张国华团队在《安全与环境工程》发表岩芯 RQD 自动生成算法研究论文

　　中国地质大学(武汉)工程学院、百咖(上海)管理咨询有限公司、湖北省交通规划设计院股份有限公司数字化管理部、中铁第四勘察设计院集团有限公司数智化事业部及湖北省电力规划设计研究院有限公司的张国华、姜晋云、吕国磊、胡俊杰、熊峰、廖一凡、郑洪、李漪等学者，于《安全与环境工程》2025 年第 01 期发表了题为《基于目标检测和图像分割的岩芯 RQD 自动生成算法》的研究论文。

　　研究背景与目的

　　岩石质量指标(RQD)是地矿工程中岩体质量评估的关键参数，传统手动测量岩芯片段长度并计算 RQD 的方式存在耗时费力的局限。随着计算机视觉技术发展，研究提出基于目标检测与图像分割的自动化算法，旨在实现 RQD 的高效精准计算，为岩体工程质量分类提供技术支撑。

　　研究方法与技术路径

　　岩芯检测模型：基于颜色与纹理特征相似性，采用光谱角映射(SAM)模型对岩芯图像进行目标检测，识别岩芯区域。

　　片段分割算法：利用 YOLOv8 深度学习模型训练分割模型，通过提取岩芯片段的缝隙特征，实现不同岩芯片段的精准分割。

　　案例验证：选取宜涪铁路五峰段 10 段岩芯样本，对比自动化算法与传统手动测量的 RQD 结果，评估算法准确率与效率。

　　核心研究结果

　　精度验证：算法获取的 RQD 与手动测量结果相当，平均相对误差≤5%，满足工程应用精度要求。

　　效率提升：相比传统手动测量，算法节约超过 60% 的时间成本，显著提高 RQD 计算效率。

　　技术优势：通过 SAM 模型与 YOLOv8 的结合，有效解决了岩芯图像中复杂纹理与缝隙特征的识别难题，实现了岩芯片段的自动化分割与长度测量。

　　研究结论与应用价值

　　该研究提出的自动化算法为岩芯 RQD 的快速评估提供了新方法，可广泛应用于地质勘察、隧道工程等领域的岩体质量评价，推动地矿工程检测的数字化与智能化发展。研究结果表明，计算机视觉技术在地质工程参数自动提取中具有显著优势，有望替代传统人工测量模式。

　　目前该论文网刊阅读次数 23 次，下载次数 503 次，CNKI 下载次数 487 次，引用次数 0 次，页码范围 100-106。研究受国家重点研发计划项目(2021YFB2600402)及国家自然科学基金项目(52209148)资助。