一种基于机器视觉的隧道超欠挖智能快速识别技术制造技术

本发明专利技术提供了一种基于机器视觉的隧道超欠挖智能快速识别技术。该方法首先通过激光测距仪获取掌子面上参考点的实际空间距离，并结合拍摄的掌子面图像计算像素与物理尺寸转换比例。随后，利用视觉语言模型CLIP筛选高质量引导信息，驱动针对隧道场景微调的分割模型SAM，实现对掌子面轮廓的精确分割。将分割得到的轮廓像素面积结合转换比例换算为实际物理面积，并与预设的隧道设计轮廓面积进行对比，从而自动判定掌子面的超挖或欠挖状态，并确定超/欠挖面积大小。本方法显著提升了隧道工程中超欠挖检测的自动化程度、精度和实时性，克服了传统人工测量的局限，为隧道智能化掘进提供关键技术支持。

【技术实现步骤摘要】

本专利技术涉及隧道工程智能检测，具体涉及一种基于机器视觉的隧道超欠挖智能快速识别技术。

技术介绍

1、在隧道施工过程中，掌子面的超欠挖状况直接影响隧道结构的安全性与施工质量，实时准确地对掌子面轮廓进行测量与分析是隧道工程施工质量控制的重要环节。传统掌子面超欠挖检测通常采用人工测量或三维激光扫描技术。其中，人工测量方法存在劳动强度大、效率低下、误差大且难以实现实时分析的问题，而基于三维激光扫描的检测方法尽管精度较高，但设备昂贵、扫描耗时较长，且在现场复杂条件下易受粉尘、振动和设备位置移动的影响，难以满足隧道掘进施工实时监测与快速反馈的需求。

2、近年来，随着计算机视觉技术及深度学习方法的发展，图像分割技术逐渐应用于隧道施工现场的自动化检测任务中。然而，现有基于深度学习的图像分割方法在复杂工况下仍存在鲁棒性不足的问题，如光照不均、掌子面纹理复杂、现场拍摄角度不稳定等因素均会导致轮廓分割精度下降。此外，现有图像检测方法往往无法直接获得隧道掌子面的实际尺寸数据，必须依赖复杂的标定过程或额外的辅助测量设备。

3、因此，迫切需要一种能够快速实现本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的隧道超欠挖智能快速识别技术，其特征在于，包括以下步骤：第一步，在隧道施工现场设置激光测距仪，转动所述激光测距仪一定角度，获取掌子面水平线上两个参考点的位置信息；第二步，基于所述激光测距仪测量的距离和转动角度信息，推算出所述两个参考点之间的实际空间距离；第三步，获取所述隧道掌子面的图像，并在所述图像中识别所述两个参考点，计算其在图像中的像素距离，结合所述实际空间距离，确定所述图像的像素与实际物理尺寸转换比例；第四步，结合使用视觉语言模型CLIP与预先微调的分割模型SAM，其中视觉语言模型CLIP处理掌子面图像和相关文本提示，生成用于引导所述微调SAM的引导信息；所述微...

【技术特征摘要】

1.一种基于机器视觉的隧道超欠挖智能快速识别技术，其特征在于，包括以下步骤：第一步，在隧道施工现场设置激光测距仪，转动所述激光测距仪一定角度，获取掌子面水平线上两个参考点的位置信息；第二步，基于所述激光测距仪测量的距离和转动角度信息，推算出所述两个参考点之间的实际空间距离；第三步，获取所述隧道掌子面的图像，并在所述图像中识别所述两个参考点，计算其在图像中的像素距离，结合所述实际空间距离，确定所述图像的像素与实际物理尺寸转换比例；第四步，结合使用视觉语言模型clip与预先微调的分割模型sam，其中视觉语言模型clip处理掌子面图像和相关文本提示，生成用于引导所述微调sam的引导信息；所述微调sam根据所述引导信息，分割生成隧道掌子面轮廓区域掩码；第五步，对所述分割生成的隧道掌子面区域掩码执行后处理操作，以去除噪声干扰并优化其边界；第六步，基于所述后处理操作优化后的隧道掌子面区域，计算其在图像中的像素面积，并依据所述像素与物理尺寸转换比例，换算得到掌子面的实际物理面积；第七步，获取预设的隧道设计轮廓面积，并将其与所述掌子面的实际物理面积进行比较分析，以识别掌子面的超挖或欠挖状态，并确定超/欠挖面积大小。

2.根据权利要求1第一步所述的基于机器视觉的隧道超欠挖智能快速识别技术，其特征在于：将所述激光测距仪安装并固定于稳定支架上，并将该带有激光测距仪的支架布设在距离所述掌子面5m至15m的预定工作距离范围内；以该固定点为轴心，在初始测量方向的基础上，分别向左转动15度和向右转动15度，总摆动幅度为30度，以获取两个不同方向上的参考点位置信息。

3.根据权利要求1第二步所述的基于机器视觉的隧道超欠挖智能快速识别技术，其特征在于：通过激光测距仪分别测量到掌子面水平线上两个参考点的距离d1和d2，应用余弦定理计算两参考点之间的实际空间距离d，其中计算过程基于余弦定理公式为后续像素与物理尺寸转换比例确定提供基础数据。

4.根据权利要求1第三步所述的基于机器视觉的隧道超欠挖智能快速识别技术，其特征在于：首先对所述掌子面图像进行亮度阈值分割，以初步识别出代表激光参考点的高亮区域；随后，对识别出的高亮区域应用斑点检测和轮廓分析算法，计算每个高亮区域的质心或几何中心，从而确定每个参考点在图像中的像素坐标(x，y)；并且，所述计算其在图像中的像素距离，是根据所确定的两个参考点的像素坐标(x1，y1)和(x2，y2)，通过计算两点之间的欧几里得距离，即再将第二步得到的实际空间距离d除以像素距离p，得到像素与物理尺寸转换比例s，即s＝d/p，该转换用于后续步骤中将图像中的像素尺寸转换为实际尺寸。

5.根据权利要求1第四步所述的基于机器视觉的隧道超欠挖智能快速识别技术，其特征在于：利用视觉语言...

【专利技术属性】
技术研发人员：欧雪峰，许旺，周文涛，瞿同明，张永杰，徐世权，汤聪，肖文杰，钟俊麟，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：