基于边缘阈值分割的钻孔图像RQD自动分析方法研究

李清波; 杜朋召

doi:10.11779/CJGE202011022

基于边缘阈值分割的钻孔图像RQD自动分析方法研究 English Version

黄河勘测规划设计研究院有限公司,河南　郑州　450003

基金项目:

国家重点研发计划 2018YFC1508703

详细信息

作者简介:
李清波(1964—),男,教授级高级工程师,主要从事工程地质及水文地质勘察与研究工作。E-mail：liqb_yrec@163.com

中图分类号: TU45
计量
- 文章访问数: 358
- HTML全文浏览量: 32
- PDF下载量: 179
出版历程
- 收稿日期: 2020-06-17
- 网络出版日期: 2022-12-05
- 刊出日期: 2020-10-31

Automatic RQD analysis method based on information recognition of borehole images

Yellow River Engineering Consulting Co., Ltd., Zhengzhou 450003, China

摘要

摘要: RQD是评价岩体完整性的重要指标,传统获取方法受钻进工艺、取芯质量和回次长度影响较大,不能客观反映岩体质量。针对该问题,提出了一种基于边缘阈值分割的钻孔图像RQD自动分析方法。该方法首先对钻孔图像进行预处理和边缘阈值分割,实现图像中结构面和破碎带目标筛分；然后,对筛分出的目标区域进行编码,并进行连通区合并分析,确定影响RQD分析的有效目标；最后,提取有效目标中结构面和破碎带的位置、宽度信息,计算钻孔岩体RQD值。以泾河东庄水利枢纽工程坝址区钻孔为例,进行图像RQD自动分析,结果与钻孔图像、波速测试结果一致性较好,提高了钻孔RQD统计的准确性。该方法丰富了RQD获取途径,为评价岩体完整性提供了一种快速有效的方法。
- 钻孔图像 /
- RQD /
- 边缘信息 /
- 阈值分割 /
- 自动分析
Abstract: RQD is an important index for evaluating the integrity of rock masses. The traditional methods are greatly affected by drilling process, core quality and run length, and cannot objectively reflect the quality of rock masses. To solve this problem, An automatic RQD analysis method based on the edge threshold segmentation of borehole images is proposed. This method first performs preprocessing and edge threshold segmentation on the borehole images to achieve target screening. Then, encode the screened target area is encoded, and the connected areas are merged to determine the effective targets that affect the RQD analysis. Finally, the location and width of the structural plane and fracture zone are extracted, and the RQD of boreholes is calculated. For a case study of the Dongzhuang Dam at Jinghe River, the automatic RQD analysis is performed, and the achieved results are in good agreement with the borehole images and the coefficient of rock mass integrity. The proposed method improves the accuracy of RQD statistics, enriches the acquisition of RQD, and provides a fast and effective method for evaluating the rock mass integrity.
- borehole image /
- RQD /
- edge information /
- threshold segmentation /
- automatic analysis

HTML全文

0. 引言

岩石质量指标RQD是评价岩体完整性的重要参数,也是围岩分级方法Q和RMR中的重要指标,在岩体工程中被各国工程师广泛采用。传统RQD获取方法由Deere^[1]提出,方法要求采用直径为75 mm的金刚石钻头和双层岩芯管在岩石中钻进,连续取芯,回次钻进所取岩芯中,长度大于10 cm的岩芯段长度之和与该回次进尺的比值,以百分数表示。

传统RQD获取方法由于受钻进工艺、取芯质量和回次长度的影响较大,往往不能真实地反应岩体质量^[2]。对此多位学者开展了RQD获取方法的研究,Ozturk等^[3]采用地质统计学领域内的Kriging插值法,对拟建隧道沿线的RQD分布情况进行了很好的预测；王国欣等^[4]、陈剑平等^[5]、徐伟等^[6]在三维裂隙网络的基础上,引入蒙特卡洛模拟来预测RQD的分布,并且对RQD的空间效应、尺寸效应、计算精度等进行了研究；崔小平等^[7]利用三维激光扫面技术,通过野外布置测线,测量计算了边坡岩体的RQD；Kayabsai等^[8]利用不连续参数与非线性预测模型,计算获得了岩体RQD；Azimian^[9]基于破碎岩体和节理方向,提出了RQD的改进计算公式,结果避免了回次长度的影响,更加符合客观岩体质量；胡瀚^[10]基于数字近景摄影测量技术,提出了反映岩体三维结构特征的三视投影加权RQD获取方法。因此,完整性指标RQD的获取已不仅限于钻孔岩芯的统计分析。

