基于图像识别的岩石周围道的实时分级方法
Yihuan Xiao1, Hao Yuan1, Qingye Shi1
1School of Civil Engineering, Southwest Jiaotong University, Chengdu, Sichuan, China.
Frontiers in artificial intelligence
|February 23, 2026
概括
本研究介绍了一种使用图像处理和轻量级深度学习的实时方法,用于分级围绕岩石的道. 该自动化系统在石质学和岩质完整性分类方面取得了高准确性,证明了其在建筑中的实际价值.
科学领域:
- 地质技术工程 地质技术工程
- 在土木工程中的人工智能.
背景情况:
- 精确的道围绕岩石的分级对于建筑安全和效率至关重要.
- 传统的岩石分级方法可能耗时且主观.
研究的目的:
- 开发一个快速而准确的实时分级方法,用于道周围的岩石.
- 将图像处理与轻量级深度学习集成在一起,用于自动化岩石分类.
主要方法:
- 开发了一个自动化管道,将图像处理和机器学习算法结合起来.
- 图像预处理包括灰度转换,无色化,增强和正常化.
- 一个ShuffleNetV2卷积神经网络模型被优化为石质识别和岩石质量属性传感.
主要成果:
- 该方法在石质学分类中获得了85%的准确性.
- 岩石质量的完整性以75%的准确度被分类.
- 在工程现场,在80%的准确度上实现了整体的周围岩石等级.
结论:
- 拟议的实时分级方法证明了道建设的可行性和实际价值.
- 图像处理和深度学习的整合为科学评估围绕岩石的道提供了理论见解.


