摘要: 水电地下厂房围岩识别是保障洞室开挖安全的关键环节，传统人工目测结合Q值、RMR指标的评定方式受人为因素影响大且效率低下。本文系统研究人工智能在水电地下厂房围岩识别中的应用方法，提出基于卷积神经网络的岩壁裂隙与节理自动提取技术，以及融合图像特征与多源监测数据的机器学习围岩分类模型。工程应用表明，人工智能围岩识别技术可显著提高分类准确性，减少过度开挖与支护失效问题，推动水电地下工程向智能化方向转型。