基于VRA-UNet网络的煤岩组合体裂隙识别与三维重构
王登科1
王龙航2
秦亚光3
位乐4
曹塘根5
李文睿2
李璐6
陈旭7
夏玉玲8
1.河南理工大学河南省瓦斯地质与瓦斯治理重点实验室-省部共建国家重点实验室培育基地,河南 焦作 454000;河南理工大学安全科学与工程学院,河南 焦作 454000;煤炭安全生产与清洁高效利用省部共建协同创新中心,河南 焦作 4540002.河南理工大学河南省瓦斯地质与瓦斯治理重点实验室-省部共建国家重点实验室培育基地,河南 焦作 454000;河南理工大学安全科学与工程学院,河南 焦作 4540003.中国电建集团华东勘测设计研究院有限公司,浙江 杭州 3111224.中煤科工集团重庆研究院有限公司,重庆 4000375.四川芙蓉川南建设工程有限公司,四川 宜宾 6440006.河南理工大学安全科学与工程学院,河南 焦作 4540007.河南理工大学河南省瓦斯地质与瓦斯治理重点实验室-省部共建国家重点实验室培育基地,河南 焦作 454000;煤炭安全生产与清洁高效利用省部共建协同创新中心,河南 焦作 4540008.河南理工大学计算机科学与技术学院,河南 焦作 454000
摘要：在煤岩组合体裂隙三维重构中,针对传统阈值分割方法无法准确确定煤岩之间的阈值大小从而导致裂隙分割效果不佳的问题,基于深度学习理论提出了一种新型VRA-UNet煤岩组合体裂隙精确识别模型,为煤岩组合体裂隙精确识别提供了一种优化解决方案.为了提升模型的泛化能力和防止初始化模型参数过于随机,使用VGG16模块作为骨干特征提取网络.针对煤岩组合体裂隙拓扑结构复杂,非均匀性强等问题,在上采样部分引入使用残差连接且具有空间维度和通道维度的注意力模块(ResCBAM)增强模型特征提取能力,缓解模型梯度消失的问题.在下采样的末端加入了利用不同尺度卷积核的非对称空洞金字塔模块(AC-ASPP),通过多尺度的特征提取,提高模型对不同大小裂隙的识别能力.同时,利用煤岩组合体CT扫描图像数据集验证了模型的有效性.研究结果表明:VRA-UNet模型在裂隙提取和识别方面性能良好,平均交并比、像素平均值及识别精度分别为85.22%、90.80%和 91.95%;与主流的分割网络UNet、PSPNet、DeeplabV3+、FCN和SegNet相比,VRA-UNet模型的平均交并比分别提高了 6.05%、16.7%、10.77%、6.87%和 6.4%,像素平均值分别提高了 7.13%、13.29%、12.84%、7.4%和 7.53%,识别精度分别提高了 3.82%、14.45%、7.4%、5.58%和 4.31%;VRA-UNet识别出的裂隙结构分形维数与原始CT扫描裂隙结构分形维数保持了良好的一致性,真实还原了煤岩组合体内部裂隙结构的分布特征.
关键词：煤岩组合体裂隙识别裂隙重构卷积神经网络分形维数
分类号：TD32(矿山压力与支护)TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(52174174)河南省杰出青年科学基金资助项目(252300421010)河南理工大学创新团队计划资助项目(T2022-1)
论文发表日期：2025-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 96-108 )
英文信息