东北大学金长宇：基于RC-FCN模型的岩体节理识别系统的研究

随着新一轮深部资源开发和“智慧矿山”建设的持续推进，井下地质信息的数字化、智能化获取已成为提升矿山安全与生产效率的关键环节。其中，岩体节理作为控制巷道围岩稳定性和工程灾害风险的重要结构面，其产状信息长期依赖人工编录，存在效率低、主观性强、难以规模化等问题。针对井下复杂光照和多噪声环境下小尺度节理难以精确识别的技术瓶颈，东北大学金长宇团队联合矿山企业，开展了基于深度学习的岩体节理智能识别系统研究，提出了基于RC-FCN模型的岩体节理识别方法，为智慧矿山地质信息自动化编录提供了新的技术路径。

模型设计及技术路线

依托内蒙古某有色金属矿山705m中段巷道工程现场，研究团队以井下掌子面节理图像为主要研究对象，构建了覆盖不同走向、不同光照条件和多种围岩类型的节理图像数据集。通过现场摄影、图像裁剪与配准、对比度增强以及伽马校正等预处理手段，显著提升了节理边缘与背景之间的灰度对比度，为后续深度学习模型的训练提供了高质量样本基础。在此基础上，结合人工精细标注结果，构建了包含训练集与测试集的井下节理语义分割数据集，实现了从“工程现场”到“可用于模型学习的数据样本”的完整转化。

Fig. 1 数据集清晰化处理

为解决传统人工编录与浅层图像算法难以兼顾“复杂背景抑制”与“细长节理保真”的问题，团队提出了残差注意力全卷积网络（RC-FCN）模型。该模型以VGG16作为编码器骨干网络，引入ResNet残差块以增强深层特征表达能力，通过跨层特征复用改善梯度传播效率，使模型能够更好地捕捉岩体节理的多尺度、层次化结构特征；同时嵌入通道—空间双维度注意力模块（CBAM），对节理边缘响应进行动态加权，抑制水渍、粉尘、支护构件等非目标区域的干扰，实现对关键节理区域的“聚焦式”识别。

Fig. 2 RC-FCN模型示意

工程应用价值与发展展望

在此基础上，研究团队将RC-FCN节理识别系统嵌入矿山地质信息处理流程中，形成了“井下采集—图像预处理—深度学习分割—节理参数自动计算—成果可视化展示”的一体化智能编录方案。应用结果表明，该系统能够显著降低现场人工编录工作量，提高节理信息获取效率与客观性；节理产状数据可直接服务于巷道围岩稳定性分析、支护参数优化及三维地质建模，为构建矿山数字孪生体提供关键基础数据。

总体来看，基于RC-FCN模型的岩体节理识别系统，有效突破了井下复杂环境下小尺度节理易丢失、人工编录效率低且主观性强等瓶颈，实现了从“经验型编录”向“数据驱动的智能识别”的转变。未来，团队将进一步面向强粉尘、强反光等极端工况场景，结合光照校正、对抗去噪与多模态数据融合等技术，持续提升模型在复杂工况下的稳定性与工程适用性，为深部矿山安全、高效、智能开采提供更加坚实的技术支撑。

金长宇

东北大学

教授

1979年生，博士，教授，毕业于大连理工大学，现为辽宁力学学会秘书长，曾获得2009年度浙江省新世纪151人才工程第三层次培养人员资金资助。主要从事岩石力学与数值模拟方法研究，室内大型相似材料试验与岩土工程现场测试及远程监测、岩石力学本构模型研发与岩土工程安全性评价分析等研究工作。近年来主持、参与国家自然科学基金等纵向课题6项，负责、参与各类横向课题20余项，累计科研进款千余万元，获得中国黄金协会科学技术一等奖2项，发表论文30余篇，其中被SCI收录10余篇，EI收录10余篇，获得国家发明专利5项。

《金属矿山》简介

《金属矿山》由中钢集团马鞍山矿山研究总院股份有限公司和中国金属学会主办，主编为中国工程院王运敏院士，现为北大中文核心期刊、中国科技论文统计源期刊（中国科技核心期刊）、中国精品科技期刊（F5000顶尖学术论文来源期刊）、中国百强报刊、RCCSE中国核心学术期刊（A）、中国期刊方阵双百期刊、国家百种重点期刊、华东地区优秀期刊，被美国化学文摘（CA）、美国剑桥科学文摘（CSA）、波兰哥白尼索引（IC）、日本科学技术振兴机构数据库（JST）等世界著名数据库收录。主要刊登金属矿山采矿、矿物加工、机电与自动化、安全环保、矿山测量、地质勘探等领域具有重大学术价值或工程推广价值的研究成果，优先报道受到国家重大科研项目资助的高水平研究成果。根据科技部中国科技信息研究所发布的《2024中国科技期刊引证报告（核心版）》，《金属矿山》核心总被引频次位列26种矿业工程技术学科核心期刊第1位；根据中国知网发布的《中国学术期刊影响因子年报》（2024版），《金属矿山》学科影响力位居73种矿业期刊第9位。

供稿：曾文旭

编排：余思晨

审核：王小兵

利用提供参考依据。

供稿：曾文旭

编排：余思晨

审核：王小兵

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。