苏钰桐，杨炜毅，李俊霖

（中国矿业大学 信息与控制工程学院，江苏 徐州221008）

现有的研究表明岩体内部的结构面分布决定了岩体的稳定性[1-2]。在煤矿生产过程中，为了评价巷道围岩稳定性，常采用煤岩体钻孔窥视的方法了解围岩裂隙发育状况[3-4]，目前钻孔图像的裂隙识别、分类等工作多采用人工的方式。由于钻孔图像数量较多，工作量大，容易由于人为差别造成漏识别或识别误差[5]。采用机器智能识别可以有效减少误差，提高工作效率。

煤岩体钻孔裂隙机器识别的核心任务是确实裂隙分布的位置和大小，针对该问题，王川婴[6]通过观察钻孔图像上裂隙的产状，将正弦函数作为特征函数，提出了一种钻孔图像结构面识别方法，可以有效识别产状为正弦曲线的裂隙。夏丁[7]等首先对钻孔图像进行预处理，获取目标区域，采用低精度Hough变换快速检测和聚类算法计算出结构面的倾向、倾角等信息。对于破碎的巷道围岩，其围岩内部裂隙并不都是呈正弦曲线状，以上方法不能有效的识别非正弦曲线裂隙。为了解决这个问题，邹先坚[8]为了识别钻孔图像非正弦曲线特征裂隙，提出一种针对全景钻孔图像的结构面全自动识别方法，把非正弦曲线裂隙划分到距离最近正弦曲线裂隙中，以保证识别的完整性。针对非正弦结构状裂隙，李立[9]等基于自适应HSV 颜色空间模型，提出了钻孔图像中溶隙结构识别方法，此方法能对钻孔图像上的溶隙和土质层进行定位和识别。……