一种基于机器学习的基坑支护监测方法、装置及设备制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于机器学习的基坑支护监测方法、装置及设备，获取基坑影像数据；通过视觉金字塔PVT网络提取影像数据的多尺度特征，并利用特征金字塔网络FPN融合不同尺度信息，生成多尺度特征向量。将这些特征展平后计算全局平均池化，得到每个尺度的全局语义向量，通过通道拼接与1*1卷积生成跨尺度语义特征向量。基于此，构建动态邻接矩阵，并通过图卷积网络GCN推理基坑与支护结构的关系语义特征。最后，结合注意力机制生成增强特征，用以判断支护结构的数量和位置是否符合施工要求，实现实时、精准的基坑支护监测。

【技术实现步骤摘要】

本专利技术涉及人工智能领域，尤其是涉及一种基于机器学习的基坑支护监测方法、装置及设备。

技术介绍

1、基坑支护通过采取结构和技术措施，确保基坑或地下结构在施工期间的稳定性和安全性，防止土体坍塌并保护周边环境。支护结构的稳定性对工人安全和工程进度至关重要。传统的支护检测方法主要依赖人工巡检，随着科技的进步，越来越多的传感器被引入，用于检测支护结构的稳定性。

2、然而，现有的支护检测方法存在诸多问题。首先，人工巡查依赖于工作人员的主观判断，不仅效率低下，而且由于人为因素干扰，检测结果的准确性和一致性难以保证。其次，人工检测的实时性差，无法应对快速变化的施工环境。此外，传感器的引入虽然提高了检测的自动化程度，但其应用也面临挑战。传感器安装和维护成本高，数据处理复杂，需要结合多种传感器数据进行综合分析。这种多维度数据处理要求复杂的技术手段，以确保数据的精确性和实用性。现有的多目标识别算法往往忽视了目标之间的位置关系，无法充分考虑基坑与支护结构之间的位置关系，从而导致支护结构监测和评估存在不足。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种基于机器学习的基坑支护监测方法，其特征在于，包括：

2.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述获取基坑影像数据的步骤，包括：

3.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述通过视觉金字塔PVT网络从所述影像数据中提取不同尺度的特征，通过特征金字塔网络FPN融合不同尺度的信息，以生成多尺度的特征向量的步骤，包括：

4.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述将所述多尺度的特征展平并计算全局平均池化，生成每个尺度的全局语义向量，通过通道拼接和1*1卷积操作，生成跨尺...

【技术特征摘要】

1.一种基于机器学习的基坑支护监测方法，其特征在于，包括：

2.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述获取基坑影像数据的步骤，包括：

3.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述通过视觉金字塔pvt网络从所述影像数据中提取不同尺度的特征，通过特征金字塔网络fpn融合不同尺度的信息，以生成多尺度的特征向量的步骤，包括：

4.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述将所述多尺度的特征展平并计算全局平均池化，生成每个尺度的全局语义向量，通过通道拼接和1*1卷积操作，生成跨尺度的语义特征向量的步骤，包括：

5.根据权利要求1所述的基于机器学习的基坑支护监测方法，其特征在于，所述基于多尺度的特征向量和跨尺度语义特征向量构建动态邻接矩阵，并通过图卷积网络gcn推理生成基坑与支护结构关系语义特征的步骤，包括：

...

【专利技术属性】
技术研发人员：张晨，陈云鹏，李柠汐，王建东，张玲玲，王青林，陈昌浩，余雅滢，
申请(专利权)人：三峡高科信息技术有限责任公司，
类型：发明
国别省市：