CN117911861A - 岩体结构网络连通指数确定方法、装置和设备 - Google Patents

Abstract

本申请涉及一种岩体结构网络连通指数确定方法、装置和设备，涉及岩体工程技术领域。该方法包括：对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像；根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度；基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。采用本方法能够降低测量风险并且提升测量效率。

Description

岩体结构网络连通指数确定方法、装置和设备

技术领域

本申请涉及岩体工程技术领域，特别是涉及一种岩体结构网络连通指数确定方法、装置和设备。

背景技术

在自然因素和人为因素的作用下，岩石表面会开裂形成缝隙，使得岩体结构失去稳定性，进而导致地质灾害，产生不可预估的危险。在此情况下，根据岩石上的裂缝评估岩石稳定性显得尤为重要。

相关技术中，对岩石稳定性进行评估时，依赖精密的勘探仪器对存在裂缝的岩石进行取样和测量，将岩石上的裂缝对岩石稳定性的影响程度量化为网络连通指数(NetworkConnectivity Index，NCI)，并基于网络连通指数评估岩石的稳定性。

然而，相关技术中获取网络连通指数的方式存在测量风险较高且测量效率低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种岩体结构网络连通指数确定方法、装置和设备，能够降低测量风险并且提升测量效率。

第一方面，本申请提供了一种岩体结构网络连通指数确定方法，该方法包括：

对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像；

根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度；

基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。

在其中一个实施例中，根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，包括：

根据裂缝岩石图像，获取目标岩石的裂缝迹线骨架图像；

获取裂缝迹线骨架图像中图像尺寸与实际尺寸之间的比例参数；

基于裂缝迹线骨架图像和比例参数，确定面裂缝密度、面裂缝强度和面裂缝相交密度。

在其中一个实施例中，根据裂缝岩石图像，获取目标岩石的裂缝迹线骨架图像，包括：

将裂缝岩石图像输入至图像识别模型，得到二值化裂缝岩石图像；

对二值化裂缝岩石图像进行灰度化处理，得到灰度图像；

对灰度图像进行腐蚀处理，得到裂缝迹线骨架图像。

在其中一个实施例中，基于裂缝迹线骨架图像和比例参数，确定面裂缝密度、面裂缝强度和面裂缝相交密度，包括：

根据比例参数，确定裂缝迹线骨架图像的物理面积和裂缝长度；

根据裂缝长度和物理面积确定面裂缝强度、根据物理面积和裂缝迹线骨架图像中的裂缝数量确定面裂缝密度；以及，根据物理面积和迹线骨架图像中的相交裂缝数量确定面裂缝相交密度。

在其中一个实施例中，根据物理面积和裂缝迹线骨架图像中的裂缝数量确定面裂缝密度，包括：

获取裂缝岩石图像的连通分量图；

根据连通分量图中的裂缝组数，对裂缝数量进行修正；

将修正后的裂缝数量与物理面积的比值确定为面裂缝密度。

在其中一个实施例中，基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数，包括：

获取裂缝岩石图像的边界裂缝判据参数；

根据边界裂缝判据参数，对面裂缝相交密度进行修正；

根据面裂缝密度、面裂缝强度和修正后的面裂缝相交密度，确定目标岩石的网络连通指数。

在其中一个实施例中，边界裂缝判据参数包括上边界裂缝端点数量、下边界裂缝端点数量、左边界裂缝端点数量和右边界裂缝端点数量；根据边界裂缝判据参数，对面裂缝相交密度进行修正，包括：

根据上边界裂缝端点数量、下边界裂缝端点数量和裂缝岩石图像高度长度比例，确定上下边界裂缝数；以及，根据左边界裂缝端点数量、右边界裂缝端点数量和裂缝岩石图像的长度高度比例，确定左右边界裂缝数；

将上下边界裂缝数和左右边界裂缝数之和与裂缝岩石图像的物理面积的比值，确定为面裂缝相交密度的补偿密度；

通过叠加补偿密度和面裂缝相交密度，对面裂缝相交密度进行修正。

在其中一个实施例中，根据面裂缝密度、面裂缝强度和修正后的面裂缝相交密度，确定目标岩石的网络连通指数，包括：

根据修正后的面裂缝相交密度和面裂缝密度，确定连通系数；

将连通系数与面裂缝强度的乘积结果确定为目标岩石的网络连通指数。

第二方面，本申请还提供了一种岩体结构网络连通指数确定装置，该装置包括：

裂缝识别模块，用于对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像；

参数确定模块，用于根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度；

指数计算模块，用于基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面中任一项实施例中的方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面中任一项实施例中的方法的步骤。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项实施例中的方法的步骤。

上述岩体结构网络连通指数确定方法、装置和设备，通过对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像，然后根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，最后基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。该方法中，考虑到目标岩石中存在裂缝带来的潜在风险，基于对目标岩石识别得到的裂缝岩石图像，对目标岩石进行分析，进而确定网络连通指数，相当于是一种非接触式的测量方式，相较于传统方案中人工测量的方式而言，危险系数更低。并且，在获取裂缝岩石图像的基础上，从多个维度对裂缝进行量化评估，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，还原真实场景下目标岩石裂缝的相互作用，客观量化地确定出裂缝对目标岩石的影响因素，进而准确确定出目标岩石的网络连通指数。另外，该方法中的网络连通指数确定方式步骤分明，适应于部署在各种移动式计算机设备上，对裂缝岩石图像随时随地进行分析，能够对裂隙岩体的地质不连续面网络连通程度进行科学、客观、精准且高效的评价。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中计算机设备的内部结构图；