随着钻孔摄像技术在地质、岩土、石油、矿山、水利水电等工程中的广泛应用,基于钻孔摄像技术获取的钻孔图像,包含了孔壁全部的岩石、结构面及破碎带信息,为利用钻孔图像进行RQD分析创造了条件。在利用钻孔图像进行岩体信息提取方面,国内外学者开展了大量研究^[11-15],但研究主要集中在对孔壁结构面产状、宽度等几何信息的自动识别,对于钻孔中的破碎带识别和基于钻孔图像识别信息进行RQD自动分析方面的研究较少。因此,本文针对钻孔图像中结构面和破碎带的像素特征,提出了一种基于边缘阈值分割的钻孔图像RQD自动分析方法。

1. 基本原理

1.1 钻孔图像

目前,钻孔图像主要采用数字式全景钻孔摄像系统获取,系统通过微型CCD摄像机扫描孔壁,接收孔壁的反射光线,获取连续的全景孔壁图像。图像对应的深度数据由专用的测量轮与测绳获得,平面方位数据由安置于锥面反射镜中央的磁性电子罗盘获取。

钻孔图像主要有两种形式：①孔壁展开的二维平面图像（全景图像）；②经处理的三维柱状图像（见图1）。展开的平面图像多为常用的图片格式,使用和处理较为方便。三维柱状图像的立体感更强,能够提供更为逼真的空间形态和位置信息,但需专用软件打开^[16]。

图 1 钻孔二维平面图像和三维柱状图像

Figure 1. 2D planar and 3D columnar images of borehole

下载: 全尺寸图片幻灯片

在钻孔图像处理和信息提取过程中,主要采用展开的平面图像。同时,由于钻孔深度较大,单张全孔的图像过长、数据量大,使用不便。在实际工程应用中,一般将连续的钻孔图像按深度,分为2 m一段,并在图像中附带相应文字说明。

1.2 图像岩体信息

钻孔图像中包含了钻孔揭示的地层与岩体信息,其中用于钻孔RQD分析的岩体信息主要包括完整岩石、结构面和破碎岩体（图2）。

图 2 钻孔结构面图像和破碎岩体图像

Figure 2. Structural plane and broken rock mass images of borehole

下载: 全尺寸图片幻灯片

钻孔中完整岩块的壁面反射效果基本一致,图像明暗程度相同、像素值相同；结构面由于充填物与原岩不同,反射性相对较差,图像偏暗,若结构面无充填物,则不能发生反射,图像显示为黑色；破碎岩体中由于不同物质的反射效果不同,图像多明暗相间、像素值不连续。同时,用于统计RQD的结构面通常是连续的,分布在整个或大部分的图像宽度范围内；用于岩芯RQD的破碎岩体一般呈带状分布,在图像的长度和宽度方向都包含一定范围。

因此,利用钻孔图像的像素值特征,可实现对岩体信息的有效识别。基于钻孔图像的RQD自动分析,需从图像中提取结构面和破碎岩体的位置及宽度信息,即结构面中心线深度、结构面宽度、破碎带起深度和破碎带止深度4类数据。

1.3 钻孔图像RQD

利用识别出的钻孔结构面和破碎带位置、宽度数据,对孔内大于10 cm的柱状岩芯进行长度统计,计算岩体质量指标RQD。由于钻孔图像不存在回次进尺,可计算整孔RQD值和不同分段长度的RQD值。

整孔RQD值计算公式：

$RQD = 100 * \frac{\sum_{i = 1}^{n} f (D_{i} - t) * D_{i}}{L}$ ,

(1)

$f (x) = {\begin{cases} 1 (x > 0) \\ 0 (x \leq 0) \end{cases}$ ,

(2)

$D_{i} = h_{i} - h_{i - 1}$ 。

(3)

式中 $D_{i}$ 为第i段岩芯段长度（m）；t为统计阀值,取0.1 m；L为钻孔深度（m）； $h_{i}$ , $h_{i - 1}$ 为i-1结构面或破碎带的底面深度、i结构面或破碎带的顶面深度（m）； $f (x)$ 为判别函数；n为统计段数。

不同分段长度的RQD计算公式：

$R Q D_{j} = 100 * \frac{\sum_{i = 1}^{n} f (D_{i j} - t) * D_{i j}}{L_{t}}$ ,

(4)

$D_{i j} = h_{i j} - h_{i - 1 j}$ 。

(5)

式中 ${RQD}_{j}$ 为第j段岩体质量指标；D_ij为第j段内各岩芯段长度（m）；L_t为分段长度（m）；h_ij,h_i-1j为第j段内i-1结构面或破碎带的底面深度、i结构面或破碎带的顶面深度（m）。

