基于露頭數字圖像的巖體質量快速評級方法的研究

2019-09-06 09:51:10湯玉笛程中林

安徽工程大學學報 2019年3期

張勝，湯玉笛，程中林

(1.蕪湖中安電力設計院有限公司，安徽蕪湖 241000;2.東南大學土木工程學院，江蘇南京 211189)

巖體是包含完整巖石和貫穿巖石的軟弱結構面的地質體。在漫長的地質歷史過程中，巖體受斷層、層面、節理、片理等結構面的切割，其在工程規模尺度下的物理力學性質與其他材料相比有著很大的不同，主要表現在巖體具有的非連續性、非均勻性和各向異性[1]。一般將巖石工程影響范圍內的巖體稱為工程巖體，大多數的工程巖體在正常狀態下是穩定的，但是在人類工程活動下就會失穩，引發各類事故，危害工程施工的安全。因此需要對工程巖體質量進行評價，以便指導工程項目的選址和工程施工方案的設計。

目前已有大量的關于工程巖體質量評價方法的研究[2-5]，提供了許多評價標準,在實踐中得到了廣泛應用。谷德振[6]提出工程巖體質量指標包含三個因素：巖體的完整性、結構面的抗剪特性、結構體或巖塊的堅強性，并使用巖體質量系數Z來評價工程巖體質量的優劣；Deer[7]提出了巖石質量指標RQD來評價巖體的完整性；Hoek[8]提出地質強度指標GSI包含兩個參數：結構面特性和巖體的完整性得到了廣泛的應用；國內則有國標《工程巖體分級標準》中提到的基本質量指標BQ分級法，它的兩個主要參數是巖石堅硬程度和巖石完整程度。以上各種方法只考慮了巖體結構本身的性質，實際上巖體的賦存環境和人類工程活動方式對于工程巖體質量評價也有著重要的作用。典型的方法有Bieniawski的巖體地質力學分類RMR(Rock Mass Rating)和Barton的巖石質量Q系統分類(Rock Tunnelling Quality Index)。各種巖體質量評價方法的準確性都依賴于對巖體結構面信息的測量和提取質量。傳統的結構面測量方式主要是人工測量，采用皮尺羅盤測線法獲取結構面的組數、間距、跡長、產狀等信息。人工測量的方式缺點非常明顯，測試效率低、耗時耗力，對于大范圍的結構面測量時間和經濟成本過高；其次對于某些區域測量人員難以到達，測量危險性大；同時，人工測量獲取的數據量有限，不能對結構面參數的統計規律進行研究[9-10]。綜上所述，找到一種快速準確高效的結構面信息獲取方法對于準確地評價工程巖體質量極其重要。近年來，數字圖像處理技術有了長足的發展，出現了很多新理論和新算法，為結構面測量提供新的選擇。

研究的內容主要包括兩個部分，一是利用數碼相機對野外露頭的工程巖體進行照相，采用計算機對獲取的巖體結構圖像進行處理，進而提取出相關的巖體結構面信息；二是在獲取的結構面信息的基礎上，結合圖論工具，探索出一種快速的巖體質量評級方法。流程如圖1所示。

圖1 巖體質量快速評級流程

1 數字圖像處理技術研究

數字圖像處理是指通過計算機對圖像進行降噪、增強、復原、分割提取特征等處理的方法和技術。數字圖像都是由有限的元素組成的，每一個元素都附帶位置信息和色彩信息，這些元素被稱為圖像元素，也就是人們常說的像素[11]。

20世紀90年代，數字圖像處理開始被應用于巖體裂隙的測量，日本的研究者通過對隧道掌子面進行照相和圖像處理，提取了與巖體分級有關的結構面參數，對工程的施工和支護方案作出了指導[12]。近年來，關于近景攝影測量和三維激光掃描技術應用于巖土工程的研究越來越多，此類方法進行巖體結構面參數的測量具有非接觸、快速、安全、精度高等優點[13]。相較于三維激光掃描技術，基于數字圖像處理的攝影測量方法在從巖體野外露頭圖像中識別巖體裂隙跡線方面具有很大優勢。

PCAS是用于孔隙系統與裂隙系統識別和定量分析的專業軟件。軟件可以自動識別圖像中的各種孔隙和裂隙，并得到各種幾何參數和統計參數。與傳統的人工測量方法比，使用PCAS 系統具有簡單高效、可重復等特點。運用PCAS進行露頭數字圖像處理的方法如下：

(1)圖像采集。圖像采集在數字圖像處理、圖像識別等領域應用十分廣泛。圖像采集的速度、質量直接影響到后續裂隙識別的效果的好壞。攝影測量中圖像采集的設備主要是普通數碼相機，拍攝前先選擇具有代表性的野外露頭處的結構面，合理設定相機參數和光線參數[14]。拍攝時，盡量保持鏡頭主軸方向與裂隙露頭面垂直，以確保所攝圖像為正視圖，便于后期巖體結構面的分析和判別。

(2)圖像分割。圖像分割的目的是將像素采用閾值變換方法分割為需要被識別的對象和背景圖像兩部分。對于巖體裂隙而言，識別對象就是裂隙。考慮到巖體裂隙圖像特點，為了方便后期處理，將圖像二值化，其變換表達式：

