（通讯员 陈钱）11月7日上午，地球科学学院2025-2026学年“求实导师学术沙龙”讲座在实验楼A418顺利举行，地球科学学院陈钱特任副教授以“岩体结构面智能表征新方法”为主题进行交流分享。

针对传统岩体结构面表征方法存在效率低、主观性强、具有安全隐患的局限，陈钱特任副教授聚焦岩体结构面智能表征新路径，系统阐述了三种创新技术方法的原理、创新点与工程应用成果，为相关领域研究与实践提供了重要参考。

人机交互方法以“实时互动+精准去噪”为核心创新点，通过人工选取结构面特征点，算法实时计算点法向量夹角并匹配阈值，实现结构面自动识别与信息提取。该方法支持参数动态调整，能有效剔除点云中的边缘噪音与冗余点，精准满足了重大工程的地质分析需求。无监督聚类方法则实现了“全程无人工干预”的自动化表征，通过点法向量计算、曲率分析、五次去噪（剔除边缘点、异常值、噪音聚类等）及平整性检测等关键步骤，基于密度峰值聚类算法完成无序点云的智能分组。深度学习方法依托PointNet++点云语义分割网络，突破了传统方法对人工特征的依赖，通过点云获取、数据标记分块、网络训练、结构面识别与参数计算的全流程闭环，高效处理海量点云数据，该方法能自动学习点云空间关系，攻克大范围、多噪声的表征难题。

报告中，陈钱特任副教授通过多个工程案例的点云数据可视化结果与产状误差分析，直观呈现了三种方法的应用效果。与会师生围绕三种方法的适用场景（人机交互适用于中等面积复杂露头、无监督聚类适用于小面积规则露头、深度学习适用于大面积复杂岩体露头）、复杂地质条件下的参数优化策略，以及工程实践中的规模化推广路径等问题展开深入探讨，现场交流氛围热烈。

此次报告兼具理论创新性与工程实用性，不仅系统梳理了岩体结构面智能表征的技术演进方向，更通过实际的工程案例验证了创新方法的可行性与可靠性，为岩体结构面表征技术的智能化升级提供了重要技术支撑与实践参考。