2. 分析方法

基于钻孔图像信息识别的RQD自动分析,首先对钻孔图像进行裁剪、灰度转换和图像滤波处理；然后利用阀值分割将拟识别目标从背景中分离,并对目标进行边缘检测和标记,通过阈值设定,合并重叠和相邻的目标连通区,标记有效目标信息,判别目标中的结构面和破碎带；最后提取结构面中心线深度、结构面宽度、破碎带起深度和破碎带止深度数据,计算钻孔RQD。分析流程见图3。

图 3 分析流程图

Figure 3. Flow chart of proposed analysis method in this study

下载: 全尺寸图片幻灯片

2.1 图像预处理与分割

（1）图像预处理

为突出图像目标、便于目标与背景分割,图像预处理主要是对钻孔图像进行裁剪、变换和增强。图像裁剪是从钻孔图像中分离出孔壁岩体部分的图像,工程钻孔图像中一般包含图名、图框、标尺和孔壁图像等信息,各部分信息在图像中的位置与比例是一致的,可通过相同的比例设置,从各段钻孔图像中裁剪出岩体图像,裁剪公式为

$\begin{array}{l} {Pos}_{i} = α_{i} * {Pix}_{i}, \\ {Pos}_{j} = β_{j} * {Pix}_{j}, \\ Width = (α_{2} - α_{1}) * {Pix}_{i}, \\ Height = (β_{2} - β_{1}) * {Pix}_{j} 。 \end{array}}$

(6)

式中 ${Pos}_{i}$ , ${Pos}_{j}$ 为孔壁岩体图像在钻孔图像中的起始像素坐标； ${Pix}_{i}$ * ${Pix}_{j}$ 为钻孔图像像素大小,Width*Height为岩体图像部分像素大小； $α_{1}$ , $α_{2}$ 为钻孔图像中岩体图像部分在整副图像宽度方向的起始比例系数、终止比例系数； $β_{1}$ , $β_{2}$ 为钻孔图像中岩体图像部分在整副图像深度方向的起始比例系数、终止比例系数。

钻孔图像多为RGB图,但RGB颜色空间受光照条件影响,易造成错误的量化区间。因此,图像预处理需将RGB图转为灰度图,转换方法采用浮点算法。图像增强是对图像进行去噪处理,以突出目标轮廓,提高图像的可读性,钻孔图像增强主要采用自适应中值滤波算法。

（2）基于边缘阈值的图像分割

钻孔图像的阈值分割,主要基于图像中裂隙与岩块的灰度差异,通过选择合理的灰度阈值,实现目标与背景的分离。关于阈值的选择,吴剑等^[12]采用最大类间方差算法选取分割阈值,汪进超等^[17]提出了梯度算子与最大类间方差法相结合的改进方差法。但最大类间方差法适用于图像中目标和背景所占面积接近的情况,当两者面积悬殊时,方法将失效^[18]。因此,最大类间方差法主要适于分割破碎岩体或大型结构面,对相对完整的岩体和宽度较小的结构面适用性较差；改进方差法虽引入梯度算子进行结构面区域锐化,但最后仍采用最大类间方差法进行分割,也存在分割效果问题。

为突出边缘灰度变化,以达到更好的分割效果,本文提出一种基于边缘信息的自适应阈值选取方法,以下称为边缘阈值法。基于边缘阈值进行图像分割的基本原理如下：

a）对滤波后的钻孔灰度图像f（x,y）进行梯度运算,运算选取3×3的图像邻域,各像素点梯度值取邻域内最大与最小灰度值之差,从而得到梯度图像g1（x,y）；

b）通过对梯度图像g1（x,y）的直方图分析表明,钻孔图像的梯度直方图分布基本一致（图4）,梯度均值μ与梯度标准差 $σ$ 之和T,为图像目标与背景的梯度分水岭。因此,以T阈值对梯度图像g1（x,y）进行二值化,得到梯度图像g2（x,y）；

图 4 图像梯度直方图

Figure 4. Histogram of image gradient

下载: 全尺寸图片幻灯片

c）将梯度图像g2（x,y）与钻孔灰度图像f（x,y）融合,计算图像边缘点数目和边缘点平均灰度值S；

d）以边缘点的平均灰度值S为阈值,对钻孔灰度图像f（x,y）进行灰度分割,从而实现目标与背景的分离。

以图2结构面图像（a）和破碎岩体图像（b）为例,分别采用最大类间方差法、改进方差法和本文方法,对钻孔裂隙图像和破碎岩体图像进行分割（图5）。

图 5 图像分割结果

Figure 5. Results of image segmentation

下载: 全尺寸图片幻灯片

从结果中可以看出,最大类间方差法对结构面与完整岩块的分割效果较差（图5（a））,对于破碎岩体存在过度分割,无法区分其中的岩块与裂隙边界（图5（d））；改进方差法能够对结构面图像和破碎岩体图像进行分割,但分割后存在较多噪点（图5（b）,（e））；本文基于边缘阈值的图像分割方法,对于两类钻孔图像均有较好的适用性（图5（c）,（f））。