图2为一个实施例中岩桥与裂缝的结构示意图

图3为一个实施例中岩体结构网络连通指数确定方法的流程示意图；

图4为一个实施例中岩石物理参数获取步骤的流程示意图；

图5为一个实施例中裂缝迹线骨架图像获取步骤的流程示意图；

图6为另一个实施例中岩石物理参数获取步骤的流程示意图；

图7为另一个实施例中岩石物理参数获取步骤的流程示意图；

图8为一个实施例中迹线识别步骤的流程示意图；

图9为另一个实施例中岩石物理参数获取步骤的流程示意图；

图10为一个实施例中岩石物理参数修正步骤的流程示意图；

图11为另一个实施例中岩体结构网络连通指数确定方法的流程示意图；

图12为另一个实施例中岩体结构网络连通指数确定方法的流程示意图；

图13为一个实施例中裂缝岩石图像的可视化示意图；

图14为一个实施例中二值化裂缝岩石图像的可视化示意图；

图15为一个实施例中裂缝迹线骨架图像的可视化示意图；

图16为一个实施例中连通分量图的可视化示意图；

图17为一个实施例中端点搜索图的可视化示意图；

图18为一个实施例中裂缝岩石图像处理步骤的可视化示意图；

图19为另一个实施例中裂缝岩石图像处理步骤的可视化示意图；

图20为另一个实施例中裂缝岩石图像处理步骤的可视化示意图；

图21为另一个实施例中裂缝岩石图像处理步骤的可视化示意图；

图22为另一个实施例中裂缝岩石图像处理步骤的可视化示意图；

图23为一个实施例中岩体结构网络连通指数确定装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的网络连通指数确定方法，可以应用于图像处理软件，图像处理软件可以部署在计算机设备上，该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用于计算岩体结构网络连通指数的数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种岩体结构网络连通指数确定方法。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在岩体工程技术领域，岩桥为隔开地质不连续面的未受损岩石部分，其形成与否取决于岩体内部裂隙网络的连通性和岩石本身的物理特性，岩桥的概念也一直是岩体稳定性研究的核心。

请参见图2，图2为岩桥与裂缝的结构示意图，根据地质裂缝之间的潜在的连接路径，可分为正岩桥和负岩桥，正岩桥的存在将促进岩质边坡的顺坡滑动，而负岩桥的存在将会有效维持岩质边坡的稳定性。在此基础上，相关技术通过网络连通指数(NetworkConnectivity Index，NCI)量化正岩桥对岩体强度的影响程度，对岩体稳定性进行评估，网络连通指数越大，正岩桥对岩体强度的影响程度越大，岩体也就越不稳定。

在实际场景中，为全面理解地质不连续面对岩体力学强度的影响，通常需要进行大量的现场原位试验和室内试验来收集和校准地质参数，这对于及时预警裂隙岩体的长期稳定性和岩桥对岩体的潜在破坏行为构成了巨大挑战。

鉴于岩质危岩体稳定性的不确定性和高风险特点，迫切需要一种为危岩体稳定性评估和支护设计提供有价值的参考方案，不仅能够快速估计潜在岩桥的风险性和岩体的长期稳定性，还能够在降低人力、物理和时间成本方面提供有效解决方案。

随着计算机视觉模型和图像处理技术的迅猛发展，基于图像数据的识别、测量和参数化已成为一种重要的非接触式监测手段。机器视觉系统以其快速响应、大信息量、高精度和无损检测的特点，显著降低了时间、人力和财力成本，成为提升岩体安全性评估效率的关键技术。利用计算机视觉模型智能识别天然岩质边坡的离散裂隙网络，并通过图像处理技术获取地质不连续面的形态学参数，可以为岩体质量评估提供快速而有效的参考数据。

基于此，提出将离散裂隙网络模型与地质力学模型相结合的综合岩体建模方法，在岩体稳定性分析中通过揭示潜在的力学失效路径，提供与岩体结构特征直接相关的岩体强度的定量评估。通过综合考虑裂缝的强度、密度、长度和张开度等地质参数，离散裂隙网络分析能够在岩体分类系统的框架内进行，从而提供一个量化的描述岩体不连续性的方法，即通过地质不连续面网络连通指数来实现。这种方法不仅考虑了预先存在的地质裂缝，也考虑了岩石的完整部分，从结构和力学两个层面描述岩体的自然破裂和联锁程度，进而阐释岩桥在裂隙岩体稳定性中的控制作用。

下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

在一个示例性的实施例中，如图3所示，提供了一种岩体结构网络连通指数确定方法，以该方法应用于图1中的计算机设备为例进行说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本申请实施例中，该方法包括以下步骤：

S301，对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像。

计算机设备与图像采集设备远程通信连接，计算机设备接收图像采集设备发送的目标岩石的图像，并将目标岩石的图像输入至裂缝识别模型中，通过裂缝识别模型对目标岩石图像中的裂缝区域进行识别，得到目标岩石的至少一张裂缝岩石图像。

其中，图像采集设备可以是摄像机、无人机摄像系统、地面摄影测量装置、监控系统或其他具有图像采集功能的设备。

在另一种场景中，计算机设备除了可以远程接收图像采集设备拍摄的目标岩石的图像之外，还可以远程控制图像采集设备进行移动，并控制图像采集设备采集目标岩石的裂缝岩石图像。

