申请/专利权人：云南省交通规划设计研究院股份有限公司;同济大学

申请日：2024-03-07

公开（公告）日：2024-04-09

公开（公告）号：CN117853486A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/774;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及隧道工程监测技术领域，公开了一种数据缺失条件下隧道工作面岩体质量自动化评价方法，包括获取岩石隧道开挖面高清图像建立第一代图像数据集；改进并训练SwinTransformer模型，通过模型生成第二代图像集并智能获取隧道面关键信息，继而建立包含特征参数的多源岩石隧道面特征数据集；建立树增强朴素贝叶斯网络，通过EM算法对建立的贝叶斯网络进行训练和验证等过程。通过训练和验证后的树增强朴素贝叶斯网络，能够对数据缺失条件下隧道工作面岩体质量进行自动化评价，输出判定结果，从而解决预测围岩质量的准确性和效率较低问题。

主权项：1.一种数据缺失条件下隧道工作面岩体质量自动化评价方法，其特征在于：该数据缺失条件下隧道工作面岩体质量自动化评价方法包括以下步骤：步骤1，建立一个自适应数字照相机采集系统，通过数字摄像系统在工程现场拍照，获取岩石隧道开挖面高清图像；步骤2，对现场获取的图像进行裁剪、偏转、模糊、高斯变换操作，扩充原图像集，建立第一代图像数据集；步骤3，结合Unet架构改进SwinTransformer模型，得到改进的SwinTransformer模型，用以提高岩石隧道面小尺度特征信息的分割任务性能；同时，基于第一代图像数据集，通过改进的SwinTransformer模型生成质量提高后的新图像，建立第二代图像集，同时对改进的SwinTransformer模型进行了图像数据特征提取能力训练；步骤4，基于第二代图像集和改进的SwinTransformer模型，以智能方式自动化获取岩体上的漏水类别、漏水区面积、裂缝数量、裂缝密度、裂缝强度、最大裂缝长度、平均裂缝间隔、软弱夹层面积这些视觉参数，并加入单轴抗压强度、风化程度和隧道埋深这些物理力学和设计参数，建立包含特征参数的多源岩石隧道面特征数据集；步骤5，建立树增强朴素贝叶斯网络以处理多源岩石隧道面特征数据集中的可用数据，从而评价隧道工作面岩体质量；基于新的树增强朴素贝叶斯网络通过EM算法对建立的贝叶斯网络进行训练和验证，使其具备从不完整的数据集中学习并实现围岩质量预测的能力；步骤6，通过训练和验证后的树增强朴素贝叶斯网络，能够对数据缺失条件下隧道工作面岩体质量进行自动化评价，自动化评价通过定量计算获得的隧道面岩体连续参数被离散化，由RMR分级系统根据经验公式将围岩质量列入五个等级之一，输出判定结果。

全文数据：

权利要求：

百度查询： 云南省交通规划设计研究院股份有限公司;同济大学 一种数据缺失条件下隧道工作面岩体质量自动化评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD