详情

原文传递基于隧道掌子面图像分割的岩体结构特征预测方法

论文题名：	基于隧道掌子面图像分割的岩体结构特征预测方法
关键词：	隧道施工;掌子面;图像分割;岩体结构特征
摘要：	暗挖隧道建设过程中的安全依赖其所处的地层条件，掌子面岩体结构特征能直接反映出地层特性和围岩稳定性，及时准确地掌握掌子面附近区域围岩条件，并进行适当的预判能有效控制开挖过程中的围岩稳定性。既有的掌子面地质编录、地球物理探测、超前钻孔等方法受限于驻场工程师的地质经验、复杂地质物探的多解误差、单次钻探耗时长等原因，致使超前地质预报工作存在精度偏低、工程造价高、影响施工等问题。　　为解决传统地质编录因主观经验判断、地球物理探测因地质情况复杂导致超前地质预报存有误差的问题，提出了基于隧道掌子面图像分割的岩体结构特征预测方法，结合传统地质编录和地球物理探测方法进行综合分析，从而提高超前地质预报的精度以满足隧道施工要求。针对隧道施工现场复杂造成的图像干扰、语义分割易产生过拟合、传统地质编录处理三维空间地质的不准确性等问题，建立了基于图像识别技术的图像降噪预处理方法，提出了适用性更强的图像目标语义分割模型以及岩体结构特征预测分析方法。对实现隧道动态预测、及时准确掌握前方围岩稳定性具有重要的工程价值。　　以隧道掌子面上地质语义信息提取、岩体结构类型判断、结构面位置预测为研究对象，围绕掌子面持续更新的动态信息性与地质演化的规律性，同时考虑神经网络的人工智能优势，通过图像预处理、AtrDsc-Unet模型网络、坐标信息转换、空间向量、时序数列、网格参数量、Ptric-LSTM模型网络等方法，开展了基于隧道掌子面图像分割的岩体结构特征预测方法研究，具体开展工作与取得成果如下：　　（1）隧道现场掌子面处于较为复杂的施工环境中，常伴有扬尘、光照不均匀、渗水等情况，这些因素直接影响了现场采集图像的质量，从而限制了神经网络模型语义分割的性能发挥。通过灰度化、滤波处理等方法降低干扰因素的影响，提高图像质量，并运用裁剪、旋转、镜像进行图像扩增，完成了数据集的制作。　　（2）U-Net模型常用于医学图像的病理识别，具有较高的语义分割精度，但由于掌子面图像噪声大、干扰因素多，高精度的U-Net模型在地质语义分割中易将背景信息误判为目标信息，从而降低了语义分割效果。为解决这一问题，在U-Net网络模型中引入空洞卷积模块以扩大感受野，新增深度可分离卷积模块降低模型的参数与运算量，并更换激活函数，改进得到AtrDsc-Unet模型。通过实验对比，该模型的像素准确率（PA）为78.0%，相较于U-Net模型降低了2.1%，但类别像素准确率（CPA）上升了1.4%，达到了80.8%，且模型参数和浮点运算总量仅为原模型的1/25，大幅度减轻了网络模型的运算负担，能在更短的时间内对图像中的线性结构面进行语义信息提取，有利于模型的轻量化与岩体结构类型的实时预测分析。　　（3）首先将AtrDsc-Unet网络模型提取的特征图作为基础，建立二维坐标系，在坐标系中用函数表示模型提取的结构面语义信息；其次以隧道进深方向作为第三坐标轴，建立三维坐标系，结合掌子面地质信息不断更新的动态性，通过LSTM网络模型预测了掌子面前方的岩体结构特征；再次假设隧道进深为正北方向，运用空间向量基本定理、三角函数、法向量求取等方法求解了结构面的产状；最后探讨了真实正北与假设正北在各种情况下的修正公式。该方法分析的产状与现场量测相比，倾向误差在5''之内，倾角误差在3°左右。　　（4）对AtrDsc-Unet模型输出的特征图进行了拼接操作，并以此为基础，建立二维坐标系，将图像信息转化为带有坐标信息的时序数列；将时序数列简化为12×32的参数网格；探讨了参数总量、非零参数量、结构面间距三者的关系；在LSTM基础上引入新的门控检测，改进得到Ptric-LSTM模型网络。通过实验结果分析，新模型对掌子面前方岩体结构类型预测正确率为88.8%、结构面位置预测精度约为74.6%。
作者：	谭海鸿
专业：	土木工程;桥梁与隧道工程
导师：	赵宁雨
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2023