例如，计算机设备与图像采集设备共享拍摄视角，计算机设备在识别到目标岩石的裂缝的情况下，控制图像采集设备拍摄裂缝岩石图像并将其发送至计算机设备。相应的，计算机设备通过控制图像采集设备进行拍摄，直接获取图像采集设备发送的裂缝岩石图像。

S302，根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度。

其中，面裂缝密度为目标岩石单位面积的平均裂缝数量；面裂缝强度为目标岩石单位面积的平均裂缝长度；面裂缝相交密度为目标岩石单位面积内相交裂缝的数量。需要说明的是，面裂缝密度、面裂缝强度和面裂缝相交密度均为实际场景下的数值，具有实际物理含义的量纲。

将裂缝岩石图像并列输入至面裂缝密度识别模型、面裂缝强度识别模型和面裂缝相交密度识别模型，得到面裂缝密度识别模型输出的面裂缝密度，面裂缝强度识别模型输出的面裂缝强度，面裂缝相交密度识别模型输出的面裂缝相交密度。当然，也可以通过一个混合模型对裂缝岩石图像进行识别，直接输出目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，对此，本申请实施例不作限制。

S303，基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。

将面裂缝密度、面裂缝强度和面裂缝相交密度作为自变量，网络连通指数为因变量，根据面裂缝密度、面裂缝强度和面裂缝相交密度与网络连通指数的逻辑计算公式，获取目标岩石的网络连通指数。

本申请实施例中，网络连通指数NCI的计算公式如下所示：

NCI＝I₂₀×P₂₁/P₂₀ (1)

上式中，I₂₀为面裂缝相交密度，P₂₁为面裂缝强度，P₂₀为面裂缝密度。

本申请实施例中，通过对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像，然后根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，最后基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。该方法中，考虑到目标岩石中存在裂缝带来的潜在风险，基于对目标岩石识别得到的裂缝岩石图像，对目标岩石进行分析，进而确定网络连通指数，相当于是一种非接触式的测量方式，相较于传统方案中人工测量的方式而言，危险系数更低。并且，在获取裂缝岩石图像的基础上，从多个维度对裂缝进行量化评估，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，还原真实场景下目标岩石裂缝的相互作用，客观量化地确定出裂缝对目标岩石的影响因素，进而准确确定出目标岩石的网络连通指数。另外，该方法中的网络连通指数确定方式步骤分明，适应于部署在各种移动式计算机设备上，对裂缝岩石图像随时随地进行分析，能够对裂隙岩体的地质不连续面网络连通程度进行科学、客观、精准且高效的评价。

在获取裂缝岩石图像的基础上，有多种获取目标岩石的裂缝参数的方式，比如前述实施例中基于一个或多个模型对裂缝岩石图像进行分析得到。然而，考虑到裂缝岩石图像存在色差或者裂缝不清晰等因素，有必要对裂缝岩石图像进行修正，以提升面裂缝密度、面裂缝强度和面裂缝相交密度的准确性。

则在一个示例性的实施例中，如图4所示，根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，包括：

S401，根据裂缝岩石图像，获取目标岩石的裂缝迹线骨架图像。

按照预设步长，将预设的滤波核在裂缝岩石图像上进行滑动处理，实现对裂缝岩石图像的降噪，得到目标岩石的裂缝迹线骨架图像。在这种情况下，由于裂缝迹线骨架图像为消除噪声处理后的裂缝岩石图像，使得裂缝迹线骨架图像中的裂缝更清晰，便于后续对裂缝迹线骨架图中的裂缝数量进行统计。

S402，获取裂缝迹线骨架图像中图像尺寸与实际尺寸之间的比例参数。

其中，比例参数是指裂缝迹线骨架图像中图像长度与实际长度之间的比例值，单位是像素每米，由于裂缝迹线骨架图像是根据裂缝岩石图像处理得到的，比例参数也是裂缝岩石图像中图像长度与实际长度之间的比例值。

在拍摄目标岩石图像或者裂缝岩石图像时，由于裂缝的长度复杂性等差异，需要适应性调整拍摄设备的镜头焦距，以获取更清晰的目标岩石图像或者裂缝岩石图像。

S403，基于裂缝迹线骨架图像和比例参数，确定面裂缝密度、面裂缝强度和面裂缝相交密度。

通过比例参数对裂缝迹线骨架图像进行渲染，获取实际场景下的裂缝的真实长度、裂缝总数量、相交裂缝的数量、裂缝岩石区域的真实面积，并以上述参数为依据，计算面裂缝密度、面裂缝强度和面裂缝相交密度。

本申请实施例中，以裂缝迹线骨架图像为依据，通过比例参数对其进行渲染，还原真实场景下目标岩石的裂缝之间的相互作用，客观准确地获取目标岩石中与裂缝相关的面裂缝密度、面裂缝强度和面裂缝相交密度参数。

下面通过一个实施例，对前述实施例中S401中获取裂缝迹线骨架图像的另一种实现方式进行说明。则在一个示例性的实施例中，如图5所示，根据裂缝岩石图像，获取目标岩石的裂缝迹线骨架图像，包括：

S501，将裂缝岩石图像输入至图像识别模型，得到二值化裂缝岩石图像。

图像识别模型可以为深度学习计算机视觉模型框架，比如Unet模型。另外，本申请实施例中的图像识别模型采用Inception ResnetV2编码器，结合尺度杂交模块，加强图像识别模型对多尺度线状裂缝结构进行识别的精度和鲁棒性。

