用于凿岩台车的多光谱摄像系统及围岩智能判识方法技术方案

本公开提供了一种用于凿岩台车的多光谱摄像系统及围岩智能判识方法，所述方案通过所述多光谱摄像系统能够可以实现自动对隧道掌子面进行扫描，得到掌子面图像，有效提高探测效率；同时，基于获取的掌子面多光谱融合图像，并进行相应预处理；对预处理的掌子面多光谱融合图像进行边缘检测，获得边缘检测图像；基于边缘检测图像及数学形态学细化方法，进行边界提取，获得掌子面层理和节理信息；基于边缘检测图像及预先训练的深度学习模型，获得掌子面的岩性识别结果；基于掌子面层理和节理信息以及岩性识别结果，绘制掌子面的地质信息图，保证了围岩智能识别的精度。证了围岩智能识别的精度。证了围岩智能识别的精度。

【技术实现步骤摘要】
用于凿岩台车的多光谱摄像系统及围岩智能判识方法


[0001]本公开属于隧道掌子面地质识别
，尤其涉及一种用于凿岩台车的多光谱摄像系统及围岩智能判识方法。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前在我国公路、铁路的建设中，隧道施工是不可避免的难题。隧道掌子面是隧道开挖时不断向前推进的工作面，包含着许多地质构造信息，也是工程人员判断前方可能灾害的最直接信息源。
[0004]专利技术人发现，在现场施工中，一方面，基本上无法通过人工进行掌子面结构面绘制，而掌子面的绘制本身就是对前方30
‑
50m范围内的未知岩体进行评估。且，对掌子面的检测工作比较繁琐，地质信息的提取比较困难，不利于施工方的施工进度。
[0005]另一方面，目前采用的掌子面绘制方法受到光源、灰尘及替他因素的干扰较大，图像获取设备不能准确清晰的拍摄到结构面的全景图像，造成测量误差，不能用于全面的地质评估分析，且对探测数据的处理也较为简单，不够直观。