2.2 岩体信息提取

（1）目标编码与连通分析

为准确提取钻孔图像中岩体结构面和破碎带的位置、宽度等信息,在基于边缘阈值分割后,从分割图像中对边缘目标进行检测,并依序对不同位置的目标区域进行编码。由于结构面和破碎带一般是连续的,且分布在整个或大部分的图像宽度范围内,需结合目标形态特征,对归属于同一结构面或破碎带的目标进行连通分析。

连通分析首先提取各边缘目标在图像中的位置与范围,即区域编号R_i、所占像素数目N_umi、中心线位置h_i、最小行号R_imin、最大行号R_imax、最小列号L_imin和最大列号L_imax；然后,对图像行列方向上存在重叠或间距小于阈值的区域进行合并,并确定新的连通区位置和范围；最后,依据连通区所占像素数目和分布范围,删除局部孤值和分布宽度小于阈值t₁的区域,确定对钻孔图像RQD分析的有效连通区。

一般在钻孔RQD统计时,连通的结构面或破碎带将影响RQD的统计结果,延伸长度小于1/2岩芯直径的不予考虑。因此,结构面和破碎带的连通区宽度应不小于1/2图像宽度。

以图2为例对分割后的图像进行目标编码和连通分析,结果见图6。

图 6 连通区合并结果

Figure 6. Results of merging connected regions

下载: 全尺寸图片幻灯片

（2）岩体信息提取

钻孔图像中破碎带的连通区占有的像素数目多、分布宽度大；结构面的连通形态主要为正弦曲线,宽度小、分布范围内所占的像素数目少。因此,基于连通区范围内分割结果所占的像素比阈值t₂,可实现对图像中破碎带与结构面的自动判别,文中t₂取0.25。

破碎带的起深度S_i、止深度T_i为对应连通区的上、下边界,可由以下公式计算得到

$S_{i} = L \times \frac{R_{i}_{\min}}{Height} + H_{i}$ ,

(7)

$T_{i} = L \times \frac{R_{i}_{\max}}{Height} + H_{i}$ 。

(8)

结构面中心线深度J_i和结构面宽度d_i的计算公式如下：

$J_{i} = L \times \frac{h_{i}}{Height} + H_{i}$ ,

(9)

$d_{i} = L \times \frac{Max {(R_{i}_{\max} - R_{i}_{\min})}_{j}}{Height} + H_{i}$ 。

(10)

式中L为钻孔图像长度,取2 m；H_i为钻孔图像的起深度； $Max {(R_{i}_{\max} - R_{i}_{\min})}_{j}$ 为结构面上下边缘的最大像素间距；Height为图像像素高度。

2.3 程序实现

MATLAB是一种用于算法开发、数据可视化、数据分析及数值计算的高级计算语言,其中的Image Processing Toolbox具有强大的数字图像处理功能,包含了多种图像分析与处理算法,适用于对钻孔图像的数字化处理。

因此,基于上述钻孔图像处理与岩体信息提取方法,利用MATLAB语言编写了钻孔图像RQD自动分析程序,实现了基于钻孔图像的RQD快速统计分析。

3. 实例分析

泾河东庄水利枢纽工程位于陕西省礼泉县与淳化县交界的泾河下游峡谷段,是渭河下游河防工程体系中不可缺少的重要骨干工程。工程设计混凝土拱坝坝高230 m,枢纽建筑物由挡水建筑物、消能建筑物、导截流建筑物和引水发电建筑物组成。

东庄坝址区出露的主要地层为奥陶系中统马家沟组灰岩（O₂m）和第四系松散堆积层（Q）。为查明地质条件、评价坝基岩体质量,在坝址区开展了数字式全景钻孔摄像,图7为东庄坝址区可行性研究阶段钻孔ZK408的2段钻孔图像成果。

图 7 ZK408钻孔原始图像

Figure 7. Original image in ZK408

下载: 全尺寸图片幻灯片

钻孔ZK408深度为120 m,其中0～6 m段为覆盖层,以下为灰岩。钻孔图像单张长度2 m,共57张,图7分别为8～10 m段和30～32 m段的钻孔图像。其中,8～10 m段岩体相对完整,主要发育三条结构面；30～32 m段部分岩体破碎。两段图像分别为不同类型,具有一定代表性。以图7为例,采用论文分析方法进行钻孔图像RQD自动分析,验证方法的可靠性。

3.1 岩体信息识别

ZK408的钻孔图像像素大小为3780×909,孔壁岩体部分在钻孔图像中的比例值系数分别为0.056,0.527,0.040,0.992。由式（6）计算得到岩体部分起始像素坐标为51,152,岩体部分图像大小为3598× 428,处理图像大小为600×72。