以图像识别模型为Unet模型为例，通过Unet模型对裂缝岩石图像中的裂缝区域进行识别，输出二值化裂缝岩石图像。

在二值化裂缝岩石图像中，像素值255表征裂缝结构，在二值化裂缝岩石图像中呈现白色，像素值0表征目标岩石的背景，在二值化裂缝岩石图像中呈现黑色。

S502，对二值化裂缝岩石图像进行灰度化处理，得到灰度图像。

其中，二值化裂缝岩石图像为红绿蓝(Red Green Blue，RGB)三通道图像，为了进一步改善二值化裂缝岩石图像的质量，使二值化裂缝岩石图像能够显示裂缝更多的细节，提高二值化裂缝岩石图像的对比度，对二值化裂缝岩石图像进行灰度化处理，得到灰度图像。

在灰度图像中，像素值1表征裂缝结构，在灰度图像中呈现白色，像素值0表征目标岩石的背景，在灰度图像中呈现黑色。

S503，对灰度图像进行腐蚀处理，得到裂缝迹线骨架图像。

采用图像形态学处理算法，设置图像腐蚀次数以及腐蚀结构元素，对灰度图像进行腐蚀处理，得到裂缝宽度为一个像素的裂缝迹线骨架图像。

本申请实施例中，通过对裂缝岩石图像依次进行二值化、灰度化和形态学腐蚀处理，提升裂缝岩石图像中前景(裂缝)和背景(噪声)之间的对比度，这样处理得到的裂缝迹线骨架图像能够更清晰明确地表征裂缝岩石图像中裂缝结构的细节，以便于获取更准确的裂缝参数。

下面通过一个实施例，对前述实施例中S403中面裂缝密度、面裂缝强度和面裂缝相交密度的获取方式作进一步进行说明。则在一个示例性的实施例中，如图6所示，基于裂缝迹线骨架图像和比例参数，确定面裂缝密度、面裂缝强度和面裂缝相交密度，包括：

S601，根据比例参数，确定裂缝迹线骨架图像的物理面积和裂缝长度。

以裂缝迹线骨架图像的比例参数是PPM为例，PPM的单位是像素每米，也就是一个小于1的数值；若图像高度为H，图像宽度为W，则裂缝迹线骨架图像的物理高度H_s的表达式如下式所示：

裂缝迹线骨架图像的物理高度W_s的表达式如下式所示：

裂缝迹线骨架图像的物理面积Area的表达式如下式所示：

Area＝H_s×W_s (4)

裂缝迹线骨架图像的裂缝长度L_f的表达式如下式所示：

上述表达式中，M_f为裂缝迹线骨架图像中裂缝占据的像素点数。

S602，根据裂缝长度和物理面积确定面裂缝强度、根据物理面积和裂缝迹线骨架图像中的裂缝数量确定面裂缝密度；以及，根据物理面积和迹线骨架图像中的相交裂缝数量确定面裂缝相交密度。

在获取裂缝迹线骨架图像中裂缝数量以及相交裂缝数量的情况下，可以将裂缝长度与物理面积的比值确定为面裂缝强度；将裂缝数量与物理面积的比值确定为面裂缝密度；将相交裂缝数量与物理面积的比值确定为面裂缝相交密度。

本申请实施例中，根据比例参数，获取裂缝迹线骨架图像对应的裂缝实际尺寸以及裂缝岩石区域的实际面积，进一步确定面裂缝强度、面裂缝密度和面裂缝相交密度，这样确定的各裂缝参数的量纲与实际工程领域的量纲相统一，便于测试人员在测试过程中对各个参数进行读取。

裂缝迹线骨架图像为基于裂缝岩石图像进行二值化、灰度化以及腐蚀化等一系列图像处理方式得到的，这样的处理过程虽然能够增强裂缝迹线骨架图像中裂缝与噪声的对比性，但是也在一定程度上损失了裂缝的实际宽度，尤其是多次腐蚀处理，可能会将一条裂缝腐蚀为两条甚至多条裂缝，这样获取的裂缝数量显然也是不准确的，那么根据裂缝数量获取的面裂缝密度也是不准确的。下面通过一个实施例，对面确定裂缝密度的另一种可实现方式进行说明。

在一个示例性的实施例中，如图7所示，根据物理面积和裂缝迹线骨架图像中的裂缝数量确定面裂缝密度，包括：

S701，获取裂缝岩石图像的连通分量图。

基于裂缝岩石图像的裂缝迹线骨架图像，采用8邻域搜索算法，以非图像边界上任一点为中心，周边8个邻域像素方格作为搜索目标，寻找像素值为1，的区域，以此得到连通的完整迹线，得到连通分量图。

请参见图8，图8为8邻域搜索算法获取裂缝迹线的示意图。图8所示的九个像素点中，将像素值为1的像素点进行连接，构建一条迹线。

为了更清楚地对比连通分量图中所示裂缝与裂缝迹线骨架图像中所示裂缝，可以对连通分量图进行反色处理，反色处理后的连通分量图中裂缝呈现黑色，背景呈现白色。进一步地，可以将连通分量图中不同的裂缝进行随机色彩填充，获取背景为白色，不同裂缝为不同颜色的连通分量图。

S702，根据连通分量图中的裂缝组数，对裂缝数量进行修正。

其中，裂缝数量为计算机设备基于裂缝迹线骨架图像统计得到的，记作N_f；裂缝组数计算机设备基于连通分量图中连通区域进行统计得到的，记作N_c。

本申请实施例，通过对比裂缝迹线骨架图像中裂缝数量(N_f)和连通分量图中连通裂缝数量(N_c)，对裂缝迹线骨架图像中裂缝数量(N_f)进行修正。可分为以下三种情况：

