表觀裂紋出現(xiàn)階段及相應起裂應力的準確識別能夠揭示演示開裂機理和裂紋演化過程，有助于巖石力學性質(zhì)和破壞機理的研究。巖樣受壓表觀裂紋起裂出現(xiàn)階段及相應起裂應力的識別方法主要包括肉眼觀察法、數(shù)字圖像相關技術等。肉眼觀察法簡便易行，但受限于肉眼的分辨率和觀察者的主觀性，不能精確地識別巖樣受壓表觀裂紋起裂出現(xiàn)階段及相應起裂應力。數(shù)字圖像相關技術通過比較巖樣受壓前后的數(shù)字圖像來測量巖樣表面的位移和應變場，從而監(jiān)測裂紋的形成和擴展。當巖石表面較粗糙時，數(shù)字圖像相關技術的應用會受到限制。另一方面，使用相機對巖樣表面進行拍攝時，放大倍率較小，難以實現(xiàn)細觀尺度上巖樣受壓表觀裂紋萌生階段及相應起裂應力的識別。鑒于目前巖樣受壓表觀裂紋起裂出現(xiàn)階段及相應起裂應力的識別方法中存在的問題，有必要通過拍攝巖樣更細觀的表面來識別表觀裂紋的出現(xiàn)及相應的起裂應力。

2、現(xiàn)有技術一，申請?zhí)朿n202111295467.x公開了一種利用超聲波實時監(jiān)測受載巖石裂紋演變的方法，方法是通過對受載巖石在單軸壓縮過程中進行聲波檢測，將所得所有受載巖樣的聲波信號時域圖提取首波聲時t，根據(jù)公式計算每級荷載作用下的波速v，并通過公式計算每級荷載作用下巖樣的波速非損傷比α，α值越小，裂紋越多。雖然從時域圖中計算不同荷載作用下巖樣的縱波波速，并定義巖樣波速非損傷量，定量判斷巖樣在加載過程中裂紋變化。但是當巖石表面粗糙時，該技術的相關應用會受到限制，不能有效提升起裂應力識別的精度。

3、現(xiàn)有技術二，申請?zhí)朿n202111304758.0公開了一種用于受載巖石損傷的檢測方法，方法是對待巖石材料同時進行聲波測試和單軸壓縮試驗，將所得聲波信號進行數(shù)據(jù)處理，得不同荷載作用下巖樣的聲波信號頻域圖，將聲波信號頻域圖中的頻率區(qū)間劃分為多個等寬頻段，在劃分的所有等寬頻段區(qū)間中，選取聲波信號集中且峰值明顯的頻段，計算得所選區(qū)間內(nèi)巖樣聲波信號的頻域能量ef，將頻域能量ef帶入公式計算巖樣聲波信號的頻域能量比δ，δ值越大，裂紋越多，損傷越大。雖然將接收到的聲波信號進行數(shù)據(jù)處理，通過定義無量綱參數(shù)頻域能量比δ判斷所測巖樣損傷。但是當巖石表面粗糙時，該應用會受到限制，難以實現(xiàn)細觀尺度上巖樣受壓表觀裂紋萌生階段及相應起裂應力的識別，一定程度上影響了識別的效果。

4、現(xiàn)有技術三，申請?zhí)朿n202211096278.4公開了一種直切槽半圓盤巖樣動態(tài)斷裂韌度光學測試方法，屬于巖石材料動態(tài)斷裂韌度測試技術領域；測定不同應力作用下應力發(fā)光薄膜的發(fā)光強度，繪制發(fā)光強度-應力曲線，擬合后得到發(fā)光強度-應力函數(shù)表達式；將應力發(fā)光薄膜粘覆在直切槽半圓盤巖樣表面；校檢動態(tài)應力平衡，調(diào)整至入射桿端面應力和反射桿端面應力重合；將巖樣夾在入射桿和投射桿之間，試件預制裂紋與支撐桿平行且位于兩個支撐桿中心；調(diào)節(jié)氣缸壓力，發(fā)射撞擊桿，巖樣在受到?jīng)_擊作用后發(fā)生破碎，測量應力發(fā)光薄膜的發(fā)光強度；根據(jù)發(fā)光強度-應力函數(shù)表達式和測量的發(fā)光強度，計算出巖樣受到的最大加載力，求解出最大加載力對應的應力強度因子即為巖樣的動態(tài)斷裂韌度。雖然計算出了巖樣收到的最大加載力，得出了巖樣的動態(tài)斷裂韌度。但是起方法較為復雜，增加了操作時間，降低了測試的效率。

