一种基于图像识别的钻孔岩芯数字化编录方法

技术领域

本发明涉及地质勘察技术领域，具体为一种基于图像识别的钻孔岩芯数字化编录方法。

背景技术

钻孔岩芯编录是对从钻孔中获取的岩芯进行系统记录和描述的过程。钻孔岩芯编录一般包括以下几个步骤：1.准备工作：确定编录所需的工具和材料，例如编录表格、岩芯箱、测量工具、标尺、放大镜等。2.岩芯处理：将取出的岩芯按照钻孔深度顺序进行编号，并进行初步的处理。这包括清除泥土、水洗岩芯表面以去除钻进液、标记岩芯每回次的起始和终止位置等。3.岩芯拍照：使用相机对每箱岩芯进行拍照记录，以及对特定部分或特征进行特写。4.编录测量：使用测量工具，例如刻度尺或数字测量仪，测量岩芯的长度和直径等数据。记录每个岩芯段的测量结果。5.观察和描述：使用放大镜观察岩芯的细节，并进行描述。这包括岩石的颜色、结构、纹理、含矿物等特征。同时，记录任何特殊的结构、断裂、节理或岩芯的变化。6.取样：根据需要及取样目的，选择合适的位置进行取样，并记录采样的详细信息。7.编录表格填写：将测量结果、观察和描述的信息填写到编录表格中。表格中通常包含钻孔深度、回次进尺、直径、采取率、获得率、RQD、观察和描述的字段。8.编录数据整理：整理和汇总所有编录数据并电子化，以便后续分析和应用。

现有技术目前存在以下几个方面的问题：1.目前钻孔编录主要依赖于人工操作，手动纸质记录。首先相关记录信息后期需要整理和存档，不便于检索，容易造成信息管理混乱，存在数据丢失的风险。其次纸质记录容易受到人为因素的影响，包括人为错误、模糊不清的手写和可读性问题，导致数据的准确性和可靠性受到威胁。最后纸质记录的传递和共享需要依赖物理介质，导致协作困难、沟通滞后和工作效率低下。2.目前采用的岩芯编录方法需要大量的人工操作和机械重复，导致现场量测工作量庞大，效率低下；其次使用钢卷尺或皮尺进行逐回次测量的方式导致测量精度较低，容易受到测量工具本身精度和人为主观因素的影响。这种方法无法提供准确反映岩石质量的数据，无法满足对工程岩石性质的精确评估需求。现有技术CN113806681A、CN112241711A、CN114387328A等多借助图像识别等手段对编录过程中RQD进行自动化处理，而忽视了钻孔编录是综合多个流程步骤的系统性工程，没有将RQD之外的其他步骤和相关数据进行整合统一。

现有技术CN202210682472.4公开了一种钻探岩芯RQD自动编录方法、系统、装置，是关于RQD的方法、系统和装置，上述专利依靠单一的RQD图像识别与数据处理，无法通过多平台协同实现了全过程的数字化编录；上述专利仅统计岩芯长度在10cm(含10cm)的岩芯，存在一定不足；此外现有技术关于图像识别中RQD等数据的测量依据以及计算方法并没有严格遵循国际岩石力学学会(ISRM)以及实验室与现场测试标准化委员会所推荐的方法，进而导致岩体的质量被过分低估。

发明内容

鉴于现有技术中所存在的问题，本发明公开了一种基于图像识别的钻孔岩芯数字化编录方法，囊括岩芯编录的各个环节，综合利用移动端、桌面端和云端技术，通过多平台协同，实现钻孔岩芯编录的全面协作和高效完成。首先利用手机端的便捷性和移动性，地质工程师能够通过移动设备进行岩芯图像采集，完成部分编录任务；其次借助电脑端提供的更大的屏幕空间完成更复杂的任务处理和数据预处理；最后通过云端训练的图像识别模型以及更强大的计算能力完成所有回次岩芯关系的数据分析处理，同时可以作为数据存储和共享的中心，保证数据的安全性和可访问性。

采用的技术方案是，包括以下步骤：

步骤1，在勘探施工现场采用手机端对钻孔岩芯的各项数据信息进行编录；

步骤2，将手机端所采集的各项数据导入至电脑端，并对导入的各项数据信息进行初步处理，并采用云端的图像识别算法生成相应的岩芯关系图表；

步骤3，在云端对深度学习的图像识别算法进行训练；依据不同的形状轮廓及其组合关系，按照相应的公式计算每个回次的岩芯关系数据，并将岩芯图像识别成果与岩芯关系数据输出至电脑端，本发明提高了信息管理和存储优化：通过电子终端设备和云端数据库管理系统，将编录数据数字化、电子化，实现了数据的集中存储、分类、检索和备份，提高了信息管理的效率和可靠性。