(1)N_f与N_c相等，意味着裂缝迹线骨架图像中的裂缝没有粘连情况，也就无需进行裂缝数量修正，则将N_f或者N_c确定为修正后的裂缝数量。

(2)N_f小于N_c，意味着裂缝迹线骨架图像中存在部分过于细小的裂缝在图像处理过程中被腐蚀掉了，导致部分裂缝出现漏检，则将连通裂缝数量N_c确定为修正后的裂缝数量。

(3)N_f大于N_c，意味着裂缝迹线骨架图像中存在多条裂缝是由一条真实裂缝多次腐蚀分解的，导致裂缝迹线骨架图像中裂缝数量N_f虚高，则将连通裂缝数量N_c确定为修正后的裂缝数量。在另一种场景中，也可以通过判断连通分量图中满足预设条件的粘连裂缝数量，并从裂缝数量中减去粘连裂缝数量再加1，得到修正后的裂缝数量。其中，预设条件为：连通分量图中存在两条裂缝之间相离较近，并且在一条连通分量。比如粘连裂缝数量为x，则修正后的裂缝数量为：N_f-x+1。

S703，将修正后的裂缝数量与物理面积的比值确定为面裂缝密度。

本申请实施例中，根据连通分量图中的裂缝组数，对根据裂缝迹线骨架图像得到的裂缝数量进行修正，避免裂缝迹线骨架图像中出现裂缝数量漏统计、误统计的情况，提升裂缝数量的准确性，进而提升基于裂缝数量计算面裂缝密度的准确性。

在统计裂缝岩石图像中的裂缝时，可能会出现裂缝岩石图像不是规则的矩形、裂缝岩石图像中的裂缝可能并不完整等因素，导致相交裂缝数量出现漏检，进而使得面裂缝相交密度的准确性较低，以此得到的网络连通指数准确性较低。基于此，下面通过一个实施例，对网络连通指数的获取方式进行说明。

在一个示例性的实施例中，如图9所示，基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数，包括：

S901，获取裂缝岩石图像的边界裂缝判据参数。

其中，边界裂缝判据参数包括裂缝岩石图像的上边界裂缝端点数量X_t、下边界裂缝端点数量X_b、左边界裂缝端点数量X_l和右边界裂缝端点数量X_r。

S902，根据边界裂缝判据参数，对面裂缝相交密度进行修正。

在一个示例性的实施例中，如图10所示，根据边界裂缝判据参数，对面裂缝相交密度进行修正，包括：

S1001，根据上边界裂缝端点数量、下边界裂缝端点数量和裂缝岩石图像高度长度比例，确定上下边界裂缝数；以及，根据左边界裂缝端点数量、右边界裂缝端点数量和裂缝岩石图像的长度高度比例，确定左右边界裂缝数。

上下边界裂缝数的表达式为：H_s(X_t+X_b)/W_s，其中H_s为裂缝岩石物理高度，W_s为裂缝岩石物理宽度，X_t为裂缝岩石图像的上边界裂缝端点数量，X_b为裂缝岩石图像的下边界裂缝端点数量。

左右边界裂缝数的表达式为：W_s(X_l+X_r)/H_s，其中H_s为裂缝岩石物理高度，W_s为裂缝岩石物理宽度，X_l为裂缝岩石图像的左边界裂缝端点数量，X_r为裂缝岩石图像的右边界裂缝端点数量。

S1002，将上下边界裂缝数和左右边界裂缝数之和与裂缝岩石图像的物理面积的比值，确定为面裂缝相交密度的补偿密度。

面裂缝相交密度的补偿密度的表达式为：

上述表达式中，H_s为裂缝岩石图像的物理高度，W_s为裂缝岩石图像的物理宽度，H_sW_s为裂缝岩石图像的物理面积。

S1003，通过叠加补偿密度和面裂缝相交密度，对面裂缝相交密度进行修正。

修正后的面裂缝相交密度表达式为：

上述表达式中，为修正后的面裂缝相交密度，X_int为裂缝岩石图像非边界区域中的相交裂缝数量；X_int/(H_sW_s)为修正前的面裂缝相交密度。

本申请实施例中，考虑到统计过程中可能出现的形状效应和截尾效应，根据边界裂缝判据参数，获取边界上的裂缝相交密度，并将其叠加至面裂缝相交密度，实现对面裂缝相交密度的补偿，提升面裂缝相交密度的准确性。

S903，根据面裂缝密度、面裂缝强度和修正后的面裂缝相交密度，确定目标岩石的网络连通指数。

将面裂缝密度、面裂缝强度和修正后的面裂缝相交密度作为自变量，网络连通指数为因变量，根据面裂缝密度、面裂缝强度和修正后的面裂缝相交密度与网络连通指数的逻辑计算公式，获取目标岩石的网络连通指数。

本申请实施例中，根据边界裂缝判据参数对面裂缝相交密度进行修正，提升面裂缝相交密度的准确性，在此基础上，根据修正后的面裂缝相交密度确定的网络连通指数也就更准确。

下面通过一个实施例，对网络连通指数的确定方式作进一步说明。则在一个示例性的实施例中，如图11所示，根据面裂缝密度、面裂缝强度和修正后的面裂缝相交密度，确定目标岩石的网络连通指数，包括：