5、目前現(xiàn)有技術一、現(xiàn)有技術二及現(xiàn)有技術三存在當巖石表面粗糙時，數(shù)字圖像相關技術的應用會受到限制，難以實現(xiàn)細觀尺度上巖樣受壓表觀裂紋萌生階段及相應起裂應力識別的問題。因而，本發(fā)明提供一種巖樣受壓表觀裂紋起裂預警方法及系統(tǒng)，通過高清微距拍攝巖樣更細觀的表面來識別裂紋的出現(xiàn)及相應的起裂應力。

技術實現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種巖樣受壓表觀裂紋起裂預警方法及系統(tǒng)，以解決現(xiàn)有技術中肉眼觀察受限于肉眼的分辨率和觀察者的主動性、數(shù)字圖像相關技術會受到巖石粗糙表面限制、相機放大倍率較小，難以實現(xiàn)細觀尺度觀察的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

3、一種巖樣受壓表觀裂紋起裂預警方法，所述巖樣受壓表觀裂紋起裂預警方法，包括：

4、獲取歷史巖樣表面無裂紋圖像和有裂紋圖像構建數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓練集和測試集，使用訓練集訓練卷積神經(jīng)網(wǎng)絡分類模型，構建表觀裂紋識別模型；

5、利用高清微距攝影收集巖樣細觀表面圖像每個視頻的所有幀，將每一幀圖像輸入到表觀裂紋識別模型中，識別出表觀裂紋生成擴展圖像；

6、根據(jù)第一張表觀裂紋圖像所對應的時間確定應力應變曲線上的一個點，該點即為表觀裂紋起裂點，確定巖樣受壓表觀裂紋出現(xiàn)階段及相應起裂應力。

7、作為本發(fā)明的進一步改進，構建表觀裂紋識別模型，包括：

8、從數(shù)字圖像數(shù)據(jù)庫，收集經(jīng)過標注的巖樣表面無裂紋和有裂紋的圖像，將圖像按照比例劃分為訓練集和測試集，訓練集和測試集的比例為8：2；

9、創(chuàng)建卷積神經(jīng)網(wǎng)絡中的卷積層、激活層、池化層、全連接層以及輸出層，全連接層中創(chuàng)建一個展平層，將三維輸出轉(zhuǎn)換為一維向量；

10、選擇交叉熵損失函數(shù)、優(yōu)化器sgd和評估指標，編譯表觀裂紋識別模型；使用訓練集中的圖像數(shù)據(jù)進行訓練，調(diào)整表觀裂紋識別模型模型參數(shù)，使用測試集對訓練好的表觀裂紋識別模型進行評估，計算表觀裂紋識別模型的準確率、召回率及f1評分評估指標，根據(jù)評估結果決定是否進行表觀裂紋識別模型的微調(diào)或優(yōu)化。

11、作為本發(fā)明的進一步改進，編譯表觀裂紋識別模型，包括：

12、導入tensorflow深度學習庫，使用序貫模型構建整個卷積神經(jīng)網(wǎng)絡模型結構，列出每一層的具體參數(shù)；

13、使用交叉熵損失函數(shù)，創(chuàng)建對比示例；使用隨機梯度下降添加動量加速收斂并避免局部最優(yōu)解，先從sgd開始，并設置一個較小的學習率，獲得初步結果后，根據(jù)訓練過程的表現(xiàn)再進行調(diào)整；選擇評估指標準確率、召回率、精確率和f1分數(shù)；

14、將模型與選定的損失函數(shù)、優(yōu)化器和評估指標結合在一起，使其準備好進行訓練；在編譯時，確保保存模型的所有相關設置；使用已編譯的模型，通過調(diào)用訓練函數(shù)將訓練數(shù)據(jù)傳入進行訓練，設置超參數(shù)，并在每輪訓練之后驗證模型性能。

15、作為本發(fā)明的進一步改進，利用高清微距攝影收集巖樣細觀表面圖像每個視頻的所有幀，包括：

16、確保實驗臺和加載裝置處于水平狀態(tài)，校對相機、微距鏡頭和加載裝置的對準；將待測試的巖樣放置到加載裝置的中間位置；檢查巖樣是否水平放置；

17、使用多個相機固定支架將多個相機固定在巖樣的水平方向；在每個相機上安裝微距鏡頭，調(diào)整各個相機的拍攝角度和焦距；在每個相機上啟動錄制軟件，進行配置，包括分辨率、幀速率；