作为本发明的一种优选技术方案，所述步骤1还包括以下步骤：

步骤1.1，使用水对岩芯表面进行清理；

步骤1.2，在每回次终止孔深处插入具有标识作用的岩芯牌；

步骤1.3，录入岩芯的项目信息；

步骤1.4，对岩芯的钻孔信息录入；

步骤1.5，对岩芯拍照，并对照片进行初步处理；

步骤1.6，按物质组成及风化程度对岩芯进行分段描述；

步骤1.7，对岩芯每段的裂隙发育情况进行记录；

步骤1.8，选择有代表性的岩土进行取样；

步骤1.9，将编录的信息以压缩包的形式导出至电脑端。

作为本发明的一种优选技术方案，所述步骤2还包括以下步骤：

步骤2.1，对岩芯照片进行二次处理；

步骤2.2，对二次处理后的岩芯照片添加标题，并在顶部生成标题栏；

步骤2.3，导入钻孔的回次信息；

步骤2.4，调用云端训练的识别算法对当前钻孔进行岩芯识别处理；

步骤2.5，对识别错误的信息进行人工辅助纠错；

步骤2.6，生成相应的岩芯关系图表数据，并对数据储存与备份。

作为本发明的一种优选技术方案，所述步骤3还包括以下步骤：

步骤3.1，在云端针对岩芯牌进行识别训练，确保岩芯牌能够被准确识别，再通过OCR文字识别岩芯牌上的文字信息，确保信息无误；

步骤3.2，在云端针对岩芯箱进行识别训练，确保岩芯箱与岩芯能够精准分割识别，再根据岩芯箱的长宽尺寸建立平面坐标网，为岩芯长度识别奠定基础；步骤3.3，在云端针对不同形态轮廓的岩芯进行识别训练，再将算法识别出来的轮廓准确划分，采用不同的公式计算每回次的采取率、获得率和RQD。步骤3.4，将岩芯识别成果与计算所得每回次的岩芯关系表输出至电脑端，按每块岩芯的类别进行轮廓标色，并在岩芯轮廓内标注信息。

作为本发明的一种优选技术方案，所述步骤3.3中包括类矩形轮廓、类三角形轮廓、分体形轮廓、不规则形轮廓，

所述类矩形轮廓的数学计算表达式为：

采取率＝Ln/Lm

获得率＝Ln/Lm

类三角形轮廓的数学计算表达式为：

采取率＝(Ln1+Ln2)/Lm

获得率＝(Ln1+Ln2)/Lm

分体形轮廓的数学计算表达式为：

采取率＝(Ln1+Ln2)/(2*Lm)

获得率＝(Ln1+Ln2)/(2*Lm)

不规则形轮廓的数学计算表达式为：

采取率＝(Ln*a)/Lm

获得率＝0

RQD＝0

m表示回次编号；Lm表示第m回次钻进长度；Ln、Ln

本发明的有益效果：本发明提高了信息管理和存储优化：通过电子终端设备和云端数据库管理系统，将编录数据数字化、电子化，实现了数据的集中存储、分类、检索和备份，提高了信息管理的效率和可靠性。

进一步的，本发明使数据质量和准确性提升：数字化记录消除了手写和可读性问题，减少了人为错误的发生，保证了数据的准确性和可靠性。

进一步的，本发明使数据共享和协作便捷：数字化记录可通过网络和云平台实现即时的数据共享和协作，促进了团队成员之间的实时交流、合作和决策，提高了工作效率和团队协作能力。

进一步的，本发明能够降本增效：解决了现场人工机械测量岩芯长度的问题，通过岩芯图像识别技术，对岩芯长度自动识别处理,实现了岩芯关系相关数据的自动化计算,提高工作效率,减少人力成本。

进一步的，本发明能够实现精细化识别计算：通过岩芯轮廓识别，对各种类型的岩芯进行细分，针对不同的情况采用不同的公式计算岩芯各项数据，提升了数据的精准度，为岩体完整性评价、坝基岩体工程地质分类、隧洞围岩类别划分和边坡岩体结构分类提供了准确依据。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本发明手机端钻孔编录各个模块示意图一；

