本申請(qǐng)涉及地質(zhì)災(zāi)害防治中的深度學(xué)習(xí)圖像處理，特別是涉及一種基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法。

背景技術(shù)：

1、在陡峭的邊坡上，由多組相互切割的巖體結(jié)構(gòu)面形成的不穩(wěn)定巖塊被稱為危巖。危巖體崩塌是地質(zhì)災(zāi)害中常見且危害嚴(yán)重的一種現(xiàn)象，裂縫密度是評(píng)估危巖體穩(wěn)定性的重要指標(biāo)，與崩塌等地質(zhì)災(zāi)害的發(fā)生有較高關(guān)聯(lián)性。裂縫密度是指在危巖出露面上，去除對(duì)巖體整體穩(wěn)定性影響較小的小裂縫后，剩余裂縫的有效面積占整個(gè)框面積的比例。當(dāng)裂縫密度較低時(shí)，巖體內(nèi)部的連接性和整體性較強(qiáng)，結(jié)構(gòu)相對(duì)穩(wěn)定，發(fā)生崩塌的風(fēng)險(xiǎn)較小。此時(shí)，裂縫可能只出現(xiàn)在巖體的表層或少數(shù)區(qū)域，且裂縫之間的距離較遠(yuǎn)，彼此之間沒有形成連貫的破裂帶，因此巖體在外力作用下仍能保持一定的穩(wěn)定性。當(dāng)裂縫密度較高時(shí)，高密度的裂縫意味著巖體的內(nèi)部已經(jīng)被大量裂縫分割成許多小塊，整體性大大削弱。裂縫之間的距離變得很近，可能形成貫穿整個(gè)巖體的破裂網(wǎng)絡(luò)。這種情況下，巖體的結(jié)構(gòu)變得非常脆弱，任何外力(如地震、降雨、風(fēng)化等)都可能引發(fā)裂縫進(jìn)一步擴(kuò)展和聯(lián)結(jié)，從而導(dǎo)致巖體整體失穩(wěn)，最終可能引發(fā)崩塌等地質(zhì)災(zāi)害。

2、傳統(tǒng)的危巖體監(jiān)測(cè)和預(yù)警方法主要依賴人工巡查和地面監(jiān)測(cè)設(shè)備，這些手段存在監(jiān)測(cè)范圍有限、實(shí)時(shí)性差、成本高、風(fēng)險(xiǎn)大等問題。因此，相關(guān)技術(shù)中，亟需一種能夠提高危巖體監(jiān)測(cè)和預(yù)警的準(zhǔn)確性和效率、減少漏報(bào)和誤報(bào)的方式。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問題，提供一種能夠提高危巖體監(jiān)測(cè)和預(yù)警的準(zhǔn)確性和效率、減少漏報(bào)和誤報(bào)的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法。

2、第一方面，本申請(qǐng)?zhí)峁┝艘环N基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法。所述方法包括：

3、獲取危巖體航拍圖像，并進(jìn)行預(yù)處理；

4、對(duì)預(yù)處理后的危巖體航拍圖像采用yolov8神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)，得到危巖體檢測(cè)框；

5、基于所述危巖體檢測(cè)框采用fast-scnn卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行危巖體裂縫分割與密度計(jì)算，得到危巖體裂縫密度；

6、基于所述危巖體裂縫密度結(jié)合裂縫方向和交叉點(diǎn)確定危巖體風(fēng)險(xiǎn)等級(jí)。

7、可選的，在本申請(qǐng)的一個(gè)實(shí)施例中，所述預(yù)處理包括：

8、對(duì)所述危巖體航拍圖像進(jìn)行標(biāo)準(zhǔn)化；

9、對(duì)所述標(biāo)準(zhǔn)化后的危巖體航拍圖像進(jìn)行分類標(biāo)注。

10、可選的，在本申請(qǐng)的一個(gè)實(shí)施例中，所述預(yù)處理還包括：

11、對(duì)所述標(biāo)準(zhǔn)化后的危巖體航拍圖像進(jìn)行仿射變換后再進(jìn)行分類標(biāo)注。

12、可選的，在本申請(qǐng)的一個(gè)實(shí)施例中，所述yolov8神經(jīng)網(wǎng)絡(luò)的特征提取和檢測(cè)頭部分包括旋轉(zhuǎn)不變性模塊和形變感知模塊。

13、可選的，在本申請(qǐng)的一個(gè)實(shí)施例中，所述采用yolov8神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)之前包括：

14、構(gòu)建yolov8神經(jīng)網(wǎng)絡(luò)模型并對(duì)所述yolov8神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，結(jié)合復(fù)合損失函數(shù)調(diào)整所述yolov8神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，所述復(fù)合損失函數(shù)包括邊界框中心坐標(biāo)誤差、邊界框?qū)捀哒`差、類別概率誤差和置信度得分誤差。

15、可選的，在本申請(qǐng)的一個(gè)實(shí)施例中，所述復(fù)合損失函數(shù)的公式為：

16、

17、其中，表示第i個(gè)網(wǎng)格的第j個(gè)邊界框包含物體，表示第i個(gè)網(wǎng)格的第j個(gè)邊界框不包含物體，(xi,yi,wi,hi)表示預(yù)測(cè)的邊界框參數(shù)，表示真實(shí)邊界框參數(shù)，ci表示預(yù)測(cè)的置信度，表示真實(shí)的置信度，pi(c)表示預(yù)測(cè)的類別概率，表示真實(shí)的類別概率，λcoord和λnoobj表示損失函數(shù)的權(quán)重參數(shù)。

