原文传递
基于深度学习的隧道工作面岩石结构自动化判别
| 题名： | 基于深度学习的隧道工作面岩石结构自动化判别 |
| 作者： | 秦尚友，陈佳耀，张东明，杨同军，黄宏伟，赵帅 |
| 作者单位： | 西南交通建设集团股份有限公司，同济大学岩土及地下工程教育部重点实验室 |
| 关键词： | 岩石隧道，深度学习，图像分类，卷积神经网络 |
| 摘要： | 从掌子面图像中快速准确获取建设阶段隧道工作面的表观岩体结构特征对于掌握待开挖围岩的稳 定性及跟进阶段的施工决策意义重大。文章结合自研数字照相设备获取云南蒙屏高速公路13条隧道在不同工况、 温湿度、照度、粉尘浓度环境下的150余个掌子面42 100张图像样本,选取现场数据集出现的块体、层状、碎裂、散 体、镶嵌等5种主要结构类型，以训练及测试损失率、准确率、召回率等为主要评价指标,建立基于TensorFlow-GPU 的岩石隧道掌子面结构的卷积神经网络Inception-ResNet-v2模型，对模型进行训练并实现岩体结构类别的自动识 别与分类。研究表明：⑴采用训I练集和测试集中的掌子面图像对模型进行分类研究，训练、测试集的准确率分别 达到98.21%和94.61%,召回率达到96.14%; (2)测试可视化结果显示Ineeption-ResNet-v2模型对复杂的现场条件 具有较好的鲁棒性，而局部的错检现象需要通过进一步提高样本丰富性和纹理多样性来规避。 |
| 期刊名称： | 现代隧道技术 |
| 出版日期： | 202108 |
| 出版年： | 2021 |
| 期： | 04 |
| 页码： | 29-36 |
检索历史
应用推荐
