基于人工智能的岩石强度评估来自使用混合神经网络的道面图像
Lianbaichao Liu1,2,3, Zhanping Song4,5,6, Ping Zhou7
1School of Civil Engineering, Xi'an University of Architecture and Technology, Xi'an, 710055, China.
Scientific reports
|July 30, 2024
概括
本研究引入了一种基于人工智能的方法,使用混合神经网络进行准确的石质识别和岩石强度评估. 新方法显著提高了地质工程和道建设的效率和安全性.
科学领域:
- 地质工程是地质工程.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 精确的石质识别和岩石强度评估对于地质工程中的结构安全和设计优化至关重要.
- 传统方法 (例如,单轴压力强度测试) 耗时,复杂,缺乏实时适应性.
- 现有的方法难以反映动态的现场条件,需要先进的评估技术.
研究的目的:
- 开发一种高效,准确的基于人工智能的方法,用于岩石强度评估和石质识别.
- 为了改善道面周围岩石强度的实时评估.
- 为安全和经济的道建设提供增强的决策支持.
主要方法:
- 使用了变压器+UNet混合模型进行精确的石质识别.
- 采用优化的ResNet-18模型来确定岩石风化程度.
- 将这些模型集成到一个多模型神经网络系统中,以进行全面的岩石强度校正.
主要成果:
- 变压器+UNet模型在石质识别中实现了95.57%的准确性.
- 优化的ResNet模型在确定岩石风化程度时显示了96.13%的准确性.
- 该系统在道面强度检测中平均相对误差仅为9.33%.
结论:
- 拟议的人工智能和神经网络系统为实时岩石强度评估提供了可行和有效的解决方案.
- 与传统方法相比,这种方法显著提高了预测的准确性和效率.
- 开发的系统提供了强大的科学支持,提高了道建设项目的安全性和经济性.
