張國華團隊在《安全與環(huán)境工程》發(fā)表巖芯 RQD 自動生成算法研究論文

　　中國地質(zhì)大學(武漢)工程學院、百咖(上海)管理咨詢有限公司、湖北省交通規(guī)劃設(shè)計院股份有限公司數(shù)字化管理部、中鐵第四勘察設(shè)計院集團有限公司數(shù)智化事業(yè)部及湖北省電力規(guī)劃設(shè)計研究院有限公司的張國華、姜晉云、呂國磊、胡俊杰、熊峰、廖一凡、鄭洪、李漪等學者，于《安全與環(huán)境工程》2025 年第 01 期發(fā)表了題為《基于目標檢測和圖像分割的巖芯 RQD 自動生成算法》的研究論文。

　　研究背景與目的

　　巖石質(zhì)量指標(RQD)是地礦工程中巖體質(zhì)量評估的關(guān)鍵參數(shù)，傳統(tǒng)手動測量巖芯片段長度并計算 RQD 的方式存在耗時費力的局限。隨著計算機視覺技術(shù)發(fā)展，研究提出基于目標檢測與圖像分割的自動化算法，旨在實現(xiàn) RQD 的高效精準計算，為巖體工程質(zhì)量分類提供技術(shù)支撐。

　　研究方法與技術(shù)路徑

　　巖芯檢測模型：基于顏色與紋理特征相似性，采用光譜角映射(SAM)模型對巖芯圖像進行目標檢測，識別巖芯區(qū)域。

　　片段分割算法：利用 YOLOv8 深度學習模型訓練分割模型，通過提取巖芯片段的縫隙特征，實現(xiàn)不同巖芯片段的精準分割。

　　案例驗證：選取宜涪鐵路五峰段 10 段巖芯樣本，對比自動化算法與傳統(tǒng)手動測量的 RQD 結(jié)果，評估算法準確率與效率。

　　核心研究結(jié)果

　　精度驗證：算法獲取的 RQD 與手動測量結(jié)果相當，平均相對誤差≤5%，滿足工程應用精度要求。

　　效率提升：相比傳統(tǒng)手動測量，算法節(jié)約超過 60% 的時間成本，顯著提高 RQD 計算效率。

　　技術(shù)優(yōu)勢：通過 SAM 模型與 YOLOv8 的結(jié)合，有效解決了巖芯圖像中復雜紋理與縫隙特征的識別難題，實現(xiàn)了巖芯片段的自動化分割與長度測量。

　　研究結(jié)論與應用價值

　　該研究提出的自動化算法為巖芯 RQD 的快速評估提供了新方法，可廣泛應用于地質(zhì)勘察、隧道工程等領(lǐng)域的巖體質(zhì)量評價，推動地礦工程檢測的數(shù)字化與智能化發(fā)展。研究結(jié)果表明，計算機視覺技術(shù)在地質(zhì)工程參數(shù)自動提取中具有顯著優(yōu)勢，有望替代傳統(tǒng)人工測量模式。

　　目前該論文網(wǎng)刊閱讀次數(shù) 23 次，下載次數(shù) 503 次，CNKI 下載次數(shù) 487 次，引用次數(shù) 0 次，頁碼范圍 100-106。研究受國家重點研發(fā)計劃項目(2021YFB2600402)及國家自然科學基金項目(52209148)資助。