一种隧道掌子面地质关键参数自动识别方法及电子设备与流程

本发明涉及隧道施工信息，尤其涉及一种隧道掌子面地质关键参数自动识别方法及电子设备。

背景技术：

1、在铁路或者公路隧道中，掘进方式主要以爆破为主。爆破后形成的掌子面区域由于变形速率较大易失稳，从而导致隧道塌陷。因此，对掌子面区域进行关键参数提取，来实时了解掌子面的稳定性程度是必要的。

2、在隧道开挖爆破前，需对掌子面开展稳定性评价，常规的方法是先通过数码相机对掌子面现场进行拍照，地质勘察人员根据拍摄的照片并结合经验评判掌子面关键参数，如岩石坚硬程度、岩体完整程度、地下水等围岩地质信息，形成掌子面地质素描。但是这种方法存在的问题是，自动化程度和监测效率较低，评判差异性较大，而且成本较高。

3、因此，如何对隧道掌子面的关键参数进行提取，以掌握隧道掌子面的稳定性情况，实现对隧道掌子面稳定性的实时监测和预警，提高监测效率，减少人力和物力成本，是目前研究的一个重要的问题。

技术实现思路

1、本发明主要解决的技术问题是提供一种隧道掌子面地质关键参数自动识别方法及电子设备，解决如何对隧道掌子面的关键参数进行提取，以掌握隧道掌子面的稳定性情况，实现对隧道掌子面稳定性的实时监测和预警，提高监测效率，减少人力和物力成本的问题。

2、为解决上述技术问题，本发明采用的一个技术方案是提供一种隧道掌子面地质关键参数自动识别方法，包括步骤：

3、构建隧道掌子面分类分割模型；隧道掌子面分类分割模型对隧道掌子面图像进行分类以及分割，分别得到分类结果以及分割结果图，分类结果用于识别掌子面的属性类别；根据分割结果图计算节理迹线的结构面组数和结构面间距，根据结构面组数和结构面间距得到掌子面发育程度结果，掌子面发育程度结果用于判断掌子面结构面的完整程度；根据掌子面的属性类别以及掌子面结构面的完整程度对隧道施工提出优化举措。

4、在一些实施例中，隧道掌子面分类分割模型包括：骨干网络、迹线分割网络以及属性分类网络，所述迹线分割网络包括融合单元以及检测单元.

5、骨干网络的输入端用于输入隧道掌子面图像，骨干网络用于对隧道掌子面图像进行提取特征得到特征图，并将特征图分别输入至迹线分割网络以及属性分类网络。

6、属性分类网络接收特征图，并对特征图进行特征计算输出分类结果。

7、迹线分割网络的融合单元接收特征图，并对特征图进行特征融合得到融合图。

8、迹线分割网络的检测单元用于接收融合图，并对融合图进行检测，输出分割结果图。

9、在一些实施例中，隧道掌子面分类分割模型对隧道掌子面图像进行分类以及分割，分别得到分类结果以及分割结果图，分类结果用于识别掌子面的属性类别，还包括：对属性类别中样本数量较少的隧道掌子面图像，进行数据增强处理，得到扩张图像集，将扩张图像集以及隧道掌子面图像输入至隧道掌子面分类分割模型。

10、在一些实施例中，根据分割结果图计算节理迹线的结构面组数和结构面间距，方法为：

11、根据分割结果图计算节理迹线的迹线属性，根据迹线属性计算结构面组数和结构面间距。

12、在一些实施例中，根据分割结果图计算节理迹线的迹线属性方法为：

13、对分割结果图进行预处理；根据预处理后的分割结果图求解并记录连通域；根据连通域提取迹线骨架，得到骨架图；对骨架图进行线段拟合，计算得到节理迹线的长度和角度，从而得到节理迹线的迹线属性。

14、在一些实施例中，根据迹线属性计算结构面组数和结构面间距，方法为：

15、对节理迹线的角度进行聚类得到聚类结果，根据聚类结果对结构面进行分组得到结构面组数；计算节理迹线的法线斜率；选取参考测线；计算节理迹线被参考测线截断的平均距离，得到结构面间距。

