首页> 中文期刊> 《技术与市场》 >基于迁移学习的岩体结构属性特征识别研究

基于迁移学习的岩体结构属性特征识别研究

         

摘要

传统的岩体结构属性特征识别与分类方法存在一定的条件性制约.针对水利水电工程堆石坝爆破施工前岩体结构属性特征识别与分类问题,基于深度卷积神经网络模型,构建了分析岩体立面图像结构属性深度学习迁移模型,实现了岩体结构属性的特征识别与分类.通过爆破前岩体立面图像样本,结合施工现场地质情况,选取"玢岩条带含量"及"节理与裂隙发育程度"2个考量指标,将岩体立面结构属性分为4类,训练、构建并验证了基于GoogLeNet-v3及VGGNet-16模型的迁移学习模型.通过对比分析,GoogLeNet-v3模型在计算速度、资源耗用、验证准确度方面更具有优越性,更适合应用于句容爆破施工前岩体立面属性分析过程,为形成岩体立面属性评价指标提供科学有效的参考.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号