基于电子格栅的地质岩芯图像RQD智能识别方法及系统与流程

本发明属于地质勘探，具体涉及一种地质岩芯图像rqd识别方法以及识别系统。

背景技术：

1、岩石质量指标rqd是评价岩体质量等级的一种重要方法。

2、传统的岩芯识别与编录方法存在以下问题：

3、一是工作效率低。因为需要人工标注岩芯的长度和断裂情况，这个过程耗时耗力，而且容易出现误差。

4、二是精准度低。现有的岩芯rqd识别方法都是针对某一类型岩芯尺寸建立训练集，而且是基于人工标注的训练集，而训练集本身就可能存在偏差，导致识别精度低下。

5、三是不具有普适性。由于地质钻探岩芯的尺寸和岩芯盒的尺寸不统一，导致所构建的岩芯rqd识别方法不具有普适性，只能适用于某一尺寸的岩芯。

6、因此，如何提高岩芯rqd识别的效率和精准度，扩宽适用范围，是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明提出了一种基于电子格栅的地质岩芯图像rqd智能识别方法及系统，其目的是：提高地质岩芯图像rqd识别的效率、精准度和普适性。

2、本发明技术方案如下：

3、一种基于电子格栅的地质岩芯图像rqd智能识别方法，包括以下步骤：

4、s1.采集岩芯图像，使用电子格栅自动标注岩芯盒和岩芯，建立地质岩芯图像数据集；

5、s2.对地质岩芯图像数据集使用inception-v3预训练模型进行特征提取后，结合使用softmax函数进行岩芯和岩芯盒识别，并进行深度模型训练获得inception-v3岩芯识别模型；

6、s3.将待识别地质岩芯图像输入至训练后的inception-v3岩芯识别模型，输出的识别结果包括识别后的岩芯与岩芯盒的像素尺寸和坐标信息，然后计算岩芯实际尺寸；

7、s4.根据inception-v3岩芯识别模型的识别结果计算岩石质量指标rqd并对岩芯进行编录。

8、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进，步骤s1具体包括：

9、s11.依据岩芯盒尺寸构建电子格栅坐标系；

10、s12.利用电子格栅坐标系分别获得地质岩芯图像中岩芯盒与岩芯的坐标与长度；

11、s13.自动标注地质岩芯图像中的岩芯盒和岩芯，建立地质岩芯图像数据集。

12、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进：步骤s1中建立的地质岩芯图像数据集的标签对象包括岩芯对象和岩芯盒对象，将岩芯盒对象设置为标尺，然后计算像素尺寸与真实尺寸的比例，并将岩芯盒的实际长度与行格数存储为固定值。

13、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进，步骤s4具体包括：

14、s41.获取用户输入的rqd阈值，根据存储的岩芯盒的实际长度和行格数计算出进尺长度；

15、s42.分别计算每个回次的岩石质量指标rqd；

16、s43.将岩芯盒图片中识别得到的岩芯盒对象和岩芯对象的像素大小与坐标信息、计算得到的所有岩芯的实际大小以及每个回次的岩石质量指标rqd进行关联并存入数据库。

17、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进，岩石质量指标rqd的具体计算方式为：

18、对于第n个回次的岩石质量指标rqdn，计算公式为：

19、

20、其中，l为岩芯盒的长度，mn为第n个回次岩芯盒的行格数，为第n个回次中岩芯长度超过rqd阈值的岩芯长度之和，lni为第n个回次中第i个岩芯的长度，n∈{1,2,…,n}，n为回次总数，i∈{1,2,…,kn}，kn为第n个回次中的岩芯总数，in为第n个回次中达到rqd阈值的岩芯集合，

21、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进，步骤s2具体包括：

22、s21.使用inception-v3预训练模型提取岩芯图像的高维特征；

23、s22.冻结inception-v3模型中的所有全连接层，使用地质岩芯图像数据集进行模型训练，将模型中的卷积层、池化层和inception层提取到的地质岩芯图像特征以向量的形式保存在缓存文件中，用于后续分类；