首先,利用上述计算数据进行图像裁剪,得到岩体部分图像,并对图像进行变换和增强；然后,采用边缘阈值法,对图像进行梯度处理、计算图像梯度边缘点灰度均值；最后,利用灰度均值进行图像分割,分割参数见表1。

表 1 钻孔图像分割参数表

Table 1. Parameters for image segmentation

图像深度/m	梯度均值	梯度标准差	梯度点	灰度均值
8~10	0.1045	0.0309	0.1554	142.77
30~32	0.1285	0.0911	0.2196	124.52

下载: 导出CSV

| 显示表格

钻孔图像分割后,对目标区域进行编码和连通分析。对图像行列方向上存在重叠或间距小于1.0 cm的区域进行合并,并删除分布宽度小于1/2图像宽度的局部孤值区域,得到影响RQD分析的有效岩体信息,识别结果见表2。

表 2 岩体图像信息识别表

Table 2. Recognition of image information of rock mass

图像深度/m	连通区编号	像素数目	最小行号	最大行号	所占列数
8~10	1	338	45	117	70
	2	117	411	429	45
	3	280	545	576	67
30~32	1	3455	335	524	68
30~32	2	134	588	600	42

下载: 导出CSV

| 显示表格

基于钻孔图像信息识别结果,进行结构面和破碎带筛分,并利用式（7）～（10）计算结构面、破碎带的位置和宽度,利用式（4）计算2 m分段长度的钻孔RQD,结果见表3。

表 3 钻孔RQD分析结果

Table 3. Results of RQD analysis

图像编号	编号	起深度/m	止深度/m	中心线深度/m	宽度/m	RQD
图7（a）	结构面1	8.15	8.39	8.27	0.017	96.5
	结构面2	9.37	9.43	9.40	0.022
	结构面3	9.82	9.92	9.87	0.031
图7（b）	破碎带1	31.12	31.75	31.43	0.630	66.5
图7（b）	结构面4	31.96	32.00	31.98	0.016	66.5

下载: 导出CSV

| 显示表格

从表3中可以看出,8～10 m段识别结构面3条,该段RQD计算值为96.5；30～32 m段识别破碎带1个、结构面1条,该段RQD计算值为66.5。自动识别结果与图像对比基本一致,表明论文岩体信息识别和RQD自动分析方法是合理的。

3.2 结果分析

为进一步验证论文方法的实用性,对钻孔ZK408的57张钻孔图像进行RQD自动分析,并将分析结果分别与人工现场测量的RQD实测值、钻孔波速测试结果的完整性系数K_v进行对比。

（1）与人工测量结果对比

基于论文方法自动分析获取的RQD计算值与人工现场测量的RQD实测值对比结果,如图8所示。从图中可以看出,基于钻孔图像自动分析的RQD计算值一般为60%～100%,部分小于40%,最大值为100%,最小值为37.15%；人工测量的RQD实测值一般为40%～80%,部分孔段小于20%,最大值为83%,最小值为0。钻孔图像RQD计算值总体比人工测量的RQD实测值大20%。

图 8 钻孔RQD实测值与计算值对比图

Figure 8. Comparison between measured and calculated values of RQD

下载: 全尺寸图片幻灯片

其中,钻孔16.5～17.3 m段RQD实测值为0,现场岩芯照片显示该段岩体整体呈碎块状,但该段钻孔图像显示岩体完整（图9）,仅存2条结构面,完整岩柱长度为0.68 m,RQD值应为85%。

图 9 钻孔16.5~17.3 m段孔壁图像与岩芯图像

Figure 9. Image of borehole rock mass and core in 16.5 ~ 17.3 m

下载: 全尺寸图片幻灯片

由此表明,受钻进工艺、施工质量等因素影响,基于岩芯测量的RQD结果存在一定误差,局部孔段统计结果失真,无法真实反应客观岩体质量。基于钻孔图像的RQD自动分析,能够避免上述缺陷,提高RQD统计结果的准确性和数据获取效率。

（2）与钻孔波速测试结果对比

基于钻孔波速测试结果计算的岩体完整性系数K_v是反应岩体质量又一指标,同一钻孔的K_v与RQD规律应基本一致。钻孔ZK408的RQD计算值与完整性系数K_v对比结果,如图10所示。

图 10 钻孔RQD与完整性系数对比图

Figure 10. Comparison between RQD and integrity coefficient

下载: 全尺寸图片幻灯片

从图中可以看出,K_v一般为0.6~1.0,部分小于0.4,最大值为1.0,最小值为0.27。K_v与RQD的分布规律基本一致,RQD大的孔段,对应的K_v也较大,RQD小的孔段对应的K_v也较小,两者具有良好的对应关系。

