原文传递
隧道爆破质量识别算法研究与应用
| 论文题名： | 隧道爆破质量识别算法研究与应用 |
| 关键词： | 隧道爆破;超欠挖问题;图像识别;点云提取;区域分割 |
| 摘要： | 伴随着公路、水利以及高速铁路等工程建设的迅猛发展，隧道(洞)建设越来越多，隧道爆破超欠挖等质量问题日益突出，不但严重影响施工安全，还耽误掘进施工效率并大幅增加工程成本。要想很好地控制超欠挖，就要对超欠挖进行精准评估，但目前传统的爆破施工质量特别是隧道超欠挖的评估方法却严重滞后于飞速发展的土木工程技术。为此，需要一种可精确识别并快速判定隧道开挖质量的方法，以满足当前工程建设的发展需要。论文依托高速铁路隧道工程建设，对隧道爆破质量识别算法研究与应用开展研究，取得了一系列成果。 1、对高铁和公路等隧道进行现场调研和实测发现，隧道爆破超欠挖问题较为突出，不但影响隧道围岩稳定及结构安全，也会大幅增加隧道建设过程的直接和间接经济成本。 2、提出了一种更简便高效的感知作业流程和超欠挖数据处理方法，可对现场隧道爆破后开挖区间进行隧道轮廓点云采集，能快速准确地得到超欠挖结果并可视化成像。 3、提出了一种全新的超欠挖区域识别、区域分割和爆破质量进行标注的点云数据处理方法，可提取高质量样本数据集；基于深度学习CNN模型建立的隧道爆破超欠挖方法，能够较好地进行训练，可分割出超、欠挖图像并识别出超欠挖质量级别，验证后结果良好，说明模型可靠度较高；基于YOLO算法，把原来5个参数(x,y,w,h,confidence)扩展为输出6个基本参数(x,y,z,w,h,confidence)，可获得较好的模型训练效果。 4、运用QT5.9、C++、Python3.7和tensorflow2.0为程序设计平台，把感知、识别与深度学习等模块组合成一个有机的整体，可较好实现点云的可视化、点云转换及超欠挖点云提取，能大幅减轻现场超欠挖量测强度，并能提高量测全面性及精度，可为中国长大隧道超欠挖质量分析乃至评估与施工控制等提供一种智能高效技术和方法。 |
| 作者： | 肖清华 |
| 专业： | 软件工程 |
| 导师： | 饶云波;周志学 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