图2为本发明手机端钻孔编录各个模块示意图二；

图3为本发明手机端钻孔编录各个模块示意图三；

图4为本发明手机端钻孔编录各个模块示意图四；

图5为本发明手机端钻孔编录各个模块示意图五；

图6为本发明手机端钻孔编录各个模块示意图六；

图7为本发明电脑端钻孔编录操作界面与识别成果图一；

图8为本发明电脑端钻孔编录操作界面与识别成果图二；

图9为本发明岩芯牌及其识别效果图一；

图10为本发明岩芯牌及其识别效果图二；

图11为本发明岩芯轮廓图像识别情况图一；

图12为本发明岩芯轮廓图像识别情况图二；

图13为本发明岩芯轮廓图像识别情况图三；

图14为本发明岩芯轮廓图像识别情况图四；

图15为本发明岩芯轮廓图像识别情况图五；

图16为本发明岩芯轮廓图像识别情况图六；

图17为本发明岩芯轮廓图像识别情况图七；

图18为本发明岩芯轮廓图像识别情况图八；

图19为本发明岩芯轮廓图像识别情况图九；

图20为本发明岩芯轮廓图像识别情况图十；

图21为本发明岩芯轮廓图像识别情况图十一；

图22为本发明岩芯轮廓图像识别情况图十二；

图23为本发明岩芯轮廓图像识别情况图十三；

图24为本发明流程示意图。

具体实施方式

实施例1

如图1至图24所示，本发明公开了一种基于图像识别的钻孔岩芯数字化编录方法，采用的技术方案是，包括以下步骤：

步骤1，在勘探施工现场采用手机端对钻孔岩芯进行编录，包括工程项目、勘探钻孔等信息的录入、岩芯拍照、岩芯描述、裂隙描述与取样信息等，各个模块的操作界面与钻孔编录相关信息具体见附图1至图6。现场编录工作完成后将手机端所采集的各项数据导出至电脑端。

步骤2，在电脑端导入采集的相关数据，首先对部分钻孔照片进行旋转、校正，保证每箱岩芯照片为俯视垂直拍摄影像，将项目名称、勘察阶段、钻孔名称、孔深区间与岩芯箱编号等信息编辑成图片标题生成带标题的图片。其次调用云端的图像识别算法，识别岩芯的轮廓和长度，最后生成相应的岩芯关系图表。电脑端相应的操作界面与识别成果见附图7、图8。

步骤3，在云端对深度学习的图像识别算法进行训练，包括岩芯牌、岩芯箱以及岩芯轮廓等。根据电脑端上传的岩芯图形数据，识别的岩芯牌划分不同的回次，根据岩芯箱的长、宽等数据信息建立平面坐标网反算单块岩芯的长度与回次进尺信息，对图像识别的岩芯轮廓进行细分并用不同的颜色标识，按物质组成划分岩石与覆盖层，岩石轮廓可进一步细分为类矩形、类平行四边形、类梯形、类三角形以及不规则的碎石。依据不同的形状轮廓及其组合关系按照相应的公式计算每个回次的岩芯关系数据，最后将岩芯图像识别成果与岩芯关系数据输出至电脑端。

步骤1还包括以下步骤：

步骤1.1，清理岩芯：水洗清除岩芯表面的泥土、钻井液等杂质，确保岩芯的干净美观方便拍照。

步骤1.2，插入岩芯牌：在每回次终止孔深处插入特制岩芯牌，岩芯牌上有回次信息和孔深信息方便识别读取，岩芯牌的颜色与一般岩芯作区分方便精准识别。

步骤1.3，项目信息录入：在手机端创建项目，输入项目名称、所数行业、勘察阶段，导入地层岩性对应的EXCEL表格。

步骤1.4，钻孔信息录入：在所属项目内新建钻孔，输入钻孔编号、孔斜、孔向、孔深、钻探单位、编录人及现场校核人等信息。

步骤1.5，岩芯拍照：依次从每个岩芯箱正上方俯拍所有岩芯照片，并对岩芯照片进行初步裁剪、校正。

步骤1.6，岩芯描述：对编录钻孔按物质组成及风化程度进行分段描述，记录每段的层底深度、地层代号、岩性名称、坚硬程度、结构、构造等信息，对特殊不良地质现象如断层、岩溶、软弱夹层、层间剪切带等可以着重细致记录，最后对取芯状态进行总结。

步骤1.7，裂隙描述：对每段的裂隙发育情况进行记录，包括裂隙条数、发育的孔深、裂隙倾角、平直程度、粗糙程度、宽度、充填物特征，并自动计算该段的裂隙密度。

步骤1.8，取样记录：选择有代表性的岩土体进行取样，记录取样的编号、类型、野外定名并拍摄相应的照片。

步骤1.9，数据导出：将编录的所有信息以压缩包的形式导出至电脑端进行相应的操作。

所述步骤2还包括以下步骤：

步骤2.1，校正图片：导入手机端编录数据，并对钻孔岩芯照片进行二次校正，点击“校正图片”后，依次选中图片的四个角点(选中后的点为红色)，四个点选中完成后即可自动裁剪形成新图片。

