隨著新一輪深部資源開發和“智慧礦山”建設的持續推進，井下地質信息的數字化、智能化獲取已成為提升礦山安全與生產效率的關鍵環節。其中，巖體節理作為控制巷道圍巖穩定性和工程災害風險的重要結構面，其產狀信息長期依賴人工編錄，存在效率低、主觀性強、難以規模化等問題。針對井下復雜光照和多噪聲環境下小尺度節理難以精確識別的技術瓶頸，東北大學金長宇團隊聯合礦山企業，開展了基于深度學習的巖體節理智能識別系統研究，提出了基于RC-FCN模型的巖體節理識別方法，為智慧礦山地質信息自動化編錄提供了新的技術路徑。

模型設計及技術路線

依托內蒙古某有色金屬礦山705m中段巷道工程現場，研究團隊以井下掌子面節理圖像為主要研究對象，構建了覆蓋不同走向、不同光照條件和多種圍巖類型的節理圖像數據集。通過現場攝影、圖像裁剪與配準、對比度增強以及伽馬校正等預處理手段，顯著提升了節理邊緣與背景之間的灰度對比度，為后續深度學習模型的訓練提供了高質量樣本基礎。在此基礎上，結合人工精細標注結果，構建了包含訓練集與測試集的井下節理語義分割數據集，實現了從“工程現場”到“可用于模型學習的數據樣本”的完整轉化。

Fig. 1 數據集清晰化處理

為解決傳統人工編錄與淺層圖像算法難以兼顧“復雜背景抑制”與“細長節理保真”的問題，團隊提出了殘差注意力全卷積網絡（RC-FCN）模型。該模型以VGG16作為編碼器骨干網絡，引入ResNet殘差塊以增強深層特征表達能力，通過跨層特征復用改善梯度傳播效率，使模型能夠更好地捕捉巖體節理的多尺度、層次化結構特征；同時嵌入通道—空間雙維度注意力模塊（CBAM），對節理邊緣響應進行動態加權，抑制水漬、粉塵、支護構件等非目標區域的干擾，實現對關鍵節理區域的“聚焦式”識別。

Fig. 2 RC-FCN模型示意

工程應用價值與發展展望

在此基礎上，研究團隊將RC-FCN節理識別系統嵌入礦山地質信息處理流程中，形成了“井下采集—圖像預處理—深度學習分割—節理參數自動計算—成果可視化展示”的一體化智能編錄方案。應用結果表明，該系統能夠顯著降低現場人工編錄工作量，提高節理信息獲取效率與客觀性；節理產狀數據可直接服務于巷道圍巖穩定性分析、支護參數優化及三維地質建模，為構建礦山數字孿生體提供關鍵基礎數據。

總體來看，基于RC-FCN模型的巖體節理識別系統，有效突破了井下復雜環境下小尺度節理易丟失、人工編錄效率低且主觀性強等瓶頸，實現了從“經驗型編錄”向“數據驅動的智能識別”的轉變。未來，團隊將進一步面向強粉塵、強反光等極端工況場景，結合光照校正、對抗去噪與多模態數據融合等技術，持續提升模型在復雜工況下的穩定性與工程適用性，為深部礦山安全、高效、智能開采提供更加堅實的技術支撐。

金長宇

東北大學

教授

1979年生，博士，教授，畢業于大連理工大學，現為遼寧力學學會秘書長，曾獲得2009年度浙江省新世紀151人才工程第三層次培養人員資金資助。主要從事巖石力學與數值模擬方法研究，室內大型相似材料試驗與巖土工程現場測試及遠程監測、巖石力學本構模型研發與巖土工程安全性評價分析等研究工作。近年來主持、參與國家自然科學基金等縱向課題6項，負責、參與各類橫向課題20余項，累計科研進款千余萬元，獲得中國黃金協會科學技術一等獎2項，發表論文30余篇，其中被SCI收錄10余篇，EI收錄10余篇，獲得國家發明專利5項。

《金屬礦山》簡介

《金屬礦山》由中鋼集團馬鞍山礦山研究總院股份有限公司和中國金屬學會主辦，主編為中國工程院王運敏院士，現為北大中文核心期刊、中國科技論文統計源期刊（中國科技核心期刊）、中國精品科技期刊（F5000頂尖學術論文來源期刊）、中國百強報刊、RCCSE中國核心學術期刊（A）、中國期刊方陣雙百期刊、國家百種重點期刊、華東地區優秀期刊，被美國化學文摘（CA）、美國劍橋科學文摘（CSA）、波蘭哥白尼索引（IC）、日本科學技術振興機構數據庫（JST）等世界著名數據庫收錄。主要刊登金屬礦山采礦、礦物加工、機電與自動化、安全環保、礦山測量、地質勘探等領域具有重大學術價值或工程推廣價值的研究成果，優先報道受到國家重大科研項目資助的高水平研究成果。根據科技部中國科技信息研究所發布的《2024中國科技期刊引證報告（核心版）》，《金屬礦山》核心總被引頻次位列26種礦業工程技術學科核心期刊第1位；根據中國知網發布的《中國學術期刊影響因子年報》（2024版），《金屬礦山》學科影響力位居73種礦業期刊第9位。

供稿：曾文旭

編排：余思晨

審核：王小兵

利用提供參考依據。

供稿：曾文旭

編排：余思晨

審核：王小兵

聲明：本文系轉載自互聯網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。