由此表明,基于边缘阈值分割的钻孔图像RQD自动分析方法是可靠的,分析结果能够为岩体完整性评价提供准确的数据支撑。

4. 结论

（1）利用钻孔摄像技术获取的高清钻孔图像,包含了全部的孔壁岩石与结构面信息,通过计算机图像处理自动方法,能够实现对钻孔RQD数据的快速获取。

（2）通过钻孔图像梯度直方图特征分析,本文提出了基于边缘阈值的自适应图像分割方法,方法融合图像边缘梯度和灰度信息,实现了对钻孔图像中结构面和破碎带目标的有效分割。

（3）基于钻孔图像的RQD计算值和现场人工实测值对比结果表明,该方法能够避免钻进和取芯质量对RQD统计数据的影响,提高了统计结果的准确性。

（4）对比RQD计算值与完整性系数K_v,结果显示两者分布规律基本一致,具有较好的对应性,表明该方法能够真实地反应钻孔岩体质量,为岩体完整性评价提供了准确的数据支撑。

本研究主要针对高清钻孔图像中具有反射差异的结构面和破碎岩体,通过图像分割与信息提取,实现了钻孔RQD的自动分析。对于其他反射差异不明显或无差异的结构面,尚需开展相关研究。

图 1 钻孔二维平面图像和三维柱状图像

Figure 1. 2D planar and 3D columnar images of borehole

下载: 全尺寸图片幻灯片

图 2 钻孔结构面图像和破碎岩体图像

Figure 2. Structural plane and broken rock mass images of borehole

下载: 全尺寸图片幻灯片

图 3 分析流程图

Figure 3. Flow chart of proposed analysis method in this study

下载: 全尺寸图片幻灯片

图 4 图像梯度直方图

Figure 4. Histogram of image gradient

下载: 全尺寸图片幻灯片

图 5 图像分割结果

Figure 5. Results of image segmentation

下载: 全尺寸图片幻灯片

图 6 连通区合并结果

Figure 6. Results of merging connected regions

下载: 全尺寸图片幻灯片

图 7 ZK408钻孔原始图像

Figure 7. Original image in ZK408

下载: 全尺寸图片幻灯片

图 8 钻孔RQD实测值与计算值对比图

Figure 8. Comparison between measured and calculated values of RQD

下载: 全尺寸图片幻灯片

图 9 钻孔16.5~17.3 m段孔壁图像与岩芯图像

Figure 9. Image of borehole rock mass and core in 16.5 ~ 17.3 m

下载: 全尺寸图片幻灯片

图 10 钻孔RQD与完整性系数对比图

Figure 10. Comparison between RQD and integrity coefficient

下载: 全尺寸图片幻灯片

表 1 钻孔图像分割参数表

Table 1 Parameters for image segmentation

图像深度/m	梯度均值	梯度标准差	梯度点	灰度均值
8~10	0.1045	0.0309	0.1554	142.77
30~32	0.1285	0.0911	0.2196	124.52

下载: 导出CSV

表 2 岩体图像信息识别表

Table 2 Recognition of image information of rock mass

图像深度/m	连通区编号	像素数目	最小行号	最大行号	所占列数
8~10	1	338	45	117	70
	2	117	411	429	45
	3	280	545	576	67
30~32	1	3455	335	524	68
30~32	2	134	588	600	42

下载: 导出CSV

表 3 钻孔RQD分析结果

Table 3 Results of RQD analysis

图像编号	编号	起深度/m	止深度/m	中心线深度/m	宽度/m	RQD
图7（a）	结构面1	8.15	8.39	8.27	0.017	96.5
	结构面2	9.37	9.43	9.40	0.022
	结构面3	9.82	9.92	9.87	0.031
图7（b）	破碎带1	31.12	31.75	31.43	0.630	66.5
图7（b）	结构面4	31.96	32.00	31.98	0.016	66.5

下载: 导出CSV

参考文献(18)