技术实现思路

[0006]本公开为了解决上述问题，提供了一种用于凿岩台车的多光谱摄像系统及围岩智能判识方法，所述方案通过所述多光谱摄像系统能够可以实现自动对隧道掌子面进行扫描，得到掌子面图像，有效提高探测效率；同时，可将拍摄图像传输至云平台对探测数据快速处理，得到隧道掌子面地质信息图，结果更加直观，能有效指导隧道施工。
[0007]根据本公开实施例的第一个方面，提供了一种用于凿岩台车的多光谱摄像系统，包括设备搭载箱、调节装置、多光谱相机以及控制器，其中：
[0008]所述调节装置包括机械臂和底座，所述机械臂的一端通过旋转轴与底座活动连接，所述机械臂的另一端与多光谱相机可拆解连接；
[0009]所述调节装置的底座固定于所述设备搭载箱内，且所述调节装置收缩状态下完全处于设备搭载箱内，所述设备搭载箱顶部设置有自动门；
[0010]所述自动门、调节装置及多光谱相机的微控制器与所述控制器连接。
[0011]进一步的，所述多光谱相机集成有照明设备，且所述多光谱摄像系统的各用电模块由凿岩台车进行供电。
[0012]根据本公开实施例的第二个方面，提供了一种用于凿岩台车的围岩智能判识方法，其利用了上述用于凿岩台车的多光谱摄像系统，包括：
[0013]获取掌子面多光谱融合图像，并进行相应预处理；
[0014]对预处理的掌子面多光谱融合图像进行边缘检测，获得边缘检测图像；
[0015]基于边缘检测图像及数学形态学细化方法，进行边界提取，获得掌子面层理和节
理信息；
[0016]基于边缘检测图像及预先训练的深度学习模型，获得掌子面的岩性识别结果；
[0017]基于掌子面层理和节理信息以及岩性识别结果，绘制掌子面的地质信息图。
[0018]进一步的，所述获取掌子面多光谱融合图像，具体为：获取当前里程的掌子面的多光谱图像，完成原始影像获取后，将各谱段间的图像进行空间位置的精配准，形成整个目标区域的多光谱融合影像。
[0019]进一步的，所述数学形态学细化方法，具体包括：通过膨胀运算及腐蚀运算对获得的边缘检测图像进行处理。
[0020]进一步的，所述深度学习模型采用差异进化
‑
BP神经网络模型，其训练过程如下：根据前期勘探资料及数据采集，构建不同岩层图像的样本集；基于所述样本集及前期岩性识别结果，构建训练集；利用所述训练集对所述深度学习模型进行训练。
[0021]一种用于凿岩台车的围岩智能判识系统，包括：
[0022]数据获取单元，其用于获取掌子面多光谱图像，并进行相应预处理；
[0023]边缘检测单元，其用于对预处理的掌子面多光谱图像进行边缘检测，获得边缘检测图像；
[0024]层理节理信息获取单元，其用于基于边缘检测图像及数学形态学细化方法，进行边界提取，获得掌子面层理和节理信息；
[0025]岩性识别单元，其用于基于边缘检测图像及预先训练的深度学习模型，获得掌子面的岩性识别结果；
[0026]地质图绘制单元，其用于基于掌子面层理和节理信息以及岩性识别结果，绘制掌子面的地质信息图。
[0027]根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现上述的一种用于凿岩台车的围岩智能判识方法
[0028]根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的一种用于凿岩台车的围岩智能判识方法。
[0029]与现有技术相比，本公开的有益效果是：
[0030](1)本公开提供了一种用于凿岩台车的多光谱摄像系统，所述方案通过将摄像设备搭载在凿岩台车上，可实现自动化拍摄，拍摄效率更高，更安全；其中，所述多光谱相机能够通过电动机械臂实现前后左右上下各方向上的精确调节，扩大了测量范围，减少测量死角，从而提高测量数据的覆盖率、准确性。
[0031](2)本公开所述方案采用多光谱相机快速、便捷、准确获取隧道掌子面光谱图像数据，并通过无线传输模块传输至云平台，进行数据处理，具有效率高、体积小、能耗低等优点，其拍摄时间较短，减少了环境影响，能够保证拍摄出高质量的图片。
[0032](3)本公开所述方案配备采用多光谱相机及照明装置的集成设置，用于拍摄隧道掌子面图像，其中，照明设备采用LED光源，克服了隧道内光线不足的缺点，隧道的沙尘颗粒物对图片的干扰也减少到最低。相较于卤素灯、氙气灯、荧光等其他光源，LED灯亮度高且稳定，使用寿命长，成本低廉，且更加环保。
[0033](4)本公开所述方案在岩性识别中采用用差异进化
‑
BP神经网络模型(DE
‑
BP模型)，将BP神经网络模型与差异进化算法相结合，具有收敛速度快，稳定性高等特点，适用于隧道围岩质量判识。BP算法模型具有较强的非线性拟合、并行计算和容错特性，再利用差分进化算法(DE)的全局寻优能力，来提高BP网络的收敛速度，缩短运行时间。
[0034]本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0035]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0036]图1为本公开实施例一中所述的调节装置结构示意图；
[0037]图2为本公开实施例一中所述的多光谱相机及照明设备固定装置结构示意图；
[0038]图3为本公开实施例二中所述的用于凿岩台车的围岩智能判识方法流程图；
[0039]图4为本公开实施例三中所述的用于凿岩台车的围岩智能判识系统工作流程图；
[0040]其中，1、底板；2、支座；3、电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于凿岩台车的多光谱摄像系统，其特征在于，包括设备搭载箱、调节装置、多光谱相机以及控制器，其中：所述调节装置包括机械臂和底座，所述机械臂的一端通过旋转轴与底座活动连接，所述机械臂的另一端与多光谱相机可拆解连接；所述调节装置的底座固定于所述设备搭载箱内，且所述调节装置收缩状态下完全处于设备搭载箱内，所述设备搭载箱顶部设置有自动门；所述自动门、调节装置及多光谱相机的微控制器与所述控制器连接。2.如权利要求1所述的一种用于凿岩台车的多光谱摄像系统，其特征在于，所述多光谱相机集成有照明设备，且所述多光谱摄像系统的各用电模块由凿岩台车进行供电。3.一种用于凿岩台车的围岩智能判识方法，其特征在于，其利用了如权利要求1
‑
2任一项所述的用于凿岩台车的多光谱摄像系统，包括：获取掌子面多光谱融合图像，并进行相应预处理；对预处理的掌子面多光谱融合图像进行边缘检测，获得边缘检测图像；基于边缘检测图像及数学形态学细化方法，进行边界提取，获得掌子面层理和节理信息；基于边缘检测图像及预先训练的深度学习模型，获得掌子面的岩性识别结果；基于掌子面层理和节理信息以及岩性识别结果，绘制掌子面的地质信息图。4.如权利要求3所述的一种用于凿岩台车的围岩智能判识方法，其特征在于，所述获取掌子面多光谱融合图像，具体为：获取当前里程的掌子面的多光谱图像，完成原始影像获取后，将各谱段间的图像进行空间位置的精配准，形成整个目标区域的多光谱融合影像。5.如权利要求3所述的一种用于凿岩台车的围岩智能判识方法，其特征在于，所述边缘检测采用基于Canny算子的边缘检测算法，通过双阈值检...

【专利技术属性】
技术研发人员：石少帅，李咸森，郭伟东，丁钺洋，张涛，祝向向，赵瑞杰，曹天宇，
申请(专利权)人：山东大学，
类型：发明
国别省市：