金属矿山

作者：毛新洋金长宇东龙宾柳爱新

单位：1. 东北大学资源与土木工程学院,辽宁沈阳110819;2. 中冶北方(大连)工程技术有限公司,辽宁大连116600;3. 赤峰山金红岭有色矿业有限责任公司,内蒙古赤峰025463

关键词：节理识别, 深度学习, 语义分割, 智慧矿山 ,

基金：中央高校基本科研业务费项目(编号:N2101041);辽宁省科学技术计划项目(编号:2023JH1 / 10400004)。

针对传统人工节理编录方法效率低、主观性强等问题,提出基于深度学习的残差注意力全卷积网络(RC-FCN)模型。 通过融合全卷积网络的多尺度特征提取能力、残差模块的梯度优化特性以及通道—空间双维度注意力机制,构建了具有跨层特征复用和动态权重分配功能的协同优化架构。 该模型在 VGG16 编码器基础上引入 ResNet残差块增强深层特征表达能力,结合 CBAM 注意力模块实现节理边缘特征的精准聚焦,有效解决了井下复杂场景下小尺度节理分割模糊和背景干扰问题。 试验结果表明,RC-FCN 模型在井下节理图像测试集上取得 92. 5%的综合识别准确率,较传统 U-Net 模型提升 7%。 基于分割结果构建的产状参数解析算法,实现了“图像分割—特征提取—产状计算”的智能编录流程。 通过倾角误差敏感性分析验证了模型对节理几何形态的鲁棒表征能力,为智慧矿山建设提供了高效的技术解决方案。

来源：2025年第8期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第8期