[1]	DEERE D U. Technical description of rock cores for engineering purposes[J]. Rock Mechanics and Engineering Geology, 1963, 1(1): 18-22.
[2]	PALMSTROM A. Measurements of and correlations between blocksize and rock quality designation (RQD)[J]. Tunn Undergr SpaceTechnol, 2005, 20: 362-377. doi: 10.1016/j.tust.2005.01.005
[3]	OZTURK C A, NASUF E. Geostatistical assessment of rock zones for tunneling[J]. Tunneling and Underground Space Technology, 2002(17): 275-285.
[4]	王国欣, 肖树芳, 陈剑平, 等. 不连续面三维网络在RQD中的应用研究[J]. 岩石力学与工程学报, 2002, 21(12): 1761-1764. doi: 10.3321/j.issn:1000-6915.2002.12.003 WANG Guo-xin, XIAO Shu-fang, CHEN Jian-ping, et al. Study on application of 3D network of discontinuities to RQD[J]. Chinese Journal of Rock Mechanics and Engineering, 2002, 21(12): 1761-1764. (in Chinese) doi: 10.3321/j.issn:1000-6915.2002.12.003
[5]	陈剑平, 王清, 赵红亮, 等. 窗口测线法获取岩体RQD[J]. 岩石力学与工程学报, 2004, 23(9): 1491-1495. doi: 10.3321/j.issn:1000-6915.2004.09.016 CHEN Jian-ping, WANG Qing, ZHAO Hong-liang, et al. Obtaining RQD of rock mass by sampling window method[J]. Chinese Journal of Rock Mechanics and Engineering, 2004, 23(9): 1491-1495. (in Chinese) doi: 10.3321/j.issn:1000-6915.2004.09.016
[6]	徐伟, 胡新丽, 黄磊, 等. 结构面三维网络模拟计算RQD及精度对比研究[J]. 岩石力学与工程学报, 2012, 31(4): 822-833. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201204024.htm XU Wei, HU Xin-li, HUANG Lei, et al. Research on RQD of rock mass calculated by three-dimensional discontinuity network simulation method and its accuracy comparison[J]. Chinese Journal of Rock Mechanics and Engineering, 2012, 31(4): 822-833. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201204024.htm
[7]	崔小平, 秦趣, 马士彬. 三维激光扫描技术获取岩体RQD值中的应用[J]. 六盘水师范高等专科学校学报, 2011, 23(3): 29-32. doi: 10.3969/j.issn.1671-055X.2011.03.007 CUI Xiao-ping, QIN Qu, MA Shi-bin. The application of 3d laser scanning technology in rock RQD data[J]. Journal of Liupanshui Teachers College, 2011, 23(3): 29-32. (in Chinese) doi: 10.3969/j.issn.1671-055X.2011.03.007
[8]	KAYABASI A, YESILOGLU-GULTEKIN GOKCEOGLU C. Use of non-linear prediction tools to assess rock masspermeability using various discontinuity parameters[J]. Engineering Geology, 2015, 185(5): 1-9.
[9]	Azimia , Abdolazim . A New method for improving the RQD determination of rock core in borehole[J]. Rock Mechanics & Rock Engineering, 2016, 49(4): 1559-1566.
[10]	胡瀚. 基于数字近景摄影测量的岩体RQD获取[D]. 长春: 吉林大学, 2018. HU Han. Rock Mass RQD Acquisition Based on Digital Close-range Photogrammetry[D]. Changchun: Jinlin University, 2018. (in Chinese)
[11]	THAPA B B, HUGHETT P, KARASAKI K. Semiautomatic analysis of rock fracture orientations from borehole wall images[J]. Geophysics, 1997, 62(1): 129-137. doi: 10.1190/1.1444112
[12]	吴剑, 冯少孔, 李宏阶. 钻孔成像中结构面自动判读技术研究[J]. 岩土力学, 2011, 32(3): 951-957. doi: 10.3969/j.issn.1000-7598.2011.03.051 WU Jian, FENG Shao-kong, LI Hong-jie. Study of automatically extracting structural plane parameters from borehole images[J]. Rock and Soil Mechanics, 2011, 32(3): 951-957. (in Chinese) doi: 10.3969/j.issn.1000-7598.2011.03.051
[13]	曹洋兵, 晏鄂川, 胡德新, 等. 岩体结构面产状测量的钻孔摄像技术及其可靠性[J]. 地球科学(中国地质大学学报), 2014, 39(4): 473-480. https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX201404010.htm CAO Yang-bing, YAN E-chuan, HU De-xin, et al. Calculation methods of rock mass discontinuity orientation measured by borehole camera technology and technology reliability[J]. Journal of China University of Geosciences: Earth Science, 2014, 39(4): 473-480. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DQKX201404010.htm
[14]	王川婴, 邹先坚, 韩增强, 等. 基于特征函数的钻孔图像结构面识别方法[J]. 岩土力学, 2017, 38(10): 3062-3066. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201710038.htm WANG Chuan-ying, ZOU Xian-jian, HAN Zeng-qiang, et al. Recognition of structural planes in borehole image based on characteristic function[J]. Rock and Soil Mechanics, 2017, 38(10): 3062-3066. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201710038.htm
[15]	葛云峰, 钟鹏, 唐辉明, 等. 基于钻孔图像的岩体结构面几何信息智能测量[J]. 岩土力学, 2019, 40(11): 4467-4476. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201911038.htm Intelligent measurement on geometric information of rock discontinuities based on borehole image[J]. Rock and Soil Mechanics, 2019, 40(11): 4467-4476. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201911038.htm
[16]	王川婴, Tim LAW K. 钻孔摄像技术的发展与现状[J]. 岩石力学与工程学报, 2005, 24(19): 3440-3448. doi: 10.3321/j.issn:1000-6915.2005.19.006 WANG Chuan-ying, Tim LAW K. Review of borehole camera technology[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(19): 3440-3448. (in Chinese) doi: 10.3321/j.issn:1000-6915.2005.19.006
[17]	汪进超, 王川婴, 胡胜, 等. 孔壁钻孔图像的结构面参数提取方法研究[J]. 岩土力学, 2017, 38(10): 3074-3080. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201710040.htm WANG Jin-chao, WANG Chuan-ying, HU Sheng. A new method for extraction of parameters of structural surface in borehole images[J]. Rock and Soil Mechanics, 2017, 38(10): 3074-3080. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201710040.htm
[18]	赵芳, 栾晓明, 孙越. 数字图像几种边缘检测算子检测比较分析[J]. 计算机应用, 2004, 24(9): 28-30. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDHJ200903024.htm ZHAO Fang, LUAN Xiao-ming, SUN Yue. Edge detection operators in digital image processing[J]. Computer Application, 2004, 24(9): 28-30. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZDHJ200903024.htm

