一种隧道掌子面无纸化素描与岩体质量评价方法与流程

本发明涉及公路隧道超前地质预报领域。更具体地说，本发明涉及一种隧道掌子面无纸化素描与岩体质量评价方法。

背景技术：

1、在公路隧道工程建设中，经常遇到地质环境恶劣、施工条件较差的情况。因此隧道掌子面的地质素描分析与围岩快速评价，不仅是施工过程中地质超前预报的需要，在整个隧道建设的过程中也占有极其重要的位置。

2、当前隧道掌子面的地质素描和裂隙岩体识别方法过于传统和单一，主要依赖人工操作。我们使用基础工具如地质罗盘和皮尺进行信息采集，然后手工完成地质素描和现场测量。但这种方法存在两大核心问题：信息的准确度不足和工作效率低下。

3、隧道施工环境复杂，粉尘和昏暗的光线给现场测量带来极大不便。此外，地质人员的专业知识和经验对地质描述的完整性和准确性至关重要，但这些因素都可能影响数据的统一性和可比性。

4、信息的不准确可能导致分析结果与实际情况大相径庭，增加隧道施工的风险。例如，岩爆和塌方等安全隐患时刻威胁着地质人员的人身安全。因此，我们迫切需要重视超前地质预报的安全性和实用性，研发一种新型的隧道掌子面无纸化素描与岩体质量评估方法。

技术实现思路

1、本发明的目的是提供一种隧道掌子面无纸化素描与岩体质量评价方法，实现对节理自动统计与体积节理数的计算，并据此计算得到岩体质量等级，计算速度快，精度高，模型易于构建和训练。

2、本发明解决此技术问题所采用的技术方案是：一种隧道掌子面无纸化素描与岩体质量评价方法，包括如下步骤：

3、1)拍摄存储若干不同岩体结构的隧道掌子面全景图像，并构建样本数据库；

4、2)应用样本数据库训练unet神经网络模型，得到掌子面素描识别模型，优化处理识别结果，输出掌子面素描图像；

5、3)获取掌子面各岩体结构特征指标，并自动输入到岩体质量分级bq法中，得到岩体质量等级。

6、作为本发明进一步的方案是：在拍摄隧道掌子面全景图像时，选取隧道爆破出渣后，将摄像装置布置于隧道掌子面中线位置，距离掌子面10±2m位置。

7、作为本发明进一步的方案是：在构建样本数据库时，隧道掌子面全景图像裁剪成若干小尺寸的图片形成样本数据。

8、作为本发明进一步的方案是：所述步骤2)中，训练unet神经网络具体包括以下步骤：

9、2.1)预搭建unet神经网络模型；

10、2.2)训练unet神经网络模型，得到掌子面素描识别模型；

11、2.3)优化处理识别结果，输出掌子面素描图像。

12、作为本发明进一步的方案是：步骤2.1)中预搭建的unet神经网络包含特征提取部分和下采样部分构成；特征提取部分由4层网络构成，下采样部分由5层网络构成。

13、作为本发明进一步的方案是：步骤2.2)训练unet神经网络模型采用若干样本数据输入预搭建unet神经网络模型中，并且按照4：1的比例将照片划分为训练集和验证集，并以公式(1)为损失函数，，对模型进行训练，训练后得到的模型可初步识别掌子面节理线；

14、

15、其中，tp是指被真确分类的正例数据点；fp为被错误分类的负例数据点；fn是指实际上是正例的数据点被标记为反例数据点。

16、作为本发明进一步的方案是：步骤2.3)中优化处理识别结果包括节理线断点寻优和节理线连接；

17、节理线断点寻优具体为：通过判断某点的8领域内是否只含有一个前景点来判断是否是节理线端点；

18、节理线连接为连接节理线断点，并在满足以下三点时进行节理线连接操作；

19、①这两个点不在同一连通域上；②两个点之间的距离d小于8邻域；③两个点所在曲率相差小于1/2时。

20、作为本发明进一步的方案是：步骤3)中岩体质量分级具体包括以下步骤：

21、3.1)体积节理数jv自动统计计算与岩体完整性系数kv推算；

22、3.2)带入岩体质量分级公式bq中计算岩体质量等级。

23、作为本发明进一步的方案是：步骤3.1)体积节理数jv自动统计计算方式为从输出的特征图中左上顶点开始，以250pixel为移动步长，截选500pixel×500pixel的窗口进行寻找，统计窗口节理数量，若存在节理，则测量区域数量n＝n+1(n初始值为0)，并经公式(2)计算得到总体积节理数；