18、可選的，在本申請(qǐng)的一個(gè)實(shí)施例中，所述采用fast-scnn卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行危巖體裂縫分割與密度計(jì)算包括：

19、基于所述危巖體檢測(cè)框選擇樣本數(shù)據(jù)，將所述樣本數(shù)據(jù)進(jìn)行卷積和下采樣；

20、采用四層雙線性插值和反卷積獲取深層次特征圖；

21、基于所述深層次特征圖進(jìn)行分類，得到危巖體裂縫分割圖像；

22、基于所述危巖體裂縫分割圖像計(jì)算裂縫密度。

23、第二方面，本申請(qǐng)還提供了基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估裝置。所述裝置包括：

24、數(shù)據(jù)獲取模塊，用于獲取危巖體航拍圖像，并進(jìn)行預(yù)處理；

25、危巖體定位模塊，用于對(duì)預(yù)處理后的危巖體航拍圖像采用yolov8神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)，得到危巖體檢測(cè)框；

26、危巖體裂縫密度計(jì)算模塊，用于基于所述危巖體檢測(cè)框采用fast-scnn卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行危巖體裂縫分割與密度計(jì)算，得到危巖體裂縫密度；

27、危巖體風(fēng)險(xiǎn)等級(jí)評(píng)估模塊，用于基于所述危巖體裂縫密度結(jié)合裂縫方向和交叉點(diǎn)確定危巖體風(fēng)險(xiǎn)等級(jí)。

28、第三方面，本申請(qǐng)還提供了一種計(jì)算機(jī)設(shè)備。所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行上述各個(gè)實(shí)施例所述方法的步驟。

29、第四方面，本申請(qǐng)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述各個(gè)實(shí)施例所述方法的步驟。

30、上述基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，首先，獲取危巖體航拍圖像，并進(jìn)行預(yù)處理；之后，對(duì)預(yù)處理后的危巖體航拍圖像采用yolov8神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)，得到危巖體檢測(cè)框；之后，基于所述危巖體檢測(cè)框采用fast-scnn卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行危巖體裂縫分割與密度計(jì)算，得到危巖體裂縫密度；最后，基于所述危巖體裂縫密度結(jié)合裂縫方向和交叉點(diǎn)確定危巖體風(fēng)險(xiǎn)等級(jí)。也就是說，提出一種基于深度學(xué)習(xí)的危巖體風(fēng)險(xiǎn)評(píng)估方法，通過yolov8深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)山體航拍高分辨率圖像進(jìn)行推理獲得危巖體目標(biāo)框，在目標(biāo)框內(nèi)，使用fast-scnn神經(jīng)網(wǎng)絡(luò)模型進(jìn)行語義分割，提取裂縫邊緣信息，計(jì)算危巖體裂縫密度，以危巖體裂縫密度即危巖體目標(biāo)框中裂縫的有效面積占整個(gè)框的比例作為主要評(píng)估指標(biāo)，并結(jié)合裂縫方向不同而產(chǎn)生的交叉點(diǎn)作為輔助判定依據(jù)，能夠高效地評(píng)估危巖體風(fēng)險(xiǎn)大小，從而判斷巖體災(zāi)變風(fēng)險(xiǎn)。

技術(shù)特征：

1.一種基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述預(yù)處理包括：

3.根據(jù)權(quán)利要求2所述的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述預(yù)處理還包括：

4.根據(jù)權(quán)利要求1所述的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述yolov8神經(jīng)網(wǎng)絡(luò)的特征提取和檢測(cè)頭部分包括旋轉(zhuǎn)不變性模塊和形變感知模塊。

5.根據(jù)權(quán)利要求1所述的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述采用yolov8神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)之前包括：

6.根據(jù)權(quán)利要求5所述的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述復(fù)合損失函數(shù)的公式為：

7.根據(jù)權(quán)利要求1所述的基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法，其特征在于，所述采用fast-scnn卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行危巖體裂縫分割與密度計(jì)算包括：

8.一種基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估裝置，其特征在于，所述裝置包括：

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)涉及一種基于裂縫密度分析的危巖體風(fēng)險(xiǎn)評(píng)估方法。所述方法包括：首先，獲取危巖體航拍圖像，并進(jìn)行預(yù)處理；之后，對(duì)預(yù)處理后的危巖體航拍圖像采用YOLOv8神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)，得到危巖體檢測(cè)框；基于所述危巖體檢測(cè)框采用Fast?SCNN卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行危巖體裂縫分割與密度計(jì)算，得到危巖體裂縫密度；最后，基于所述危巖體裂縫密度結(jié)合裂縫方向和交叉點(diǎn)確定危巖體風(fēng)險(xiǎn)等級(jí)。也就是說，提出一種基于深度學(xué)習(xí)的危巖體風(fēng)險(xiǎn)評(píng)估方法，以危巖體裂縫密度即危巖體目標(biāo)框中裂縫的有效面積占整個(gè)框的比例作為主要評(píng)估指標(biāo)，并結(jié)合裂縫方向不同而產(chǎn)生的交叉點(diǎn)作為輔助判定依據(jù)，能夠高效地評(píng)估危巖體風(fēng)險(xiǎn)大小，從而判斷巖體災(zāi)變風(fēng)險(xiǎn)。

技術(shù)研發(fā)人員：余志斌,魏方傳,陳思宇
受保護(hù)的技術(shù)使用者：西南交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6