本發(fā)明涉及巖石檢測(cè)，更具體地說(shuō)，本發(fā)明涉及一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法。

背景技術(shù)：

1、在巖石風(fēng)化檢測(cè)領(lǐng)域，準(zhǔn)確判斷巖石風(fēng)化程度對(duì)眾多領(lǐng)域有著重要意義，當(dāng)前主要存在傳統(tǒng)檢測(cè)方法和現(xiàn)有的基于多光譜成像技術(shù)的檢測(cè)方法。

2、傳統(tǒng)的巖石風(fēng)化檢測(cè)方法包含現(xiàn)場(chǎng)觀察法、化學(xué)分析法和物理測(cè)試法?，F(xiàn)場(chǎng)觀察法主要依靠人工肉眼觀察巖石的外觀特征，如顏色變化、表面紋理、裂隙發(fā)育情況等，以此來(lái)推斷巖石的風(fēng)化程度?；瘜W(xué)分析法是采集巖石樣本并在實(shí)驗(yàn)室中對(duì)其化學(xué)成分進(jìn)行分析，通過(guò)成分的改變來(lái)確定風(fēng)化程度，物理測(cè)試法則是借助超聲波測(cè)試、密度測(cè)試等手段，依據(jù)巖石的物理性質(zhì)變化來(lái)評(píng)估風(fēng)化程度，隨著技術(shù)發(fā)展，多光譜成像技術(shù)在巖石風(fēng)化檢測(cè)中得到應(yīng)用。它利用不同波段的光與巖石相互作用后的反射、吸收和散射特性，獲取巖石在多個(gè)窄波段的光譜信息和空間信息，從光譜角度為巖石風(fēng)化檢測(cè)提供了新的視角和數(shù)據(jù)支持。

3、但是其在實(shí)際使用時(shí)，仍舊存在一些缺點(diǎn)，如現(xiàn)有基于多光譜成像技術(shù)的檢測(cè)方法在特征提取上不夠全面，大多僅關(guān)注光譜特征，未能充分挖掘多光譜圖像中包含的紋理、形態(tài)等其他重要信息，導(dǎo)致對(duì)巖石風(fēng)化特征的描述不夠完整，其構(gòu)建的智能檢測(cè)模型在精度和可靠性方面存在不足，由于訓(xùn)練樣本可能不夠豐富多樣，模型的泛化能力較弱，面對(duì)復(fù)雜多變的地質(zhì)條件下的巖石樣本，難以準(zhǔn)確判斷其風(fēng)化程度。并且，這類(lèi)方法大多缺乏實(shí)時(shí)監(jiān)測(cè)的功能，無(wú)法及時(shí)跟蹤巖石風(fēng)化程度的動(dòng)態(tài)變化，不能滿足實(shí)際應(yīng)用中對(duì)巖石風(fēng)化實(shí)時(shí)信息的需求。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，通過(guò)以下方案，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，包括，s1：多光譜圖像采集：通過(guò)將預(yù)設(shè)的采集參數(shù)輸入至采集終端，通過(guò)采集終端獲取巖石樣本圖像；

3、s2：多光譜圖像預(yù)處理：對(duì)采集的巖石樣本圖像依次進(jìn)行輻射定標(biāo)、幾何校正和圖像增強(qiáng)處理，得到巖石樣本預(yù)處理圖像；

4、s3：巖石風(fēng)化特征參數(shù)獲?。和ㄟ^(guò)巖石樣本預(yù)處理圖像獲取光譜特征參數(shù)、紋理特征參數(shù)以及形態(tài)特征參數(shù)；

5、所述光譜特征參數(shù)包括反射率峰值位置波長(zhǎng)、特定波段反射率比值以及吸收谷深度；

6、所述紋理特征參數(shù)包括能量、熵、對(duì)比度以及l(fā)bp特征；

7、所述形態(tài)特征參數(shù)包括裂隙長(zhǎng)度、裂隙密度以及分形維數(shù)；

8、s4：巖石風(fēng)化模型構(gòu)建：通過(guò)地質(zhì)勘探現(xiàn)場(chǎng)樣本數(shù)據(jù)庫(kù)、實(shí)驗(yàn)室模擬風(fēng)化樣本數(shù)據(jù)庫(kù)以及公開(kāi)巖石數(shù)據(jù)庫(kù)收集巖石多光譜圖像樣本，按照步驟s3中特征參數(shù)獲取過(guò)程，對(duì)每個(gè)樣本圖像提取光譜、紋理和形態(tài)特征參數(shù)，組合成特征向量，基于特征參數(shù)構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)模型；

9、s5：巖石風(fēng)化程度預(yù)測(cè)：將步驟s3中獲取的光譜特征參數(shù)、紋理特征參數(shù)以及形態(tài)特征參數(shù)輸入至訓(xùn)練好的模型中，得到巖石風(fēng)化概率向量，采用最大概率準(zhǔn)則對(duì)概率向量進(jìn)行判斷；

10、s6：互動(dòng)反饋：將步驟s5中獲取的巖石風(fēng)化概率向量、巖石風(fēng)化概率向量中各概率對(duì)應(yīng)文本標(biāo)簽以及判斷結(jié)果輸出至用戶端。

