针对岩石（体）表面复杂节理网中关键节理的智能识别与参数提取问题，提出一种基于AttentionR2U-net网络与节理几何特征模型耦合识别的方法.在R2U-net网络的基础上引入注意门（attention gate）改进网络，通过定性与定量的方法对边坡节理图像和混凝土、龟裂土、常见脆性岩石裂隙图像的识别结果分别作准确性及泛化能力检验；利用AttentionR2U-net网络耦合节理几何特征的方法识别关键节理，提取原始节理和关键节理的几何参数并对其迹长、面积及倾角作差异性分析.研究结果表明：针对岩石（体）节理识别，本文算法的Dice相似系数从U-net网络的0.965提升至0.990，且明显优于传统算法，故本文算法在岩石（体）节理识别上具有更强的可靠性与优越性；针对混凝土、龟裂土和大理岩、花岗岩、砂岩等脆性岩石裂隙的识别，本文算法的Dice相似系数均在0.953以上，故本文算法具有较强的泛化能力.与原始节理网络相比，关键节理网络优势迹长由0.732 m显著增大至1.835 m，节理倾角分布形式和优势倾角组均不变，优势迹长和倾角的节理占比均显著增大.