Abstract
Развит поляризационно-оптический метод измерения напряжений на основе кольцевых фотоупругих датчиков со съемом картин изохром-изолиний цифровой камерой и их распознаванием с помощью нейронных сетей. Сделан обзор современного применения метода фотоупугости для различных задач теории прочности и анализа горного давления. В результате лабораторного эксперимента собран датасет из 15 000 изохроматических изображений. В качестве машинного алгоритма обучения использован подвид нейросети - сверточная нейронная сеть, модель Inception. Рекомендовано применение в горных выработках скважинных датчиков для непрерывного мониторинга изменения напряженного состояния массива пород и интеграция данных в цифровую модель месторождения на основе технологий IoT. The optical polarization method with ring-shaped photoelastic sensors, digital photography of isochromatic patterns and their clarification using neural networks is developed for the stress measurement in rock mass. The case-studies of the photoelasticity application in solving various problems of elasticity and rock pressure analysis are reviewed. As a result of a lab-scale experiment, a data set of 15 000 isochromatic images is collected. The machine learning algorithm was a convolutional neural network, the Inception module. The authors recommend using downhole sensors for the continuous stress monitoring in underground mines and integrating the obtained data in a digital model with the help of IoT.