張國華團隊在《安全與環境工程》發表巖芯 RQD 自動生成算法研究論文

　　中國地質大學(武漢)工程學院、百咖(上海)管理咨詢有限公司、湖北省交通規劃設計院股份有限公司數字化管理部、中鐵第四勘察設計院集團有限公司數智化事業部及湖北省電力規劃設計研究院有限公司的張國華、姜晉云、呂國磊、胡俊杰、熊峰、廖一凡、鄭洪、李漪等學者，于《安全與環境工程》2025 年第 01 期發表了題為《基于目標檢測和圖像分割的巖芯 RQD 自動生成算法》的研究論文。

　　研究背景與目的

　　巖石質量指標(RQD)是地礦工程中巖體質量評估的關鍵參數，傳統手動測量巖芯片段長度并計算 RQD 的方式存在耗時費力的局限。隨著計算機視覺技術發展，研究提出基于目標檢測與圖像分割的自動化算法，旨在實現 RQD 的高效精準計算，為巖體工程質量分類提供技術支撐。

　　研究方法與技術路徑

　　巖芯檢測模型：基于顏色與紋理特征相似性，采用光譜角映射(SAM)模型對巖芯圖像進行目標檢測，識別巖芯區域。

　　片段分割算法：利用 YOLOv8 深度學習模型訓練分割模型，通過提取巖芯片段的縫隙特征，實現不同巖芯片段的精準分割。

　　案例驗證：選取宜涪鐵路五峰段 10 段巖芯樣本，對比自動化算法與傳統手動測量的 RQD 結果，評估算法準確率與效率。

　　核心研究結果

　　精度驗證：算法獲取的 RQD 與手動測量結果相當，平均相對誤差≤5%，滿足工程應用精度要求。

　　效率提升：相比傳統手動測量，算法節約超過 60% 的時間成本，顯著提高 RQD 計算效率。

　　技術優勢：通過 SAM 模型與 YOLOv8 的結合，有效解決了巖芯圖像中復雜紋理與縫隙特征的識別難題，實現了巖芯片段的自動化分割與長度測量。

　　研究結論與應用價值

　　該研究提出的自動化算法為巖芯 RQD 的快速評估提供了新方法，可廣泛應用于地質勘察、隧道工程等領域的巖體質量評價，推動地礦工程檢測的數字化與智能化發展。研究結果表明，計算機視覺技術在地質工程參數自動提取中具有顯著優勢，有望替代傳統人工測量模式。

　　目前該論文網刊閱讀次數 23 次，下載次數 503 次，CNKI 下載次數 487 次，引用次數 0 次，頁碼范圍 100-106。研究受國家重點研發計劃項目(2021YFB2600402)及國家自然科學基金項目(52209148)資助。