11、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

12、1、本發(fā)明在特征提取上更加全面和深入，除了光譜特征外，還詳細(xì)提取了紋理特征，如通過(guò)灰度共生矩陣計(jì)算能量、熵、對(duì)比度等參數(shù)，以及?lbp?特征來(lái)描述巖石表面紋理復(fù)雜程度；同時(shí)，提取形態(tài)特征，如裂隙長(zhǎng)度、密度和分形維數(shù)等，充分利用了多光譜圖像中的各類(lèi)信息，更全面地刻畫(huà)巖石風(fēng)化特征；

13、2、本發(fā)明在構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)模型時(shí)，使用了來(lái)自地質(zhì)勘探現(xiàn)場(chǎng)樣本數(shù)據(jù)庫(kù)、實(shí)驗(yàn)室模擬風(fēng)化樣本數(shù)據(jù)庫(kù)以及公開(kāi)巖石數(shù)據(jù)庫(kù)的大量樣本進(jìn)行訓(xùn)練，使模型學(xué)習(xí)到豐富多樣的巖石風(fēng)化特征，并且優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu)，調(diào)整了訓(xùn)練參數(shù)，如采用改進(jìn)的?vgg16網(wǎng)絡(luò)結(jié)構(gòu)，減少前兩個(gè)全連接層的神經(jīng)元數(shù)量以降低模型復(fù)雜度，使用隨機(jī)梯度下降優(yōu)化器和合適的學(xué)習(xí)率衰減策略等，提高了模型的精度和可靠性，增強(qiáng)了模型在復(fù)雜地質(zhì)條件下的泛化能力；

14、3、本發(fā)明可以應(yīng)用于巖石風(fēng)化的實(shí)時(shí)監(jiān)測(cè)，通過(guò)定期采集巖石的多光譜圖像，利用訓(xùn)練好的智能檢測(cè)模型進(jìn)行分析，能夠及時(shí)發(fā)現(xiàn)巖石風(fēng)化程度的變化情況，并且可以根據(jù)監(jiān)測(cè)結(jié)果及時(shí)采取防護(hù)措施，有效預(yù)防地質(zhì)災(zāi)害的發(fā)生，滿足了實(shí)際應(yīng)用中對(duì)巖石風(fēng)化動(dòng)態(tài)監(jiān)測(cè)的需求。

技術(shù)特征：

1.一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，其特征在于，包括：s1：多光譜圖像采集：通過(guò)將預(yù)設(shè)的采集參數(shù)輸入至采集終端，通過(guò)采集終端獲取巖石樣本圖像；

2.根據(jù)權(quán)利要求1所述的一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，其特征在于：所述輻射定標(biāo)方法如下：

3.根據(jù)權(quán)利要求1所述的一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，其特征在于：所述反射率峰值位置波長(zhǎng)的計(jì)算如下：對(duì)每個(gè)100×100像素的roi區(qū)域，計(jì)算區(qū)域內(nèi)每個(gè)像素在各波段的平均反射率值，繪制反射率隨波段變化的曲線，找到峰值位置對(duì)應(yīng)波長(zhǎng)；

4.根據(jù)權(quán)利要求1所述的一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，其特征在于：所述深度卷積神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方法步驟如下：

5.根據(jù)權(quán)利要求1所述的一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，其特征在于：所述最大概率準(zhǔn)則具體指：當(dāng)最大概率值pmax≥0.7時(shí)，直接輸出pmax對(duì)應(yīng)類(lèi)別；當(dāng)pmax<0.7時(shí)，啟動(dòng)不確定性處理機(jī)制，輸出"待復(fù)核"標(biāo)簽。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于多光譜成像技術(shù)的巖石風(fēng)化智能檢測(cè)方法，具體涉及巖石檢測(cè)領(lǐng)域，本方法先利用多光譜成像設(shè)備采集巖石樣本圖像，再對(duì)圖像依次進(jìn)行輻射定標(biāo)、幾何校正和圖像增強(qiáng)處理。接著從預(yù)處理后的圖像獲取光譜、紋理和形態(tài)特征參數(shù)，然后通過(guò)多源數(shù)據(jù)庫(kù)收集樣本，構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)模型，最后，將獲取的特征參數(shù)輸入模型得到巖石風(fēng)化概率向量，依據(jù)最大概率準(zhǔn)則判斷風(fēng)化程度并輸出結(jié)果至用戶端。該方法融合多光譜成像與深度學(xué)習(xí)技術(shù)，克服了傳統(tǒng)檢測(cè)方法的不足，能更精準(zhǔn)、高效地檢測(cè)巖石風(fēng)化程度，實(shí)現(xiàn)無(wú)損檢測(cè)與實(shí)時(shí)監(jiān)測(cè)，在地質(zhì)研究、工程建設(shè)等領(lǐng)域具有重要應(yīng)用價(jià)值。

技術(shù)研發(fā)人員：丁銀平,高嘉寧,夏軍,蔡曉雨,孫永興
受保護(hù)的技術(shù)使用者：樂(lè)山師范學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15