在岩石损伤实验研究中应用改进和高效的图像修复算法
Mingzhe Xu1, Xianyin Qi2,3, Diandong Geng1
1School of Urban Construction, Yangtze University, Jingzhou, 434023, China.
Scientific reports
|June 27, 2024
概括
这项研究引入了一种改进的深度学习算法,可以从数字成像中恢复受损的岩层应变数据,从而增强石油和煤炭行业的岩石损伤分析.
科学领域:
- 地质技术工程 地质技术工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 由于数据丢失和信号干扰,数字图像和声辐射技术在岩石损伤分析方面存在局限性.
- 当前的监测错误可能会损害工业应用中岩石损伤评估的准确性.
研究的目的:
- 开发一种可靠的方法来恢复岩石力学研究中扭曲或丢失的图像数据.
- 使用增强的数字图像处理,提高岩石损伤分析的准确性和效率.
主要方法:
- 一个改进的增量变压器算法被用来修复来自数字图像技术的应变nephograms.
- 实现了深度可分离的卷积网络以优化计算效率.
- 为了模型培训和验证,生成了菌株神经图的综合训练数据集.
主要成果:
- 开发的算法成功地恢复了损坏的岩石图像中的全部细节.
- 使用修复图像进行的分析显示,与实际岩石损伤过程的相关性更为密切.
- 与传统的数字图像和声辐射技术相比,这种增强方法显示出更高的性能.
结论:
- 改进的增量变压器算法为传统岩石损伤分析提供了一种创新的方法.
- 这种技术提高了岩石力学数字图像技术的效率和可靠性.
- 这些发现有助于节省石油和煤炭行业的成本和时间.
