[發明專利]基于卷積神經網絡的盾構機護盾間隙估計方法

有效

• 申請號: 201710066117.3
• 申請日: 2017-02-06
• 公開（公告）號: CN106930770B
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 趙栓峰;丁志兵
• 申請（專利權）人: 西安科技大學
• 主分類號: E21D9/06
• 分類號: E21D9/06;G01N21/84;G06T5/00
• 代理公司: 西安文盛專利代理有限公司 61100
• 代理人: 佘文英

1.基于卷積神經網絡的盾構機護盾間隙估計方法，其特征在于，包括以下步驟：

步驟一、激光器(6)及工業攝像機(1)安裝：

在盾尾內壁(4)圓周方向上設置三個間隙120°的采集盒(3)，三個采集盒(3)安裝于盾尾推進油缸之間的筋板(2)處，在采集盒內設有兩個激光器(6)和工業攝像機(1)，使采集區域激光射線與盾尾內壁(4)平行；

步驟二、對被測盾尾間隙(5)處的局部區域進行激光標定：

激光標定的參數為：投射到管片(7)上的兩個激光點之間的距離d，兩個激光點的連線與管片下邊緣距離e，管片厚度f，平行激光射線到盾尾內壁(4)的距離h；

步驟三、利用工業攝像機(1)對局部區域進行連續拍攝，得到局部區域低分辨率圖像；利用照明燈具關閉、打開時各拍攝一張照片，在同一時刻分別獲得低分辨率和高分辨率盾尾間隙局部區域圖像；

步驟四、利用卷積神經網絡對低分辨率圖像進行超分辨率重建：

其中超分辨率重建的方法是：

(1)建立訓練所需要的外部圖像庫

在同一時刻分別獲得低分辨率和高分辨率盾尾間隙局部區域圖像，得到在較長一段時間內的盾尾間隙局部區域低分辨率圖像集{Yi}和對應高分辨率圖像集{Xi}，以此作為外部圖像庫；

(2)構建網絡模型

構建SRCNN模型，該模型由三層卷積層構成，分別為特征提取、非線性映射和高分辨率圖像重構；

(3)以外部圖像庫為訓練對象，在低、高分辨率圖像之間形成端到端的非線性映射，即獲得端到端的映射F的一組網絡參數Θ＝{W₁,W₂,W₃,B₁,B₂,B₃}，然后對網絡參數進行訓練；

步驟五、將低分變率圖像輸入SRCNN模型，輸出高分辨率圖像：

先輸入一張給定的低分辨率圖像Z，使其通過第一個卷積層以獲得一組特征圖，在第二層里，讓這些特征圖非線性映射到高分辨率的圖塊中，最后，通過聚合來重建出高分辨率的圖像F(Y)；

步驟六、對得到的高分辨率圖像進行分析、處理和計算得到盾尾間隙(5)的大小；將兩個激光點之間距離d值轉化為像素的個數n，設定k為系數，另k＝d/n；

L＝h+e-f (10)

通過對h、d、e、n、k按照上述公式進行計算，即可得出盾尾間隙L的值。