18、在開始施壓之前，確認所有相機都在正常工作狀態(tài)，開始錄制巖樣受壓過程的視頻；啟動加載裝置，逐步施加壓縮力到巖樣，根據(jù)需要，設定固定的加載速率；在施加壓力的過程中，觀察相機捕捉到的視頻，密切關注巖樣表面是否出現(xiàn)裂紋；通過相機記錄整個受壓過程的視頻，捕捉到巖樣表面出現(xiàn)的裂紋和變形情況；將錄制到的視頻數(shù)據(jù)保存；

19、對采集到的視頻數(shù)據(jù)進行逐幀分析，捕捉巖樣裂紋的發(fā)生時間、位置及其發(fā)展過程；確認實驗目標達成后，停止加載裝置，將巖樣從加載裝置中取出；關閉相機和相關設備，對設備進行清理和整理，以備下次實驗使用。

20、作為本發(fā)明的進一步改進，逐步施加壓縮力到巖樣，包括：

21、連接并打開加載裝置的電源，接受控制命令；加載裝置開始根據(jù)預設的速率逐步施加壓縮力到巖樣上；監(jiān)測加載裝置的顯示屏，觀察施加的壓力變化、位移、力的增加；

22、加載速率設為恒定0.5mpa/s，在施加壓力的同時，記錄下施加的力和時間信息；

23、達到設定的條件，停止加載裝置的工作，并記錄下放緩壓力至零的過程；在確認已結束后，卸去施加的壓縮力。

24、作為本發(fā)明的進一步改進，相機的錄制軟件與加載裝置的同步操作，包括：

25、相機的錄制軟件中安裝數(shù)據(jù)采集軟件，并配置采集率和所需的參數(shù)，確保每個樣本都有一個時間戳；

26、設計一個觸發(fā)電路，當加載裝置開始施加壓力時，使用壓力傳感器閉合觸發(fā)開關，通過控制邏輯編程，使用ttl信號，設定為高電平作為觸發(fā)時機；使得當激活信號發(fā)出時，發(fā)送一個信號到相機的錄制啟動端口；相機支持通過lanc、usb或者無線連接進行外部觸發(fā)；

27、啟動錄制軟件并確認開始記錄，并自動將加載裝置的力量施加到巖樣上，觸發(fā)設備啟動相機錄制。

28、作為本發(fā)明的進一步改進，確定表觀裂紋的起裂點，包括：

29、從識別出表觀裂紋的第一張圖像，并記錄該幀圖像的時間戳，時間戳是視頻錄制時產(chǎn)生的，與數(shù)據(jù)采集系統(tǒng)同步；

30、使用數(shù)據(jù)采集系統(tǒng)記錄的應力應變數(shù)據(jù)，包括隨時間變化的應力和應變值；根據(jù)記錄的時間戳，查找應力應變曲線數(shù)據(jù)中與該時間相對應的應力和應變值；通過插值的方法，如果在錄像中觀察到裂紋時間與數(shù)據(jù)記錄的時間不完全匹配，通過對時間附近的數(shù)據(jù)進行插值，找到那一時刻的應力和應變值；

31、使用數(shù)據(jù)可視化工具matlab，利用更新過的應力和應變數(shù)據(jù)繪制應力應變曲線；在應力應變曲線上，標注出找到的起裂點，這個點即為裂紋出現(xiàn)時的應力值和對應的應變值；

32、根據(jù)該點的位置與整體應力應變曲線的關系，分析裂紋出現(xiàn)的階段；是彈性階段、屈服階段或其他明顯的材料響應特征；同時該點是否發(fā)生在材料屈服點之后，判斷材料的行為；記錄下裂紋起裂應力和實驗條件，生成實驗報告中所需的映射及階段特征。

33、作為本發(fā)明的進一步改進，通過對時間附近的數(shù)據(jù)進行插值，包括：

34、獲取記錄的時間戳，時間戳對應于第一張識別出的表觀裂紋圖像；從數(shù)據(jù)采集系統(tǒng)中提取隨時間變化的應力和應變數(shù)據(jù)，以時間序列的形式組織，記錄在不同時間點上施加的應力和應變；

