【技术实现步骤摘要】
本专利技术涉及隧道稳定性评判领域，尤其涉及一种隧道钻爆作业台架掌子面围岩分级系统、方法、设备及介质。
技术介绍
1、采用钻爆法的隧道在开挖期间，受开挖扰动影响，其掌子面围岩处在动态扰动不稳定的状态，如何对其进行实时性的监测显得尤为关键。若对掌子面进行实时围岩质量监测，便可有效地控制开挖期间的安全隐患，从而节省大量的维护成本。使用钻孔和爆破技术挖掘隧道会破坏围岩的稳定性，因此需要进行实时监测，以确保安全性和成本效益。而遗憾的是，传统的岩体评级系统缺乏实时评估能力，只能依靠人工分级。因此，隧道掌子面监测系统缺乏实时功能。
2、目前有一个建议的解决方案是开发一个全面的隧道工作面围岩监测系统。值得注意的是，“tbm与围岩相互作用实时监测系统的开发和现场应用”等研究提出了实时监测技术。这些系统采用无线和光纤光栅技术来监测刀盘、护罩和岩石的相互作用。此外，机器学习，如“使用机器学习的隧道围岩实时智能分类模型及其应用”所示，有助于智能分类和监测；建筑信息建模(bim)的集成增强了山区隧道施工的风险管理；无线传感器网络和深度学习技术，如“通过高粒度监测数据和基于注意力的深度学习模型准确预测岩石隧道施工过程中的掌子面变形”所述，能够实现准确的变形预测，有助于风险评估。
3、然而传统的掌子面围岩评级系统本身不具备实时评价的功能，且评判围岩等级的手段其人工判别仍占据主导地位。现有的掌子面监测系统并不具备实时监测功能，因此亟需要开发出完整的隧道掌子面围岩监测系统已达到安全有效维护的目的。
技术实现思路
1、针对上述存在的问题，本专利技术旨在提供了一种具备实时监测功能的隧道钻爆作业台架掌子面围岩分级系统，该技术能够高效评估隧道洞口边坡稳定性。
2、本专利技术所采用的技术方案的主要思路：
3、①本专利技术提供一种隧道钻爆作业台架掌子面围岩分级系统，包括用于对获取的隧道洞口高清图像进行预处理的数据采集模块；用于对采集得到的隧道掌子面图像进行空间信息拼接，使其获得完整的隧道掌子面图像的图像拼接模块；将拼接得出的隧道掌子面图像进行数据增强、数据变换等处理手段，用于后续的掌子面围岩智能分级做好基础准备的图像预处理模块；以及用于对预处理后隧道掌子面图像进行深度学习语义分割，将隧道掌子面图像中的围岩图像进行分类，为后续的岩体质量评级做好工作的掌子面图像围岩智能分级模块；数据采集模块、数据预处理子模块及隧道掌子面围岩智能分级系统。
4、隧道掌子面围岩智能分级模块利用本文开发得到的深度学习语义分割框架transformer+unet框架对预处理完毕的隧道掌子面图像进行分类。并针对分类完毕的掌子面进行几何信息统计，并根据已有的岩体分级指标进行相应匹配从而进行质量评价。
5、②在此基础上，本申请还提供了一种隧道钻爆作业台架掌子面围岩分级方法，首先对预处理完毕的隧道掌子面图像进行标注的数据标注；然后基于transformer+unet深度学习框架对s401中数据标注后的图像进行深度学习训练后分类；最后基于transformer+unet深度学习框架的分类指标进行预测。
6、基于深度学习框架进行预测，与其他传统深度学习框架方法进行对比，对比中发现transformer+unet框架在预测精度和预测效果都具有一定的优越性。
7、为了实现上述目的，本专利技术所采用的技术方案如下：
8、本申请第一方面提供了一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：包括对获取的隧道洞口高清图像进行预处理的数据采集模块；
9、对采集得到的隧道掌子面图像进行空间信息拼接，使其获得完整的隧道掌子面图像的图像拼接模块；
10、将拼接得出的隧道掌子面图像进行处理的图像预处理模块；以及，
11、用于对预处理后隧道掌子面图像进行深度学习语义分割，将隧道掌子面图像中的围岩图像进行分类的掌子面图像围岩智能分级模块。
12、进一步的，所述掌子面图像围岩智能分级模块包括对预处理完毕的隧道掌子面图像进行标注的数据标注子模块；
13、基于transformer+unet深度学习框架进行深度学习训练的数据训练子模块；以及，
14、基于transformer+unet深度学习框架的分类指标进行预测的数据预测子模块。
15、进一步的，所述数据训练子模块包括：
16、输入图像单元：用于将一张448x448像素的图像输入到网络中；
17、编码器单元：使用编码器的自注意层将输入图像压缩为捕捉图像重要信息的特征图；
18、瓶颈单元：用于将特征图进一步压缩并减少通道数；
19、解码器单元：使用转置卷积将瓶颈层中的压缩信息上采样以恢复图像的原始空间分辨率；
