典型文献
基于DIC和YOLO算法的复杂裂隙岩石破坏过程动态裂隙早期智能识别
文献摘要：
为了定量研究复杂裂隙岩石变形破坏规律和裂隙扩展特征,利用裂隙网络模型3D打印技术制作了含20条随机节理的类岩石试件,利用数字图像相关方法(DIC)研究了试件破坏过程中应变场演化过程,并分析了每一条裂隙的扩展过程,探讨了动态裂隙对试件整体强度的影响.在此基础上,基于YOLOv5深度学习网络模型,结合DIC云图,提出了 一种智能精准识别动态裂隙的算法.研究表明:含复杂裂隙试件破坏过程中往往伴随多条裂隙同时扩展和贯通,试件整体强度与动态裂隙扩展具有重要关系,统计动态裂隙的扩展情况可以半定量地判定试件整体稳定性.在每条原生裂隙起裂前,总是首先出现应变集中区域,并且应变集中区域具有前兆性,预示着新裂纹的萌生.原生裂隙的动态演化基本可以分为原生裂隙、应变集中区、新生裂纹和交叉裂隙4种类型,其中,新生裂纹和交叉裂隙对试件整体强度影响最大.提出的智能精准识别动态裂隙算法的精确率、召回率和平均精度均值(PmA)都在80％以上,且PmA最高达到了 91％,GIoU损失参数迭代训练后达到0.01,4种类型裂隙相对应的F1分别为83％,89％,87％和85％,4种类型裂隙的总体识别精度可达86％.说明该方法在复杂裂隙岩体裂纹识别、定位分类是快速精确有效的.试件在受载时,智能识别算法重点识别并统计新生裂纹和交叉裂隙数量,当新生裂隙和交叉裂隙数量较多时,试件即将破坏,可提前进行预警.
文献关键词：
裂隙岩体;数字图像相关技术;目标检测;YOLOv5;裂纹分类识别
中图分类号：
作者姓名：
张庆贺;陈晨;袁亮;张通;方致远;李翎;蒋博文
作者机构：
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南232001;合肥综合性国家科学中心能源研究院,安徽合肥230031;安徽理工大学土木建筑学院,安徽淮南 232001;安徽理工大学计算机科学与工程学院,安徽淮南 232001
文献出处：
引用格式：
[1]张庆贺;陈晨;袁亮;张通;方致远;李翎;蒋博文-.基于DIC和YOLO算法的复杂裂隙岩石破坏过程动态裂隙早期智能识别)[J].煤炭学报,2022(03):1208-1219
A类：
PmA,裂纹分类,裂纹分类识别
B类：
DIC,裂隙岩石,岩石破坏,破坏过程,早期智能,智能识别,定量研究,变形破坏,破坏规律,裂隙扩展,扩展特征,裂隙网络,打印技术,技术制作,节理,类岩石试件,数字图像相关方法,应变场演化,整体强度,YOLOv5,深度学习网络,云图,精准识别,别动,多条,重要关系,半定量,整体稳定性,原生裂隙,应变集中,集中区,前兆,预示,萌生,动态演化,强度影响,精确率,召回率,平均精度均值,GIoU,参数迭代,迭代训练,识别精度,裂隙岩体,裂纹识别,定位分类,确有,识别算法,数字图像相关技术,目标检测
AB值：
0.364465
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
