基于机器学习的石窟顶板裂隙热红外识别
投稿时间：2024-01-10  修订日期：2024-07-25
关键词:石窟寺  岩体裂隙识别  深度学习  UNet网络  裂隙分组  聚类分析
基金项目:国家自然科学基金项目（面上项目，重点项目，重大项目）
作者单位邮编
李昌波 长安大学 公路学院 710064
包含* 长安大学 公路学院 710064
兰恒星 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室 
李黎 中国文化遗产研究院 
陈卫昌 中国文化遗产研究院 
刘长青 长安大学 公路学院 
吕洪涛 长安大学 公路学院 
摘要点击次数: 102
全文下载次数: 0
摘要:
      石窟顶板层状岩体中发育的裂隙相互交切，极易引发石窟岩体的失稳破坏，对其快速精准识别是石窟保护的重要基础。针对石窟顶板岩体裂隙的非接触精准测量需求，结合热红外探测技术和改进的UNet网络模型，对顶板裂隙网络二值图进行提取，并运用聚类算法，完成了裂隙网络二值图分割识别以及裂隙分组。结果表明，该网络模型各项性能相较于其他网络模型有所提高，Dice系数和推理速度分别达到了71.63%和0.84帧/s，识别过程抵抗人工结构物影响的能力较强，凸显了该方法推理速度快，提取精度高、热红外图像适用性好等特点。以安岳圆觉洞顶板为例，应用该方法共分割识别出153条裂隙，并确定了NW327°和NE55°是顶板裂隙的优势走向，与其他测量方法相比识别效果更好。
  查看/发表评论  下载PDF阅读器
Copyright@ 2008 All Rights Reserved.