本文主要以我国西北某地核废料填埋实验室场址岩体花岗岩裂隙作为研究目标,通过现场实拍山体岩石露头照片,根据改进神经网络算法,经图像识别像素化实例分割分析,将岩体露头的裂隙所在位置进行粗识别,获取裂隙大概位置后,再通过计算机机器视觉处理技术进行细处理,获得裂隙精确位置,为后续裂隙花岗岩体的三维建模奠定了基础。研究工作及成果归纳如下:（1）基于现有语义分割网络框架Deeplab V3+,在其编码器网络模块中添加混合域神经网络注意力机制,建立ADeeplab网络框架,相比于原网络框架获得了更好的识别性能,且具有更好的识别目标专注度,可以将岩体露头图像中不常出现的干扰物体进行有效的排除。（2）通过利用单反相机对现场岩石露头进行拍摄,将拍摄回的较大分辨率图片等分为16张小分辨率照片,并对露头照片进行裂隙标注,制作训练集及验证集。并利用ADeeplab神经网络模型对标注好的训练集进行训练,得出裂隙的大概位置,同时建立数据增广模块,扩大训练集量,获得岩体裂隙大概位置的掩膜图像。（3）为更精细的确认裂隙的具体位置并重构裂隙,提出一种基于机器视觉的裂隙提取算法,算法采用对裂隙掩膜识别图直接骨架提取的方法,之后对提取骨架进行优化,提出基于交并比评分淘汰制的骨架剪除算法,从而完成剪除骨架图虚假分支任务,只保留大块的正确分支,大块的正确分支可以大致描述出露头裂隙的具体情况。（4）提取裂隙骨架图的关键点,关键点提取要求为骨架图的裂隙端点,裂隙交点及裂隙关键拐点等,并对其分类方便后续重构及合并裂隙。之后通过对骨架图中裂隙关键点两两边缘提取,判断关键点两两连接情况,依据结果重构裂隙图,输出两两组合的裂隙关键点坐标,并可成功复现原图裂隙的走向。（5）根据之前步骤中获得的两两相连的裂隙走向及斜率等特征,提出夹角斜率法将之前步骤中两两相连的裂隙合并,输出长裂隙的坐标,同时封装程序,建立智能裂隙识别系统,为以后的三维建模分析奠定了基础。