Video Experimental Relacionado
Updated: Jul 15, 2026
Pore-scale Imaging and Characterization of Hydrocarbon Reservoir Rock Wettability at Subsurface Conditions Using X-ray Microtomography
Published on: October 21, 2018
Método de clasificación en tiempo real de la roca circundante del túnel basado en el reconocimiento de imágenes
Yihuan Xiao1, Hao Yuan1, Qingye Shi1
1School of Civil Engineering, Southwest Jiaotong University, Chengdu, Sichuan, China.
Este estudio presenta un método en tiempo real que utiliza procesamiento de imágenes y aprendizaje profundo ligero para clasificar la roca circundante del túnel. El sistema automatizado logra una alta precisión en la clasificación de la litología y la integridad de la masa rocosa, demostrando su valor práctico para la construcción.
Área de la Ciencia:
- Ingeniería Geotécnica
- Inteligencia Artificial en Ingeniería Civil
Sus antecedentes:
- La clasificación precisa de la roca circundante del túnel es crucial para la seguridad y la eficiencia de la construcción.
- Los métodos tradicionales de clasificación de rocas pueden ser lentos y subjetivos.
Objetivo del estudio:
- Desarrollar un método de clasificación rápido y preciso en tiempo real para la roca circundante del túnel.
- Integrar el procesamiento de imágenes con el aprendizaje profundo ligero para la clasificación automatizada de rocas.
Principales métodos:
- Se desarrolló un flujo de trabajo automatizado que combina el procesamiento de imágenes y algoritmos de aprendizaje automático.
- El preprocesamiento de imágenes incluyó conversión a escala de grises, eliminación de ruido, mejora y normalización.
- Se optimizó un modelo de red neuronal convolucional ShuffleNetV2 para la identificación de litología y la detección de propiedades de la masa rocosa.
Principales resultados:
- El método logró una precisión del 85% en la clasificación de la litología.
- La integridad de la masa rocosa se clasificó con una precisión del 75%.
- La clasificación general del grado de la roca circundante se logró con una precisión del 80% en un sitio de ingeniería.
Conclusiones:
- El método de clasificación en tiempo real propuesto demuestra viabilidad y valor práctico para la construcción de túneles.
- La integración del procesamiento de imágenes y el aprendizaje profundo ofrece información teórica para la evaluación científica de la roca circundante del túnel.
