基于VGG卷积神经网络的隧道围岩级别智能判定方法

    公开(公告)号:CN113112447A

    公开(公告)日:2021-07-13

    申请号:CN202010149085.5

    申请日:2020-03-05

    摘要: 基于VGG卷积神经网络的隧道围岩级别智能判定方法,包括如下步骤:步骤一.采集隧道掌子面高分辨率图像数据,构建样本库;步骤二.从步骤一得到的样本库中随机选取样本作为训练集,剩余的作为测试集;步骤三.构建VGG深度卷积神经网络,通过训练降低损失函数值并更新网络权重参数,得到学习后的网络权重参数;步骤四.选择需要进行围岩分级的图像,作为卷积神经网络的输入,根据所得到的围岩级别预测,返回隧道掌子面对应的围岩分级评定结果。本发明基于卷积神经网络智能评估围岩等级,不需要进行现场或室内岩土体力学实验即可实现围岩级别判定,能规避因接触式采集围岩数据信息时的危险,实现了隧道与地下工程围岩分级工作的自动化与智能化。

    一种基于图像的掌子面岩体完整程度评价方法和装置

    公开(公告)号:CN115511852A

    公开(公告)日:2022-12-23

    申请号:CN202211219944.9

    申请日:2022-09-29

    发明人: 李天斌 杨罡 唐浩

    摘要: 本申请提供了一种基于图像的掌子面岩体完整程度评价方法和装置,属于隧道工程技术领域。本申请实施例通过节理裂隙提取模型对将经过预处理的掌子面岩体图像进行特征提取,能够更为快速、准确地获取更多掌子面节理裂隙信息;同时,通过以节理裂隙特征图中的不同预设位置为放射中心,绘制多个虚拟测线布设图,能够使虚拟测线更为均衡地分布在节理裂隙特征图上,加密了节理裂隙特征图中各个部位的测线密度,能够更好地反映出虚拟测线和节理裂隙的交切关系,最后再根据每个虚拟测线布设图各自对应的等效面积,确定掌子面岩体的岩体完整程度,实现掌子面围岩结构的精细化定量评价,为隧道设计、施工、运营和维护提供更为准确的数据参考。

    基于残差卷积神经网络的隧道围岩级别智能判定方法

    公开(公告)号:CN113112446A

    公开(公告)日:2021-07-13

    申请号:CN202010149083.6

    申请日:2020-03-05

    摘要: 基于残差卷积神经网络的隧道围岩级别智能判定方法,包括如下步骤:步骤一.采集隧道掌子面高分辨率图像数据,构建样本库;步骤二.从步骤一得到的样本库中随机选取样本作为训练集,剩余的作为测试集;步骤三.构建残差深度卷积神经网络,通过训练降低损失函数值并更新网络权重参数,得到学习后的网络权重参数;步骤四.选择需要进行围岩分级的图像,作为卷积神经网络的输入,根据所得到的围岩级别预测,返回隧道掌子面对应的围岩分级评定结果。本发明基于于卷积神经网络智能评估围岩等级,不需要进行现场或室内岩土体力学实验即可实现围岩级别判定,能规避因接触式采集围岩数据信息时的危险,实现了隧道与地下工程围岩分级工作的自动化与智能化。