申请/专利权人:中铁西南科学研究院有限公司;中国建筑土木建设有限公司
申请日:2023-12-18
公开(公告)日:2024-04-05
公开(公告)号:CN117830598A
主分类号:G06V10/22
分类号:G06V10/22;G06V10/42;G06V10/82;G06V10/72;G06V10/774;G06V10/776;G06N3/0464;G06N3/082
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种衬砌浇筑拱顶脱空识别方法,预设隧道拱顶的坐标系,并获取隧道拱顶的温度数据,再通过图像预处理、数据增强以及深度卷积神经网络模型的构建和训练,来进行拱顶脱空的识别。经过验证后,可以实时获取拱顶的脱空面积和坐标位置;本发明通过使用深度卷积神经网络模型,可以实时处理数据并快速得出脱空区域的识别结果,有效支持隧道的实时监测需求,并结合模拟数据和实测数据,并通过深度学习模型的训练和优化,可以大大提高脱空识别的精度,减少误报和漏报的情况,且因为利用了深度学习模型,本方法可以持续地对新数据进行学习和适应,确保其在不断变化的工程环境中仍能保持较高的识别精度。
主权项:1.一种衬砌浇筑拱顶脱空识别方法,其特征在于,包括:S1、预设隧道拱顶的坐标系,获取隧道拱顶的温度数据;温度数据包括模拟数据和往期的实测数据;S2、将温度数据分配至预设的坐标系内;S3、采用随机数法生成模拟数据,通过克里金法插值生成温度等值热力灰度图,获取实测数据并生成实测数据对应的温度等值热力灰度图,结合实测数据和模拟数据,获得待处理数据集与验证集;S4、对数据集进行图像预处理和数据增强,获得训练样本;S5、构建预训练深度卷积神经网络模型,并通过训练样本对其进行训练;深度卷积神经网络模型的损失函数包括交叉熵损失函数和Dice损失函数;S6、通过验证样本对训练完成的深度卷积神经网络模型进行有效评估,若不满足精度要求,则将训后的神经网络模型作为预训练深度卷积神经模型重新返回步骤S5;若满足精度要求,则获得训练好的深度卷积神经网络模型;S7、获取实时数据对应的温度等值热力灰度图,并将其输入至训练好的深度卷积神经网络模型,完成对衬砌脱空区域轮廓提取和面积计算,获得检测范围内拱顶脱空面积和坐标位置。
全文数据:
权利要求:
百度查询: 中铁西南科学研究院有限公司;中国建筑土木建设有限公司 一种衬砌浇筑拱顶脱空识别方法
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。