原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
SCIENCEACADEMY
科学课堂
工程动力地质学课程的“深度学习”
教学模式研究
李腾跃张文曹琛徐佩华韩博
吉林大学建设工程学院，吉林长春130000
【摘要】在数字化转型的大背景下，传统工程地质教学模式与产业智能化需求之间的矛盾愈发凸显。本文以
岩体结构面智能识别教学为例，构建了“数据采集—图像标注—模型训练—工程验证”四阶段深度学习教学体系。
该体系整合了无人机遥感技术、Labelme标准化标注工具及YOLOv8x-seg模型训练框架，创新了工程动力地质学课
程设计模式，通过“技术链—教学链—实践链”三链融合，实现地质工程与人工智能技术的深度融合。教学实践
表明，该模式显著提升了学生在智能解译技术领域的综合应用能力，使其能够独立完成在复杂地形下的毫米级图
像采集与航线规划，并掌握YOLOv8框架调优的核心技术，在跨场景工程验证中展现出良好的技术迁移能力。这一
教学改革为地质工程智能化转型提供了可复制的教学范式。
【关键词】工程地质教学；智能化转型；人工智能；深度学习
0引言分析的效率与准确性。
然而，工程地质教育领域却面临巨大的“技术代际鸿
在当代科技迅猛发展背景下，无人机倾斜摄影测量与沟”。国内多数高校的工程地质课程中结构面分析实验仍
计算机视觉技术持续迭代，推动岩体结构面智能识别技术[3]
普遍采用罗盘测量与手工素描方式。该传统方式不仅效
[1]
成为数字地质工程领域的前沿热点。国际工程地质协会率低下，且受人为因素干扰较大，难以契合现代工程对高
专题研讨会指出，基于深度学习的结构面解译系统已在露[4]
精度、高效率的要求。反观行业前沿，中铁建设集团有
[2]
天矿山及大型基础设施建设等项目中广泛应用。深度学限公司等大型企业以及中国地质调查局等已全面采用无人
习作为机器学习的重要分支，其通过构建多层神经网络对机+AI的岩体结构面智能分析系统。这种教学与产业实际
数据进行表征学习，能够自动从复杂数据中提取高层次特应用的严重脱节，使高校工程地质教学难以满足行业发展
征。工程实践表明，结构面解译系统的自动解译效率相较需求。
于传统人工判读可大幅提升数十倍，识别精度也达到了工鉴于此，为有效弥合教育与产业之间的差距，推动工
程应用标准，产状误差能控制在极小范围内。这一技术变程地质教育与时俱进，本文以岩体结构面智能识别教学为
革深度重构了工程地质勘察范式，极大地提升了工程地质切入点，构建了“数据采集—图像标注—模型训练—工程
基金项目：吉林大学本科教学改革研究项目（2023XZD076）；人工智能在地学课程体系优化中的应用研究（24AI067Z）
作者简介：李腾跃，讲师，主要研究方向为高陡岩质斜坡无人机视觉调查与结构面目标识别研究。
通信作者：张文，教授，主要研究方向为岩体结构精细描述、地质灾害评价分析、地质灾害监测预警研究。
视界照耀科技75
验证”的深度学习教学模式
您可能关注的文档
最近下载
- 乡村振兴、双碳、储能、绿色金融 + 关注
-
实名认证服务提供商
新能源知识科普（本账号发布文档均来源于互联网公开资料，仅用于技术分享交流，相关版权为原作者所有。如果侵犯了您的相关权利，请提出指正，我们将立即删除相关资料）。
文档评论（0）