详情

原文传递基于机器视觉的隧道裂隙智能识别建模与岩体结构预测方法

论文题名：	基于机器视觉的隧道裂隙智能识别建模与岩体结构预测方法
关键词：	裂隙识别;深度学习;三维重构;结构面提取;时空序列;隧道工程
摘要：	因长期地质作用，岩体内部孕育了不同规模尺寸的裂隙，削弱了岩体的力学特性，并且为地下水提供储存场所与运移通道。因地下工程开挖导致岩体原有的力学平衡被破坏，裂隙进一步延伸、断裂，成为地质灾害发生的源场所，也是造成工程地质问题的元凶。岩体裂隙分布特征与发育规律具有高度复杂性，其裂隙产状与分布难以直观判定，现阶段主要借助机器视觉技术智能识别与定量表征裂隙参数，但裂隙细长等特点导致其像素级特征不易捕捉，因此对机器视觉裂隙识别模型要求较高，另一方面裂隙二维参数不足以表征结构面分布规律，且隧洞中结构面多以面状形态出露，需借助维度转换手段提取裂隙三维产状参数。同时，裂隙时空演化规律具有较大不确定性，现有研究针对未开挖裂隙的预测处于探索阶段，该研究面临巨大挑战。因此，针对上述问题，本文以理论研究、数值模拟试验、室内试验以及工程验证为主要研究手段，提出了一套适用于岩体裂隙识别的机器视觉模型，基于三维重构维度转换技术提出了一种迹线出露裂隙的三维参数提取方法，实现了利用图像智能识别与自动提取面状出露结构面参数的方法，分析并归纳了裂隙的时空分布规律，提出一种基于时空序列分析预测隧道前方岩体不连续性变化的方法，基于数值模拟与室内试验对上述研究开展验证分析，以期为岩体裂隙识别判识与预测研究提供理论参考和支撑，本文主要研究工作如下: 　　(1)针对隧道表观裂隙识别，提出一种基于D-LinkNet模型的岩体裂隙识别方法,首先采集不同区域不同岩性的岩体裂隙图像构建岩体裂隙图像数据库，搭建基于keras学习框架的裂隙识别神经网络模型，建立岩体裂隙识别定量评价指标体系，实现岩体裂隙特征识别与定量化表征，分别构建衬砌裂隙和岩体裂隙验证集，与其它裂隙识别方法对比分析，结果表明，该方法识别精度和识别效果均有提高。　　(2)针对迹线形态出露裂隙空间信息获取，基于深度学习的裂隙识别结果融合SfM(Structurefrommotion)三维重构理论，提出基于维度转换的线状出露岩体裂隙自动提取方法，岩体携带二维裂隙特征依次进行特征提取、特征匹配、稀疏建模、密集建模，实现裂隙特征点二维到三维的转换，基于获取的岩体裂隙特征点，利用最佳空间圆算法拟合提取结构面三维产状数据，并构建三维岩体裂隙可视化模型。该方法通过室内规则混凝土试块与边坡试验得到验证，与实测数据相比，该方法得到的结构面三维参数的最大误差为4.52％。　　(3)针对面状形态出露裂隙空间信息获取，为了全面定量表征隧道岩体不连续性特征，提出一种基于图像的面状出露裂隙表征方法。基于多视角岩体裂隙图像与三维重构技术，实现岩体图像到点云的转换并获取其三维坐标数据，借助邻域搜索方法以及聚类分析方法提取结构面产状信息作为神经网络模型输入参数，并利用神经网络模型实现岩体点云连续性自动划分。通过室内规则混凝土试块试验检验该方法准确性，与实际几何参数对比:最低误差仅为1％,并利用隧洞真实岩体验证该方法可行性。　　（4）针对隧道掘进面近前方裂隙结构预测，提出一种基于时空序列分析预测隧道前方岩体不连续性变化的方法，探索研究已开挖隧洞裂隙分布规律，将隧道延深长度类比于时间点，建立ARIMA时间序列模型预测掘进面近前方岩体结构，设置9个数值模拟试验对比模拟预测隧洞前方迹长、倾向、倾角和密度，模拟结果接近实测数据分布。该研究应用于广东**洞库工程，现场开展岩体裂隙识别与结构面提取工作，并对该方法预测研究的有效性进行评价。
作者：	李轶惠
专业：	岩土工程
导师：	李海燕;许振浩
授予学位：	硕士
授予学位单位：	山东大学
学位年度：	2023