原文传递
公路隧道围岩云分级系统的开发与应用
| 论文题名： | 公路隧道围岩云分级系统的开发与应用 |
| 关键词： | 公路隧道;云计算;深度学习;图像识别;围岩分级 |
| 摘要： | 本文以公路隧道掌子面图像为基础，运用云计算、深度学习和图片识别技术，建立了一套智能围岩分级系统。系统收集上万张掌子面图片建立深度卷积神经网络模型，识别围岩的节理、裂隙、破碎程度、粗糙程度、光滑程度、泥石混合和涌水等分布式特征，对围岩分级参数分别提出识别方法，将围岩分级各判别因子转换为BQ值进行分级，获得围岩分级最终结果。整合上述功能开发了围岩云分级系统，并通过研究得出以下成果: (1)云计算技术和深度学习技术将传统围岩分级提升到了人工智能的层面，云端会自动识别得出分级结果，降低了对用户主观意识的依赖。 (2)系统无需多余的专业仪器获取围岩分级参数，依靠掌子面图片自动生成分级结果，在获得掌子面图片上传到电脑端后能够快速自动进行围岩分级。上传的过程同时会对数据进行更新整合，逐步实现对结果的判定和修正。 (3)系统对岩石的坚硬程度、岩体完整性指标、地下水发育及结构面发育程度转换为BQ值进行描述，最后结构面产状修正系数用结构面组数和间距来代替，该方法适用于开挖过程中的快速分级，具有较高的分级准确性。 (4)笔者成功开发了公路隧道围岩云分级系统，并应用于那丘隧道和罗依溪隧道等实际工程，进行对比分析和验证，证明该系统适用于公路隧道围岩分级，同时，对于铁路和水工隧道也可推广应用。 |
| 作者： | 李汪石 |
| 专业： | 土木工程 |
| 导师： | 柳厚祥 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长沙理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