(1)

式中，f(x,y)為圖像值；g(x,y)為變換后的圖像值；T為選定的閾值。

通過人工干預選擇不同的閾值T，篩選出巖體跡線與背景對比最明顯的圖像，原始圖像和二值圖像如圖2所示。

圖2 原始圖像和二值圖像

(3)圖像處理。PCAS的圖像處理分為兩個模塊，區塊分析和裂隙分析。圖像經過閾值分割后的二值圖像就可以使用程序自動識別裂隙網絡所包圍的區塊。在區塊分析模塊中，先后進行修復裂隙(切斷區塊間的細小連接)、去除黑色和白色雜點以及重新生成更理想的二值圖像等步驟，可以獲得區塊信息，完整過程如圖3所示。

裂隙分析主要有三個步驟：首先設置裂隙的寬度參數獲得裂隙骨架；然后清除裂隙上的小突起，得到裂隙網絡的中軸；最后彈出窗口顯示裂隙的各種幾何屬性。裂隙分析過程如圖4所示。

圖3 區塊分析過程

圖4 裂隙分析過程

獲得的裂隙網絡的各種幾何參數顯示于數據表，包括裂隙的節點數，裂隙數，裂隙長度、寬度、面積、方向等，并自動統計得到裂隙率，裂隙分形維數，概率熵，平均長度、寬度、面積等統計參數，為下一步進行工程巖體評級提供了足夠的結構面信息。

2 巖體質量評價

2.1 主流工程巖體分級

(1)巖體地質力學分類(RMR分級)。巖體地質力學分類是由Bieniawski在300多條隧道巖體記錄的基礎上于1972～1973年在南非開發的，最初目的是評估隧道中堅硬節理巖體的穩定性以及所需設置的支護。自那以后，隨著越來越多的工程實踐案例數據的驗證，RMR分級得到了不斷的改進，只使用與巖體幾何和力學條件有關的幾個基本參數就可以評價工程巖體的質量。

RMR分級共包含5個基本指標：完整巖塊強度、RQD、節理間距、節理條件和地下水條件，其中節理條件又包括5個方面：節理跡長、隙寬、表面粗糙度、充填物和節理風化程度。此外，它還包含1個修正指標：節理產狀(根據結構面走向與隧道軸線的關系，隧道的掘進方向和結構面傾角進行修正)。通過對以上6個指標求和，確定場地中工程巖體的RMR值。

RMR應用方法簡便，它是地下和地表開采工程應用中最常用的工程巖體分類方法。然而RMR分級也有一些缺點，首先它不包括對巖體質量影響很大的應力條件因素，這導致在較極端的應力條件下RMR的結果存在巨大誤差；其次RMR系統的輸出相對保守容易導致過度支護；最后，RMR系統是基于堅硬巖石的工程案例發展起來的，在軟弱巖體中不能得到非常可靠的應用[15]。

(2)巖體質量Q系統分類。巖體質量Q系統是用于確定巖體特征和隧道支護要求的巖體分級方法。

巖體質量指數Q的數值從0.001到1不等，定義如下：

(2)

式中，RQD為巖石質量指標;Jn為結構面組數;Jr為結構面粗糙度系數;Ja為結構面變質系數;Jw為節理水折減系數;SRF為應力折減系數。

巖體質量Q系統考慮了較為全面的地質因素，將定性分析與定量評價相結合。它和RMR系統一樣都是目前比較好的巖體分級方法。Q系統相對RMR分級系統的優勢在于它既適用于堅硬巖體，也適用于軟弱巖體和極弱巖層[16]。

2.2 基于圖論的巖體質量評價

受上述工程巖體分級方法的啟發，對于由圖像處理得到的巖體結構面裂隙特征，結合圖論方法探索一種巖體質量評價的方法。圖論是數學的一個分支。它以圖為研究對象，圖論中的圖并不是指圖形圖像或地圖，而是由若干給定的點及連接兩點的線所構成的圖形，這種圖形通常用來描述某些事物之間的某種特定關系，用點代表事物，用連接兩點的線表示相應兩個事物間具有這種關系。

運用圖論方法的巖體質量分級主要有如下幾個步驟：

(1)生成二維巖體裂隙網絡。由圖像處理獲得了結構面的組數、間距、跡長、產狀等信息。對這些數據信息進行數理統計分析，探索它們服從的分布情況，利用Matlab生成二維裂隙網絡(DFN)，如圖5所示。

(2)對生成的二維DFN利用圖論方法進行巖橋分析。巖橋是分離結構面的完整巖石的一部分，更普遍地說，相鄰的任何一對不相交的節理之間的任何間隙都可以看作是巖橋。DFN中僅考慮幾何因素的最短巖橋的識別方法可以由開源軟件包ADFNE實現，基本原理如下[17]：首先定義節理和節理之間距離的輔助函數，它可以視情況而定計算垂直距離或兩條端點間連線的距離，進一步發展出節理和節理組之間距離，節理組和節理組之間距離的輔助函數，對所選區域內的所有節理和節理組進行最短巖橋計算。裂隙或裂隙組之間的距離的確定如圖6所示。