35、檢查數(shù)據(jù)采集系統(tǒng)記錄的時間軸，找到與裂紋時間戳相近的時間點；如果直接匹配的時間戳在采集的數(shù)據(jù)中不存在，就需要確定小范圍內(nèi)的兩個時間點；

36、進行插值計算；

37、記錄插值結果，通過插值得到的應力σc和應變∈c，兩個值視為在裂紋產(chǎn)生時應該存在的應力和應變。

38、為實現(xiàn)上述目的，本發(fā)明還提供了如下技術方案：

39、一種巖樣受壓表觀裂紋起裂預警系統(tǒng)，其應用于所述的巖樣受壓表觀裂紋起裂預警方法，所述巖樣受壓表觀裂紋起裂預警系統(tǒng)包括：

40、模型構建模塊，用于獲取歷史巖樣表面無裂紋圖像和有裂紋圖像構建數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓練集和測試集，使用訓練集訓練卷積神經(jīng)網(wǎng)絡分類模型，構建表觀裂紋識別模型；

41、圖像識別模塊，用于利用高清微距攝影收集巖樣細觀表面圖像每個視頻的所有幀，將每一幀圖像輸入到表觀裂紋識別模型中，識別出表觀裂紋生成擴展圖像；

42、裂紋確定模塊，用于根據(jù)第一張表觀裂紋圖像所對應的時間確定應力應變曲線上的一個點，該點即為表觀裂紋起裂點，確定巖樣受壓表觀裂紋出現(xiàn)階段及相應起裂應力。

43、作為本發(fā)明的進一步改進，還包括：巖樣、相機固定支架、相機、加載裝置、微距鏡頭；

44、其中，巖樣放置在加載裝置中間，巖樣的水平方向固定有多個相機，相機通過多個相機固定支架進行固定，微距鏡頭安裝在相機上；相機錄制巖樣受壓全過程視頻，微距鏡頭沿圓柱形的巖樣水平方向均勻排列，沿豎向方向等距排列。

45、本發(fā)明的構建數(shù)據(jù)集與模型訓練，通過獲取無裂紋圖像和有裂紋圖像，構建一個完整的數(shù)據(jù)集，用于后續(xù)模型的訓練和測試；將數(shù)據(jù)集劃分為訓練集和測試集，為模型的訓練和性能評估奠定基礎；利用訓練集數(shù)據(jù)訓練卷積神經(jīng)網(wǎng)絡(cnn)分類模型，構建表觀裂紋識別模型，使其能夠識別和分類圖像中的裂紋特征。數(shù)據(jù)集的構建提供了機器學習所需的樣本基礎，確保了模型能夠?qū)W習到正確的裂紋特征；通過劃分訓練集和測試集，可以對模型的泛化能力進行驗證，確保其在未知數(shù)據(jù)上的表現(xiàn)；訓練出的模型能夠自動識別巖樣表面的裂紋，增強了檢測的效率與準確性，降低了對人工檢測的依賴。圖像采集與裂紋識別，利用高清微距攝影技術收集巖樣受壓時的細觀表面圖像，并提取視頻中的每一幀圖像，形成連續(xù)的圖像序列；將每一幀圖像輸入到已訓練的表觀裂紋識別模型中，自動識別出表觀裂紋圖像。實時監(jiān)測：通過高清微距攝影技術，能夠在受壓過程中連續(xù)監(jiān)測巖樣表面變化，及時捕捉裂紋生成的動態(tài)信息；高精度識別：cnn模型的應用使得裂紋的識別更為精準，能夠有效降低漏檢和誤檢的概率；數(shù)據(jù)積累：此步驟所收集的圖像為后續(xù)分析和研究提供了大量的實證數(shù)據(jù)，有助于理解裂紋形成的機制和規(guī)律。確定起裂點與應力應變曲線，根據(jù)第一張識別出的表觀裂紋圖像所對應的時間，確定應力應變曲線上的一個關鍵點，即裂紋的起裂點；關鍵性參數(shù)識別：準確識別裂紋的起裂點對于分析巖樣在受壓過程中的力學行為至關重要，能夠為后續(xù)研究提供基礎數(shù)據(jù)；有效預警：通過確定裂紋出現(xiàn)的時間與對應的應力值，可以預先判斷材料的抗壓極限，及時采取措施降低事故風險；優(yōu)化設計：這些參數(shù)有助于在巖土工程和結構設計過程中優(yōu)化材料選擇和設計方案，從而提高整體安全性。