16、在一些实施例中，隧道掌子面分类分割模型的总损失函数，计算方法为：

17、；

18、其中，表示分类损失函数，表示包围框损失函数，表示分割损失函数，、、、分别为不同损失函数对应的权重系数，表示不同属性类别对应的损失函数。

19、在一些实施例中，分类损失函数的计算方法为：

20、；

21、其中，表示样本数量，表示类别数量，表示第个样本属于第类属性的真实类别标签，表示第个样本属于第类属性的预测概率。

22、在一些实施例中，包围框损失函数的计算方法为：

23、；

24、；

25、；

26、其中，表示完全交并比损失函数，表示分布聚焦损失函数，表示包围框和包围框的中心点距离，表示包围框和包围框的最小包围框的对角线长度，表示包围框和包围框的宽高比相似度，为的影响因子，表示预测框中心点，表示真实框中心点，表示回归标签，和为最接近的两个值，表示经过sotfmax的概率，表示经过sotfmax的概率。

27、为解决上述技术问题，本申请还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机程序，计算机程序被处理器执行时实现上述任意一种的隧道掌子面地质关键参数自动识别方法。

28、有益效果：本发明公开了一种隧道掌子面地质关键参数自动识别方法及电子设备，该方法包括步骤：构建隧道掌子面分类分割模型；隧道掌子面分类分割模型对隧道掌子面图像进行分类以及分割，分别得到分类结果以及分割结果图；根据分割结果图计算节理迹线的结构面组数和结构面间距，根据结构面组数和结构面间距得到掌子面发育程度结果，掌子面发育程度结果用于判断掌子面结构面的完整程度；根据掌子面的属性类别以及掌子面结构面的完整程度对隧道施工提出优化举措。本申请的方法通过对隧道掌子面的关键参数进行提取，以掌握隧道掌子面的稳定性情况，实现对隧道掌子面稳定性的实时监测和预警，不仅能够提高监测效率，还能减少人力和物力的成本。

技术特征：

1.一种隧道掌子面地质关键参数自动识别方法，其特征在于，包括步骤：

2.根据权利要求1所述的隧道掌子面地质关键参数自动识别方法，其特征在于，所述隧道掌子面分类分割模型包括：骨干网络、迹线分割网络以及属性分类网络，所述迹线分割网络包括融合单元以及检测单元；

3.根据权利要求2所述的隧道掌子面地质关键参数自动识别方法，其特征在于，所述隧道掌子面分类分割模型对隧道掌子面图像进行分类以及分割，分别得到分类结果以及分割结果图，所述分类结果用于识别掌子面的属性类别，还包括：

4.根据权利要求1所述的隧道掌子面地质关键参数自动识别方法，其特征在于，根据所述分割结果图计算节理迹线的结构面组数和结构面间距，方法为：

5.根据权利要求4所述的隧道掌子面地质关键参数自动识别方法，其特征在于，根据所述分割结果图计算节理迹线的迹线属性方法为：

6.根据权利要求5所述的隧道掌子面地质关键参数自动识别方法，其特征在于，根据所述迹线属性计算结构面组数和结构面间距，方法为：

7.根据权利要求2所述的隧道掌子面地质关键参数自动识别方法，其特征在于，所述隧道掌子面分类分割模型的总损失函数，计算方法为：

8.根据权利要求7所述的隧道掌子面地质关键参数自动识别方法，其特征在于，所述分类损失函数的计算方法为：

9.根据权利要求8所述的隧道掌子面地质关键参数自动识别方法，其特征在于，所述包围框损失函数的计算方法为：

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现权利要求1至9任一项所述的隧道掌子面地质关键参数自动识别方法。

技术总结本发明公开了一种隧道掌子面地质关键参数自动识别方法及电子设备，该方法包括步骤：构建隧道掌子面分类分割模型；隧道掌子面分类分割模型对隧道掌子面图像进行分类以及分割，分别得到分类结果以及分割结果图；根据分割结果图计算节理迹线的结构面组数和结构面间距，根据结构面组数和结构面间距得到掌子面发育程度结果，掌子面发育程度结果用于判断掌子面结构面的完整程度；根据掌子面的属性类别以及掌子面结构面的完整程度对隧道施工提出优化举措。本申请的方法通过对隧道掌子面的关键参数进行提取，以掌握隧道掌子面的稳定性情况，实现对隧道掌子面稳定性的实时监测和预警，不仅能够提高监测效率，还能减少人力和物力的成本。技术研发人员：连捷,吴国强,蒋天煜,王列伟受保护的技术使用者：南京派光智慧感知信息技术有限公司技术研发日：技术公布日：2024/11/21