施引文献(35)

期刊类型引用(16)

1.	李文雅，谢承平，高平. 地质BIM在古贤水利枢纽中的设计与应用. 中国水能及电气化. 2025(01): 64-70 . 百度学术
2.	汪进超，韩增强，王益腾，王超，张国华. 基于像素空间信息的孔内低照度图像孔隙结构量化方法研究. 岩石力学与工程学报. 2024(S1): 3175-3186 . 百度学术
3.	吴金，吴顺川，王焘，席雅允. 基于深度学习的复杂地层钻孔图像岩体结构面识别方法. 清华大学学报(自然科学版). 2024(07): 1136-1146 . 百度学术
4.	冼丁浩. 孔内摄像法在灌注桩钻芯法检测中的应用分析. 工程技术研究. 2024(20): 42-44+168 . 百度学术
5.	刘冀昆，王成虎，乾增珍，高桂云，张树辉. 基于超声波钻孔电视的深部岩体体积节理数的计算方法及其工程应用. 工程地质学报. 2024(06): 2098-2109 . 百度学术
6.	汪华晨，孙宁，陈鸿杰，许晓逸，徐卫亚. 钻孔数字图像识别在岩体完整性评价中的应用. 工程地质学报. 2024(06): 2085-2097 . 百度学术
7.	孙志勇，李小菲，王洋，丁自伟. 基于DIP技术钻孔结构面参数与强度相关性研究. 采矿与岩层控制工程学报. 2023(02): 84-92 . 百度学术
8.	张卫中，袁威，康钦容，夏缘帝，李梦玲. 基于综合权重—模糊物元法的岩溶地区隧道围岩质量评价. 黄金科学技术. 2023(03): 487-496 . 百度学术
9.	李明超，李明泽，韩帅，张佳文，赵文超. 耦合多源勘察信息的水工岩体完整性智能评价方法. 岩土工程学报. 2023(08): 1674-1683 . 本站查看
10.	张野，陈金桥，李炎隆. 基于多深度模型的钻孔结构面智能识别与量化分析. 地质科技通报. 2023(06): 31-41 . 百度学术
11.	赵兴东，王宏宇，王小兵，王立君. 基于智能自学习模型识别岩芯的RQD标定方法. 矿业研究与开发. 2023(12): 159-165 . 百度学术
12.	李长宏，黄永亮，沙鹏，黄曼，马成荣，任番泉，翁寒倩. 基于裂隙网络模拟的岩体RQD测量参数确定. 科技通报. 2022(04): 63-69 . 百度学术
13.	张小辉，姜春雨，程小辉. 基于Q系统的岩体质量快速评价优化创新方法及应用. 有色金属(矿山部分). 2022(04): 102-109 . 百度学术
14.	沙仙武，吴健辉，陈才贤，李佳建. 基于数字图像处理功能的RQD分级方法的应用. 中国矿山工程. 2022(04): 74-78+83 . 百度学术
15.	刘冀昆，王成虎，乾增珍，周昊，谷佳诚. 超声波钻孔成像技术在岩体质量定量评价中的应用. 工程勘察. 2022(12): 6-11+46 . 百度学术
16.	王超，王川婴，王益腾，汪进超，陈薇，韩增强. 基于孔壁光学图像的岩石孔隙结构识别与分析方法研究. 岩石力学与工程学报. 2021(09): 1894-1901 . 百度学术