一种用于智能检测岩体裂隙的改进型MSEM-Deeplabv3+方法 张驰、 甘舒、 袁希平、 罗伟东、 马冲、 李毅

《Remote Sensing》:An Improved MSEM-Deeplabv3+ Method for Intelligent Detection of Rock Mass Fractures Chi Zhang, Shu Gan, Xiping Yuan, Weidong Luo, Chong Ma and Yi Li

【字体: 大 中 小 】 时间:2026年03月31日 来源:Remote Sensing 4.3

编辑推荐:

   摘要

  

摘要

断裂作为岩体中重要的不连续结构面,直接影响其稳定性,也是岩石力学工程中的核心控制因素。现有的用于断裂提取的深度学习模型存在诸多难题,包括深层与浅层特征整合不平衡、背景噪声抑制不足、多尺度特征表示不够完善以及参数规模过大等问题,这使得在检测精度与部署效率之间难以找到平衡点。本研究以云南万山山采石场为对象,首先通过近距摄影测量和3D实景重建技术构建了高精度的数字模型。随后,提出了一种轻量级且高精度的智能检测方法——MSEM-Deeplabv3+,用于岩体断裂提取。该模型以轻量级的MobileNetV2作为核心网络,并引入了逆残差模块和深度可分离卷积,使得模型参数规模仅为6.02 MB,FLOPs值为30.170 G,大大降低了计算负担。此外,该方法还整合了MAGF(多尺度注意力门控融合)和SCSA(空间-通道协同注意力)模块,用以增强断裂细节的表征能力并保持语义一致性,同时有效抑制多源多尺度的背景干扰。实验结果表明,所提出的模型的mPA值达到89.69%,mIoU值为83.71%,F1分数为90.41%,Kappa系数为80.81%,分别比经典的Deeplabv3+模型高出5.81%、6.18%、4.53%和9.2%。其性能也显著优于U-Net和HRNet等基准模型。该方法能够准确捕捉细微且连续的断裂特征,保留长距离连续断裂的空间分布,在CFD跨场景数据集上仍能保持良好性能,展现出较强的适应性和泛化能力。这一方法有效降低了人工高空检测带来的风险,为高陡岩坡的断裂检测提供了一种轻量级、高精度、非接触式的智能解决方案。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号