24、

25、式中：ni是第i个单位测量面积内的节理条数；n为测量区域数量；并经公式(3)计算得到岩体完整性系数kv；

26、

27、作为本发明进一步的方案是：步骤3.2)中岩体质量等级分级方式为将kv带入至(4)式或(5)式，计算得到岩体抗压强度rc，并将kv与rc带入bq公式得到岩体质量等级；

28、当rc>90kv+30时，rc＝90kv+30                        (4)

29、当kv>0.04rc+0.4时，rc＝(kv-0.4)÷0.04                     (5)。

30、本发明至少包括以下有益效果：

31、本发明提供的一种隧道掌子面无纸化素描与岩体质量评价方法，通过建立unet神经网络模型，使用真实的掌子面图像数据和节理裂隙特征的反映训练unet神经网络模型，获得一个可以快速识别掌子面图像中的节理，并实现自动连接节理端点形成清晰、完整的节理素描线条，并实现对节理自动统计与体积节理数的计算，并据此计算得到岩体质量等级，计算速度快，精度高，模型易于构建和训练。

32、基于图像测量技术，隧道掌子面无纸化素描与岩体质量评价方法，还具有以下效果：

33、1)通过该方法可实现对岩体结构特征的快速描绘、统计和分析，获取岩体完整性和岩体质量等级评估结果；

34、2)本方法将传统素描工作迁移至云-端系统，实现了地质素描无纸化、便捷化、共通共享，为隧道施工提供有力支撑；

35、3)本方法基于云-端素描系统为隧道光面爆破参数精细化设计的地质信息供给提供了有力支撑，加大了隧道工程地质数据共享程度。

技术特征：

1.一种隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，包括如下步骤：

2.如权利要求1所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，在拍摄隧道掌子面全景图像时，选取隧道爆破出渣后，将摄像装置布置于隧道掌子面中线位置，距离掌子面10±2m位置。

3.如权利要求1所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，在构建样本数据库时，隧道掌子面全景图像裁剪成若干小尺寸的图片形成样本数据。

4.如权利要求1所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，所述步骤2)中，训练unet神经网络具体包括以下步骤：

5.如权利要求4所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，步骤2.1)中预搭建的unet神经网络包含特征提取部分和下采样部分构成；特征提取部分由4层网络构成，下采样部分由5层网络构成。

6.如权利要求4所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，步骤2.2)训练unet神经网络模型采用若干样本数据输入预搭建unet神经网络模型中，并且按照4：1的比例将照片划分为训练集和验证集，并以公式(1)为损失函数，对模型进行训练，训练后得到的模型可初步识别掌子面节理线；

7.如权利要求4所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，步骤2.3)中优化处理识别结果包括节理线断点寻优和节理线连接；

8.如权利要求1所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，步骤3)中岩体质量分级具体包括以下步骤：

9.如权利要求8所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，步骤3.1)体积节理数jv自动统计计算方式为从输出的特征图中左上顶点开始，以250pixel为移动步长，截选500pixel×500pixel的窗口进行寻找，统计窗口节理数量，若存在节理，则测量区域数量n＝n+1(n初始值为0)，并经公式(2)计算得到总体积节理数；

10.如权利要求9所述的隧道掌子面无纸化素描与岩体质量评价方法，其特征在于，步骤3.2)中岩体质量等级分级方式为将kv带入至(4)式或(5)式，计算得到岩体抗压强度rc，并将kv与rc带入bq公式得到岩体质量等级；

技术总结本发明公开了一种隧道掌子面无纸化素描与岩体质量评价方法，包括如下步骤：1)拍摄存储若干不同岩体结构的隧道掌子面全景图像，并构建样本数据库；2)应用样本数据库训练Unet神经网络模型，得到掌子面素描识别模型，优化处理识别结果，输出掌子面素描图像；3)获取掌子面各岩体结构特征指标，并自动输入到岩体质量分级BQ公式中，得到岩体质量等级。本发明具有计算速度快，精度高，模型易于构建和训练的优势。技术研发人员：姬付全,陈培帅,杨钊,于锦,杨林,周伟,陈世豪,江鸿,曹昂,彭松林受保护的技术使用者：中交第二航务工程局有限公司技术研发日：技术公布日：2024/8/1