24、s23.将缓存文件中地质岩芯图像特征和预训练模型提取岩芯图像的高维特征融合，输入softmax分类函数，输出识别的岩芯与岩芯盒像素长度和坐标信息；

25、s24.根据岩芯盒像素尺寸与实际尺寸的比例计算出所有识别出的岩芯实际尺寸。

26、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进，步骤s3中还包括对识别错误的岩芯盒图片的处理和校正，具体方式为：

27、在识别结果队列中检测存在识别错误的图片，将识别错误的图片对应的识别结果清除，然后将该图片中多余的背景进行裁剪后重新加入到识别队列进行识别校正，若重新处理后的图片仍识别错误则认为该图片拍摄有误，进入待删除队列等待处理；

28、出现以下任意一个情况的图片即判定为识别错误的图片：未识别出岩芯标签或岩芯盒标签的图片，识别出的岩芯盒对象的长度小于任一岩芯对象的长度，识别出的任一岩芯对象的坐标信息不在岩芯盒对象的范围内，识别出的所有岩芯对象宽度的最大值大于最小值的2倍。

29、作为所述基于电子格栅的地质岩芯图像rqd智能识别方法的进一步改进，步骤s3中还包括：将识别结果队列中的岩芯盒图片、岩芯盒行格数以及岩芯对象和岩芯盒对象的像素大小和坐标信息保存在新的数据集中，并定期使用新的数据集进一步训练模型。

30、本发明还提出一种基于电子格栅的地质岩芯图像rqd智能识别系统，该系统基于上述地质岩芯图像rqd智能识别方法，系统包括：岩芯图像采集模块、电子格栅标注模块、模型训练模块、岩芯识别模块和数据编录模块；

31、所述岩芯图像采集模块，用于采集岩芯图像和待识别地质岩芯图像；

32、所述电子格栅标注模块，用于对采集岩芯图像使用电子格栅自动标注岩芯盒和岩芯，建立地质岩芯图像数据集；

33、所述模型训练模块，用于对地质岩芯图像数据集通过inception-v3预训练模型进行特征提取后，结合使用softmax函数进行岩芯和岩芯盒识别，并进行深度模型训练获得inception-v3岩芯识别模型；

34、所述岩芯识别模块，用于将待识别地质岩芯图像输入训练后的inception-v3岩芯识别模型，输出的识别结果包括岩芯与岩芯盒的像素尺寸和坐标信息，并计算岩芯实际尺寸；

35、所述数据编录模块，用于根据识别结果计算岩石质量指标rqd并对岩芯进行编录。

36、作为所述基于电子格栅的地质岩芯图像rqd智能识别系统的进一步改进：还包括处理校正模块，用于对岩芯识别模块的识别结果队列中检测存在识别错误的图片，将识别错误的图片对应的识别结果清除，然后将该图片中多余的背景进行裁剪后重新加入到识别队列进行识别校正，若重新处理后的图片仍识别错误则认为该图片拍摄有误，进入待删除队列等待处理。

37、相对于现有技术，本发明具有以下积极效果：

38、1、本发明通过构建电子格栅坐标系分别获得地质岩芯图像中岩芯盒与岩芯的坐标与长度，然后自动标注岩芯盒和岩芯并建立地质岩芯图像数据集，相对于人工标注方法，使用电子格栅进行自动标注的方法省时省力并且标注范围更加精确，同时也可以方便的对不同类型和尺寸的岩芯进行处理，提高普适性。

39、2、本发明基于inception-v3迁移学习神经网络构建并使用训练后的岩芯识别模型对岩芯盒内岩芯进行识别，还基于rqd阈值与进尺长度计算出每个回次的岩石质量指标，将识别信息与rqd结果分别存储并且编录，提高了岩芯识别与编录的效率，降低了识别成本。

40、3、本发明可以对识别结果队列中的图片进行检测，将识别错误的图片对应的识别结果清除，并对错误的图再处理后重新识别，从而减少识别错误的发生，提高岩芯识别的可靠性。