S1101，根据修正后的面裂缝相交密度和面裂缝密度，确定连通系数。

通过计算修正后的面裂缝相交密度与面裂缝密度的比值，得到连通系数。连通系数与网络连通指数呈正相关，连通系数越大，网络连通指数也就越大，对应的，目标岩石也就越不稳定。

以修正后的面裂缝相交密度为面裂缝密度为P₂₀为例，连通系数的表达式为/P₂₀。

S1102，将连通系数与面裂缝强度的乘积结果确定为目标岩石的网络连通指数。

以修正后的面裂缝相交密度为面裂缝密度为P₂₀、面裂缝强度例为P₂₁，网络连通指数NCI的表达式：

本申请实施例中，根据修正后的面裂缝相交密度和面裂缝密度，评估目标岩石的连通系数，然后根据连通系数与面裂缝强度的乘积结果，得到目标岩石的网络连通指数，以客观准确地对目标岩石的稳定性进行评估。

在一个示例性的实施例，如图12所示，提供了一种岩体结构网络连通指数确定方法，该方法包括：

S1201，对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像。

请参见图13，图13为裂缝岩石图像的可视化示意图，在实际应用中，裂缝岩石图像为RGB三通道图像。

可选的，采用Matlab图像处理软件编写网络连通指数确定方法的代码文件，在运行代码文件时，计算代码和图像数据在相同的路径中，以便于常使用定义函数正。数据读取时采用Matlab默认的imread()函数。

S1202，将裂缝岩石图像输入至图像识别模型，得到二值化裂缝岩石图像。

请参见图14，图14为二值化裂缝岩石图像的可视化示意图，在实际应用中，二值化裂缝岩石图像为RGB三通道图像，像素值255表征裂缝结构，呈现白色，像素0表征岩石背景，呈现黑色。

可选的，采用Matlab图像处理软件进行二值化处理，使用imbinarize()函数将三通道图像数据转化为单通道二值化图像，其中方法参数设定为“global”。

S1203，对二值化裂缝岩石图像进行灰度化处理，得到灰度图像。

可选的，采用Matlab图像处理软件进行灰度化处理，使用Matlab自带的rgb2gray()函数处理识别二值化裂缝岩石图像，得到灰度图像。

S1204，对灰度图像进行腐蚀处理，得到裂缝迹线骨架图像。

请参见图15，图15为裂缝迹线骨架图像的可视化示意图，在实际应用中，裂缝迹线骨架图像为单通道图像，像素值1表征裂缝结构，呈现白色，像素0表征岩石背景，呈现黑色。

可选的，采用Matlab图像处理软件进行腐蚀化处理，使用Matlab自带的bwmorph()函数实现，设定方法参数为“thin”，腐蚀次数为40。

S1205，获取裂缝迹线骨架图像中图像尺寸与实际尺寸之间的比例参数。

S1206，根据比例参数，确定裂缝迹线骨架图像的物理面积和裂缝长度。

S1207，获取裂缝岩石图像的连通分量图；根据连通分量图中的裂缝组数，对裂缝数量进行修正；将修正后的裂缝数量与物理面积的比值确定为面裂缝密度。

请参见图16，图16为连通分量图的可视化示意图，在实际应用中，连通分量图中的不同裂缝随机填充不同的颜色，岩石背景为白色。

并且，在对连通分量图中裂缝组数进行统计时，遍历连通分量图像边界上全部像素点进行端点搜索，如图17所示，图17为端点搜索图的可视化示意图；若连通的迹线中只包含一条裂缝，那么将该裂缝的端点设置为圆形；若连通的迹线中存在两条裂缝且相接，将两条裂缝的相接点设置为十字形；若连通的迹线中存在两条边且相交，将两条裂缝的交点设置为五角星形。

可选的，采用Matlab图像处理软件进行来连通区域识别和处理，提取裂隙网络结构的连通分量图采用bwlabel()函数实现，采用函数label2rgb()统计连通分量的个数并对其编号。

S1208，根据物理面积和裂缝迹线骨架图像中的裂缝数量确定面裂缝密度；以及，根据物理面积和迹线骨架图像中的相交裂缝数量确定面裂缝相交密度。

S1209，获取裂缝岩石图像的边界裂缝判据参数。

其中，边界裂缝判据参数包括上边界裂缝端点数量、下边界裂缝端点数量、左边界裂缝端点数量和右边界裂缝端点数量。

S1210，根据上边界裂缝端点数量、下边界裂缝端点数量和裂缝岩石图像高度长度比例，确定上下边界裂缝数；以及，根据左边界裂缝端点数量、右边界裂缝端点数量和裂缝岩石图像的长度高度比例，确定左右边界裂缝数。

S1211，将上下边界裂缝数和左右边界裂缝数之和与裂缝岩石图像的物理面积的比值，确定为面裂缝相交密度的补偿密度。

S1212，通过叠加补偿密度和面裂缝相交密度，对面裂缝相交密度进行修正。

S1213，根据修正后的面裂缝相交密度和面裂缝密度，确定连通系数。

S1214，将连通系数与面裂缝强度的乘积结果确定为目标岩石的网络连通指数。

本申请实施例中，通过对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像，然后根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，最后基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。该方法中，考虑到目标岩石中存在裂缝带来的潜在风险，基于对目标岩石识别得到的裂缝岩石图像，对目标岩石进行分析，进而确定网络连通指数，相当于是一种非接触式的测量方式，相较于传统方案中人工测量的方式而言，危险系数更低。并且，在获取裂缝岩石图像的基础上，从多个维度对裂缝进行量化评估，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，还原真实场景下目标岩石裂缝的相互作用，客观量化地确定出裂缝对目标岩石的影响因素，进而准确确定出目标岩石的网络连通指数。另外，该方法中的网络连通指数确定方式步骤分明，适应于部署在各种移动式计算机设备上，对裂缝岩石图像随时随地进行分析，能够对裂隙岩体的地质不连续面网络连通程度进行科学、客观、精准且高效的评价。