步骤2.2，添加图片标题：点击右上角的功能按钮“自定义图片标题”，在弹窗中选择标题栏需要显示的文字信息，得到相应的标题内容，并自动在钻孔照片的顶部生成标题栏。

步骤2.3，导入回次信息：点击“导入回次”按钮，选择当前钻孔的回次信息文件并导入。

步骤2.4，图像识别：点击“识别”按钮后，可调用云端训练的识别算法对当前钻孔进行岩芯识别。识别过程中智能识别进度条会随着识别进度的变化而变化，当智能识别进度条为100％时，识别过程结束。

步骤2.5，人工辅助纠错：识别完成后，因照片清晰度原因造成的识别错误可以采取人工辅助纠错，确保信息准确。

步骤2.6，数据存储与备份：生成相应的岩芯关系图表，并将该钻孔的所有电子化数据(带标题的钻孔岩芯照片、岩芯描述、裂隙描述、取样信息等)存放在云端项目文件夹内，方便后期查阅调用。

所述步骤3还包括以下步骤：

步骤3.1，在云端针对特制的岩芯牌进行识别训练，确保岩芯牌在岩芯箱中任意位置与任意摆放方式均能准确识别，并统一标色，以此来确定每个回次的钻进位置，再通过OCR文字识别的岩芯牌文字信息或外部导入的岩芯回次表格确定每回次的孔深与进尺，并与岩芯牌一一对应。岩芯牌及其识别效果见附图9、图10。

步骤3.2，在云端针对岩芯箱进行识别训练，包括各种颜色材质、不同层数的空岩芯箱以及装满各种颜色花纹岩芯的岩芯箱，确保岩芯箱与岩芯能够精准分割识别。再根据岩芯箱的长宽尺寸建立平面坐标网(一般以岩芯箱左下角为原点)，为岩芯长度识别奠定基础。

步骤3.3，在云端针对不同形态轮廓的岩芯进行识别训练，再将算法识别出来的轮廓准确划分为类矩形、类平行四边形、类梯形、类三角形以及不规则的碎石和覆盖层。按照国际岩石力学学会(ISRM)以及实验室与现场测试标准化委员会推荐的方法，单块岩芯的长度应沿着中心线进行测量，而且对于某些条件下能够拼成柱状且大于10公分的岩芯也应计入RQD的统计，而不是国内一般意义上的每次进尺中大于10cm的柱状岩芯才进入RQD的统计。在平面坐标网准确读取各块岩芯轮廓中心线的长度作为岩芯的长度，针对各种实际情况，以下采用不同的公式计算每回次的采取率、获得率和RQD。

情况1：对于类矩形、类梯形、类平行四边形等已经存在部分完整柱状的情况，以及三者之间相互左右拼合的情况，见附图11至图16，采取率、获得率、RQD均按单块岩芯的中心线长度独立进行计算，数学计算公式可以统一表述为：

采取率＝Ln/Lm

获得率＝Ln/Lm

情况2：当类三角形与类三角形、类梯形、类平行四边形等形状拼合形成完整或更完整的柱状，见附图17、图18，应把这两块岩芯当成一个整体，以两者中心线长度的累加值来考虑其采取率、获得率、RQD。数学计算公式可以统一表述为：

采取率＝(Ln1+Ln2)/Lm

获得率＝(Ln1+Ln2)/Lm

情况3：当岩芯被近直立裂隙劈成上下两个部分，见附图19，也应把这两块半柱状岩芯当成一个整体，以两者中心线长度的平均值来考虑其采取率、获得率、RQD。

采取率＝(Ln1+Ln2)/(2*Lm)

获得率＝(Ln1+Ln2)/(2*Lm)

情况4：无法拼成柱状且形状不规则的碎石以及物质成分较杂的覆盖层(如粉质黏土、砂土、碎石土、碎石、砂砾卵石等等)，由于只计入采取率，可以简化成类矩形并考虑长度折减。见附图20至23。

采取率＝(Ln*a)/Lm

获得率＝0

RQD＝0

其中，m表示回次编号；Lm表示第m回次钻进长度；Ln、Ln

步骤3.4，将岩芯识别成果与计算所得每回次的岩芯关系表输出至电脑端，按每块岩芯的类别进行轮廓标色，并在岩芯轮廓内标注回次、块数、长度等信息。

本技术方案中实现图像识别算法的工具有很多种，如CNN、OpenCV、TensorFlow、PyTorch等。

上述虽然对本发明的具体实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化，而不具备创造性劳动的修改或变形仍在本发明的保护范围以内。