岩石变形局部化智能识别的DSCM-CNN方法

岩石变形局部化的识别对于岩石破坏机理、岩土工程灾害预测预警有着重要的意义。本文将数字散斑相关方法（digital speckle correlation methods,DSCM）与卷积神经网络（convolutional neural networks,CNN）相结合，提出了一种用于岩石变形局部化智能识别的DSCM-CNN模型。通过DSCM获取岩石试件在单轴压缩实验过程中的最大剪应变场云图，根据变形局部化带位置进行标注，完成数据集的构建；利用训练数据集对DSCM-CNN智能识别模型进行训练。通过红砂岩单轴压缩实验对该方法进行验证，结果表明：DSCM-CNN模型可以实现岩石变形局部化带位置的自动识别，子集准确率、精确度、召回率等指标分别达到94.19%,97.21%和96.41%，证明了岩石变形局部化智能识别的DSCM-CNN模型的可行性，为岩石变形局部化智能监测提供了一种新的思路。