基于图像处理和深度学习的盾构隧道裂缝智能修复方法技术

一种基于图像处理和深度学习的盾构隧道裂缝智能修复方法，采用搭载高速相机的无人机采集隧道内裂缝图片，并采用超声仪测定每条裂缝的深度；对采集的图片进行挑选和处理，进行裂缝的标注，并采用图像分割技术确定裂缝的长度和宽度；将标注好的图片作为原始数据集，并将原始数据集分为训练集、验证集和测试集；构建深度学习识别模型，构建集成CNN模型，在进行隧道裂缝修复时，采用修复系统自带的高速相机连续拍摄隧道内图片，利用深度学习模型自动识别并定位裂缝位置，利用集成CNN模型计算出裂缝深度；控制带有注浆修复装置的机械臂至指定位置的裂缝进行注浆，直至完成所有裂缝修复工作。本发明专利技术提高隧道裂缝的修复质量和修复效率。

【技术实现步骤摘要】

本专利技术属于盾构隧道裂缝智能修复，涉及一种基于图像处理和深度学习的盾构隧道裂缝智能修复方法。

技术介绍

1、随着社会经济的飞速发展，地上空间已不能满足大城市，特别是特大城市的发展需求，开发地下空间成为实现城市可持续发展的必由之路。由于城市地铁的大规模兴建，盾构隧道是开发利用地下空间的主要结构形式。在隧道运营过程中，由于交通荷载等作用导致隧道衬砌不可避免的产生裂缝，如果不及时修复，可能会对隧道的安全运营造成巨大影响。目前隧道裂缝的修复主要仍采用人工修复的方式，不仅工作强度大，工作效率低，修复质量也参差不齐，修复效果得不到保障。此外，部分修复材料自身具有一定的毒性，在修复施工时，还会对施工人员的身体健康造成一定的伤害。

2、近几年，深度学习技术日益得到关注，广泛应用于多个领域，如图像识别、目标检测、模型回归等，且均具有较好的表现和应用潜力。目前在隧道病害修复领域，主要采用深度学习技术检测隧道渗漏或缺损等表观病害。为了提高隧道裂缝的修复质量和修复效率，亟需专利技术一种高效、智能的隧道裂缝智能修复方法。

>技术实现思路...

【技术保护点】

1.一种基于图像处理和深度学习的盾构隧道裂缝智能修复方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于图像处理和深度学习的盾构隧道裂缝智能修复方法，其特征在于，所述步骤(6)中，集成CNN模型包括CNN模型和回归模型两部分，CNN模型用来提取裂缝的数据特征，而回归模型用来建立数据特征和裂缝深度D之间的关系。

3.如权利要求2所述的基于图像处理和深度学习的盾构隧道裂缝智能修复方法，其特征在于，所述回归模型采用随机森林模型Random Forest或极端梯度增强XGBoost模型。

【技术特征摘要】

1.一种基于图像处理和深度学习的盾构隧道裂缝智能修复方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于图像处理和深度学习的盾构隧道裂缝智能修复方法，其特征在于，所述步骤(6)中，集成cnn模型包括cnn模型和回归模型两部分，cnn模...

【专利技术属性】
技术研发人员：冯师，姜叶翔，羊逸君，陈冠宇，张文涛，苏凤阳，翁羽晖，
申请(专利权)人：城盾隧安地下工程有限公司，
类型：发明
国别省市：