20、跳跃连接单元：用于将编码器路径中的信息直接馈入解码器路径中；
21、分割掩模单元：用于识别与感兴趣的对象相对应的输入图像的区域；
22、损失函数单元：使用焦点损失函数来解决样本不平衡问题。
23、其次，基于一种隧道钻爆作业台架掌子面围岩分级系统，本申请提出了一种隧道钻爆作业台架掌子面围岩分级方法，所述方法包括以下步骤：
24、s1：获取大地绝对坐标系下隧道洞口的掌子面高清图像；
25、s2：基于s1中得到的掌子面高清图像的位置特征信息进行深度学习匹配，并基于学习得到的成果进行半自动化的拼接；
26、s3：采用rcf+pytorch框架对s2中拼接完毕的掌子面图像进行数据预处理，并对掌子面特征信息进行数据强化；
27、s4：采用transformer+unet框架对s3中预处理完毕的隧道掌子面图像进行分类。
28、进一步的，所述s4中采用transformer+unet框架对s3中预处理完毕的隧道掌子面图像进行分类包括以下步骤：
29、s401：对预处理完毕的隧道掌子面图像进行标注的数据标注；
30、s402：基于transformer+unet深度学习框架对s401中数据标注后的图像进行深度学习训练后分类；
31、s403：基于transformer+unet深度学习框架的分类指标进行预测。
32、进一步的，所述s402中进行深度学习训练包括以下步骤：
33、s4021：将一张448x448像素的图像输入到网络中；
34、s4022：使用编码器的自注意层将输入图像压缩为捕捉图像重要信息的特征图；
35、s4023：将特征图进一步压缩并减少通道数；
36、s4024：使用转置卷积将瓶颈层中的压缩信息上采样以恢复图像的原始空间分辨率；
37、s4025：u-net架构包括跳跃连接，允许将编码器路径中的信息直接馈入解码器路径中；
38、s4026：解码器的输出生成一个二进制图像，用于识别与感兴趣的对象相对应的输入图像的区域；本文档来自技高网...
【技术保护点】
1.一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：包括对获取的隧道洞口高清图像进行预处理的数据采集模块；
2.根据权利要求1所述的一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：所述掌子面图像围岩智能分级模块包括：
3.根据权利要求2所述的一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：
4.一种隧道钻爆作业台架掌子面围岩分级方法，其特征在于：其利用如权利要求1-3任一项所述的一种隧道钻爆作业台架掌子面围岩分级系统，所述方法包括以下步骤：
5.根据权利要求4所述的一种隧道钻爆作业台架掌子面围岩分级方法，其特征在于：所述S4中采用Transformer+Unet框架对S3中预处理完毕的隧道掌子面图像进行分类包括以下步骤：
6.根据权利要求5所述的一种隧道钻爆作业台架掌子面围岩分级方法，其特征在于：所述S402中进行深度学习训练包括以下步骤：
7.一种电子设备，包括处理器和存储器，其特征在于，所述存储器上存储有计算机指令，处理器用于运行存储器上存储的计算机指令，以实现如权利要求4-6中任一项所述的一
8.一种计算机可读存储介质，其上存储有计算机指令，其中，所述计算机指令用于使计算机执行如权利要求4-6中任一项所述的一种隧道钻爆作业台架掌子面围岩分级方法。
...【技术特征摘要】
1.一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：包括对获取的隧道洞口高清图像进行预处理的数据采集模块；
2.根据权利要求1所述的一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：所述掌子面图像围岩智能分级模块包括：
3.根据权利要求2所述的一种隧道钻爆作业台架掌子面围岩分级系统，其特征在于：
4.一种隧道钻爆作业台架掌子面围岩分级方法，其特征在于：其利用如权利要求1-3任一项所述的一种隧道钻爆作业台架掌子面围岩分级系统，所述方法包括以下步骤：
5.根据权利要求4所述的一种隧道钻爆作业台架掌子面围岩分级方法，其特征在于：所述s4中采用tra...
【专利技术属性】
技术研发人员：宋战平，刘廉柏超，李旭，吕新建，闫旭，贾国梁，刘思辉，张玉伟，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。