刘 鑫，赵慧杰，武苏雯

(1.中原工学院 计算机学院，河南 郑州 450007；2.武汉天宸伟业物探科技有限公司，湖北 武汉 430071)

0 引 言

裂缝是一种常见的地质构造现象，是由于岩石层受力后变形，力达到或超过岩石层的强度极限，破坏了岩石层的连续完整性，并在岩石层的某个位置和方向断裂，对工程建设影响较大，特别是对隧道及地下工程的稳定性影响更大[1]。传统的裂缝检测方法主要采用人工识别并手动标记裂缝参数，这种处理方法不仅费时，效率低下，而且容易出错，特别是在大量样本的情况下，裂缝检测的精确度将会大大降低。而岩层裂缝图像本身就存在样本数据有限、背景复杂等特点，容易受到地理位置、岩层结构等因素的影响，这些都会不定量地增加传统方法的检测难度。因此，及时准确地提取岩层裂缝的有效特征，对岩层裂缝进行快速检测，成为推动科研发展有序前进的动力。

随着人工智能技术的飞速发展，隧道及地下工程的检测技术在不断更新，使用深度学习技术和图像处理技术检测裂缝图像，可提高工程建设的安全性。国内外科研人员致力于这一领域的研究，取得了一定的科研成果。例如，文献[2]从路面裂缝检测过程中背景裂纹的复杂性和强度不均匀性出发，提出了一种基于深度学习的裂缝检测方法；文献[3]针对在复杂背景下用图像处理技术检测民用基础设施缺陷时的局限性问题，提出了一种基于卷积神经网络深度学习的视觉裂纹损伤检测方法；……