为进一步验证本申请实施例提供的网络连通指数确定方法，在地理位置为36.26516804°N，116.94287360°E，海拔210m的研究区进行岩石采样，并采用网络连通指数确定方法进行处理。该研究区岩性主要为晚中生代闪长岩和太古宙花岗片麻岩，多为高陡岩质边坡，地质露头风化强烈，剥蚀明显，岩体表面分布大量次生风化裂隙，岩体整体呈块状结构，构造作用极其复杂，岩体表面分布有大量节理、裂隙和断层，并且水文地质条件较好，可见多处裂隙水露头与藻类。

本申请实施例中，共对比了五处裂缝岩石图像，如图18至图22所示，对于图18至图22所示的任一组图像：(a)为裂缝岩石图像；(b)为二值化裂缝岩石图像；(c)是基于统计窗口二值识别结果的连通分量图；(d)经过图像形态学算法处理后的裂缝迹线骨架图像与端点搜索图的叠加图。经过图像处理后得到的裂缝统计参数和网络连通指数如表1所示。表1为五处岩石的物理参数统计结果。

表1

本申请实施例中，基于计算机视觉模型识别得到的迹线网络能够最大限度还原实际场地中真实裂隙网络的相互作用形式，不同于基于简化的迹线网络模型从线、面、体的角度统计裂缝的条数和长度构成的裂缝评价体系，在一定程度上降低了手动处理数据带来的工作量和主观性，为评价裂隙岩体的地质不连续面网络连通程度提供了一种科学、客观、精准且高效的方法。

综上，本申请实施例提出的岩体结构网络连通指数确定方法，利用裂缝岩石的图像数据，能够迅速、准确地评估网络连通指数和其他关键裂缝统计参数，这种非接触式、快速获取裂缝面密度(P₂₀)、面强度(P₂₁)和面相交密度(I₂₀)的方式，显著减少了岩体工程现场地质裂缝统计测量的工作量。另外，通过计算修正后的面裂缝相交密度，得到地质不连续面网络连通指数(NCI)，提高了地质不连续面统计测量的时效性，避免了因长时间疲劳作业而产生的人为错误，以及统计过程中由截尾效应和形状效应产生的测量误差，在提高工作效率的同时，确保了数据的实时性和裂缝识别的准确性，减少了现场工作风险。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的网络连通指数确定方法的网络连通指数确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个网络连通指数确定装置实施例中的具体限定可以参见上文中对于网络连通指数确定方法的限定，在此不再赘述。

在一个示例性的实施例中，如图23所示，提供了一种岩体结构网络连通指数确定装置，包括：裂缝识别模块2301、参数确定模块2302和指数计算模块2303，其中：

裂缝识别模块2301，用于对目标岩石中裂缝进行识别，获得目标岩石的裂缝岩石图像；

参数确定模块2302，用于根据裂缝岩石图像，确定目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度；

指数计算模块2303，用于基于面裂缝密度、面裂缝强度和面裂缝相交密度，确定目标岩石的网络连通指数。

在一个示例性的实施例中，参数确定模块2302，包括迹线获取单元、比例获取单元和参数确定单元，其中：

迹线获取单元，用于根据裂缝岩石图像，获取目标岩石的裂缝迹线骨架图像；

比例获取单元，用于获取裂缝迹线骨架图像中图像尺寸与实际尺寸之间的比例参数；

参数确定单元，用于基于裂缝迹线骨架图像和比例参数，确定面裂缝密度、面裂缝强度和面裂缝相交密度。

在一个示例性的实施例中，迹线获取单元，包括二值化处理子单元、灰度化处理子单元和腐蚀子单元，其中：

二值化处理子单元，用于将裂缝岩石图像输入至图像识别模型，得到二值化裂缝岩石图像；

灰度化处理子单元，用于对二值化裂缝岩石图像进行灰度化处理，得到灰度图像；

腐蚀子单元，用于对灰度图像进行腐蚀处理，得到裂缝迹线骨架图像。

在一个示例性的实施例中，参数确定单元包括第一获取子单元和第二获取子单元，其中：

第一获取子单元，用于根据比例参数，确定裂缝迹线骨架图像的物理面积和裂缝长度；

第二获取子单元，用于根据裂缝长度和物理面积确定面裂缝强度、根据物理面积和裂缝迹线骨架图像中的裂缝数量确定面裂缝密度；以及，根据物理面积和迹线骨架图像中的相交裂缝数量确定面裂缝相交密度。

在一个示例性的实施例中，第二获取子单元，还用于获取裂缝岩石图像的连通分量图；根据连通分量图中的裂缝组数，对裂缝数量进行修正；将修正后的裂缝数量与物理面积的比值确定为面裂缝密度。

在一个示例性的实施例中，指数计算模块2303，包括判据获取单元、密度修正单元和指数获取单元，其中：

判据获取单元，用于获取裂缝岩石图像的边界裂缝判据参数；

密度修正单元，用于根据边界裂缝判据参数，对面裂缝相交密度进行修正；

指数获取单元，用于根据面裂缝密度、面裂缝强度和修正后的面裂缝相交密度，确定目标岩石的网络连通指数。

在一个示例性的实施例中，密度修正单元，包括第一确定子单元、第二确定子单元和密度叠加子单元，其中：

第一确定子单元，用于根据上边界裂缝端点数量、下边界裂缝端点数量和裂缝岩石图像高度长度比例，确定上下边界裂缝数；以及，根据左边界裂缝端点数量、右边界裂缝端点数量和裂缝岩石图像的长度高度比例，确定左右边界裂缝数；

第二确定子单元，用于将上下边界裂缝数和左右边界裂缝数之和与裂缝岩石图像的物理面积的比值，确定为面裂缝相交密度的补偿密度；

密度叠加子单元，用于通过叠加补偿密度和面裂缝相交密度，对面裂缝相交密度进行修正。

在一个示例性的实施例中，指数获取单元，包括系数确定子单元和连通计算子单元，其中：

系数确定子单元，用于根据修正后的面裂缝相交密度和面裂缝密度，确定连通系数；

连通计算子单元，用于将连通系数与面裂缝强度的乘积结果确定为目标岩石的网络连通指数。

上述岩体结构网络连通指数确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个示例性的实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个示例性的实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种岩体结构网络连通指数确定方法，其特征在于，所述方法包括：

对目标岩石中裂缝进行识别，获得所述目标岩石的裂缝岩石图像；

根据所述裂缝岩石图像，确定所述目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度；

基于所述面裂缝密度、所述面裂缝强度和所述面裂缝相交密度，确定所述目标岩石的网络连通指数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述裂缝岩石图像，确定所述目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度，包括：

根据所述裂缝岩石图像，获取所述目标岩石的裂缝迹线骨架图像；

获取所述裂缝迹线骨架图像中图像尺寸与实际尺寸之间的比例参数；

基于所述裂缝迹线骨架图像和所述比例参数，确定所述面裂缝密度、所述面裂缝强度和所述面裂缝相交密度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述裂缝岩石图像，获取所述目标岩石的裂缝迹线骨架图像，包括：

将所述裂缝岩石图像输入至图像识别模型，得到二值化裂缝岩石图像；

对所述二值化裂缝岩石图像进行灰度化处理，得到所述灰度图像；

对所述灰度图像进行腐蚀处理，得到所述裂缝迹线骨架图像。

4.根据权利要求2所述的方法，其特征在于，所述基于所述裂缝迹线骨架图像和所述比例参数，确定所述面裂缝密度、所述面裂缝强度和所述面裂缝相交密度，包括：

根据所述比例参数，确定所述裂缝迹线骨架图像的物理面积和裂缝长度；

根据所述裂缝长度和所述物理面积确定所述面裂缝强度、根据所述物理面积和所述裂缝迹线骨架图像中的裂缝数量确定所述面裂缝密度；以及，根据所述物理面积和所述迹线骨架图像中的相交裂缝数量确定所述面裂缝相交密度。

5.根据权利要求4所述的方法，其特征在于，所述根据所述物理面积和所述裂缝迹线骨架图像中的裂缝数量确定所述面裂缝密度，包括：

获取所述裂缝岩石图像的连通分量图；

根据所述连通分量图中的裂缝组数，对所述裂缝数量进行修正；

将修正后的裂缝数量与所述物理面积的比值确定为所述面裂缝密度。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述面裂缝密度、所述面裂缝强度和所述面裂缝相交密度，确定所述目标岩石的网络连通指数，包括：

获取所述裂缝岩石图像的边界裂缝判据参数；

根据所述边界裂缝判据参数，对所述面裂缝相交密度进行修正；

根据所述面裂缝密度、所述面裂缝强度和修正后的所述面裂缝相交密度，确定所述目标岩石的网络连通指数。

7.根据权利要求6所述的方法，其特征在于，所述边界裂缝判据参数包括上边界裂缝端点数量、下边界裂缝端点数量、左边界裂缝端点数量和右边界裂缝端点数量；所述根据所述边界裂缝判据参数，对所述面裂缝相交密度进行修正，包括：

根据所述上边界裂缝端点数量、所述下边界裂缝端点数量和所述裂缝岩石图像高度长度比例，确定上下边界裂缝数；以及，根据所述左边界裂缝端点数量、所述右边界裂缝端点数量和所述裂缝岩石图像的长度高度比例，确定左右边界裂缝数；

将所述上下边界裂缝数和所述左右边界裂缝数之和与所述裂缝岩石图像的物理面积的比值，确定为所述面裂缝相交密度的补偿密度；

通过叠加所述补偿密度和所述面裂缝相交密度，对所述面裂缝相交密度进行修正。

8.根据权利要求6所述的方法，其特征在于，所述根据所述面裂缝密度、所述面裂缝强度和修正后的所述面裂缝相交密度，确定所述目标岩石的网络连通指数，包括：

根据所述修正后的所述面裂缝相交密度和所述面裂缝密度，确定连通系数；

将所述连通系数与所述面裂缝强度的乘积结果确定为所述目标岩石的网络连通指数。

9.一种岩体结构网络连通指数确定装置，其特征在于，所述装置包括：

裂缝识别模块，用于对目标岩石中裂缝进行识别，获得所述目标岩石的裂缝岩石图像；

参数确定模块，用于根据所述裂缝岩石图像，确定所述目标岩石的面裂缝密度、面裂缝强度和面裂缝相交密度；

指数计算模块，用于基于所述面裂缝密度、所述面裂缝强度和所述面裂缝相交密度，确定所述目标岩石的网络连通指数。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。