[發(fā)明專利]基于VGG卷積神經(jīng)網(wǎng)絡(luò)的隧道圍巖級(jí)別智能判定方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010149085.5
• 申請(qǐng)日: 2020-03-05
• 公開（公告）號(hào): CN113112447A
• 公開（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 李天斌;楊罡;馬春馳
• 申請(qǐng)（專利權(quán)）人: 成都理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08;G06T5/40;G06T5/00
• 代理公司: 成都東唐智宏專利代理事務(wù)所(普通合伙) 51261
• 代理人: 羅言剛

基于VGG卷積神經(jīng)網(wǎng)絡(luò)的隧道圍巖級(jí)別智能判定方法，包括如下步驟：步驟一.采集隧道掌子面高分辨率圖像數(shù)據(jù)，構(gòu)建樣本庫(kù)；步驟二.從步驟一得到的樣本庫(kù)中隨機(jī)選取樣本作為訓(xùn)練集，剩余的作為測(cè)試集；步驟三.構(gòu)建VGG深度卷積神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練降低損失函數(shù)值并更新網(wǎng)絡(luò)權(quán)重參數(shù)，得到學(xué)習(xí)后的網(wǎng)絡(luò)權(quán)重參數(shù)；步驟四.選擇需要進(jìn)行圍巖分級(jí)的圖像，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)所得到的圍巖級(jí)別預(yù)測(cè)，返回隧道掌子面對(duì)應(yīng)的圍巖分級(jí)評(píng)定結(jié)果。本發(fā)明基于卷積神經(jīng)網(wǎng)絡(luò)智能評(píng)估圍巖等級(jí)，不需要進(jìn)行現(xiàn)場(chǎng)或室內(nèi)巖土體力學(xué)實(shí)驗(yàn)即可實(shí)現(xiàn)圍巖級(jí)別判定，能規(guī)避因接觸式采集圍巖數(shù)據(jù)信息時(shí)的危險(xiǎn)，實(shí)現(xiàn)了隧道與地下工程圍巖分級(jí)工作的自動(dòng)化與智能化。

技術(shù)領(lǐng)域

本發(fā)明涉及隧道與地下工程的勘察設(shè)計(jì)領(lǐng)域，適用于各種交通、水利水電等隧道與地下工程的勘察設(shè)計(jì)，具體為一種基于VGG卷積神經(jīng)網(wǎng)絡(luò)的隧道圍巖級(jí)別智能判定方法。

背景技術(shù)

隧道是修筑在具有一定應(yīng)力歷史和構(gòu)造跡象的多種圍巖介質(zhì)中的一種洞室結(jié)構(gòu)體系，隧道圍巖是指隧道周圍一定范圍內(nèi)對(duì)隧道穩(wěn)定性產(chǎn)生影響的巖土體，隧道周圍的地層不管是巖體還是土體統(tǒng)稱為隧道圍巖。為滿足隧道工程建設(shè)的需要，用綜合指標(biāo)或單一指標(biāo)把圍巖穩(wěn)定程度劃分為若干級(jí)別，這種分級(jí)稱為圍巖分級(jí)。對(duì)隧道的圍巖級(jí)別作出正確的評(píng)價(jià)不僅關(guān)系到隧道的設(shè)計(jì)和施工方案、隧道的工程造價(jià)，而且還關(guān)系到隧道施工與運(yùn)營(yíng)期間的安全與穩(wěn)定。因此，對(duì)巖體給出客觀評(píng)價(jià)的圍巖分級(jí)方案，是隧道設(shè)計(jì)和施工階段的重要依據(jù)。

雖然規(guī)范給出了各級(jí)圍巖的相關(guān)描述，但目前圍巖分級(jí)的各項(xiàng)指標(biāo)與圍巖等級(jí)尚未建立精確的關(guān)系，并且部分圍巖分級(jí)指標(biāo)之間沒有明確界限，所以隧道圍巖分級(jí)受主觀因素的影響較大。隧道圍巖分級(jí)是一個(gè)經(jīng)驗(yàn)性極強(qiáng)的領(lǐng)域，包含了多種不確定因素，很多情況都要依靠工程經(jīng)驗(yàn)豐富的專家確定圍巖等級(jí)。

目前，隧道圍巖分級(jí)主要依靠現(xiàn)場(chǎng)采集定量、定性指標(biāo)，根據(jù)規(guī)范要求方式進(jìn)行選取。現(xiàn)場(chǎng)信息采集還存在獲取難度高、工作量較大、誤差較大、效率不高、采集過程安全性差的不足。因此，研究一種基于圖像(非接觸式)的隧道圍巖特征提取并自動(dòng)進(jìn)行圍巖分級(jí)的方法十分有意義，這能夠很大程度上保證圍巖分級(jí)的準(zhǔn)確性、安全性。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)存在的技術(shù)缺陷，本發(fā)明公開了一種基于VGG卷積神經(jīng)網(wǎng)絡(luò)的隧道圍巖級(jí)別智能判定方法。

本發(fā)明所述基于VGG卷積神經(jīng)網(wǎng)絡(luò)的隧道圍巖級(jí)別智能判定方法，包括如下步驟：

步驟一.采集隧道掌子面高分辨率圖像數(shù)據(jù)，構(gòu)建樣本庫(kù)；

步驟二.從步驟一得到的樣本庫(kù)中隨機(jī)選取大于70％比例數(shù)量的樣本作為訓(xùn)練集，剩余的作為測(cè)試集，并采用數(shù)據(jù)增廣方法進(jìn)行樣本集的擴(kuò)充,使其滿足后續(xù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需要的樣本數(shù)量；

步驟三.構(gòu)建VGG深度卷積神經(jīng)網(wǎng)絡(luò)，用于學(xué)習(xí)訓(xùn)練，通過訓(xùn)練不斷降低損失函數(shù)值并更新網(wǎng)絡(luò)權(quán)重參數(shù)，經(jīng)過多次訓(xùn)練后，得到學(xué)習(xí)后更新了網(wǎng)絡(luò)權(quán)重參數(shù)的神經(jīng)網(wǎng)絡(luò)；

步驟四.選擇需要進(jìn)行圍巖分級(jí)的圖像，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，通過步驟三得到的卷積神經(jīng)網(wǎng)絡(luò)的迭代，并應(yīng)用對(duì)應(yīng)圍巖分級(jí)訓(xùn)練集訓(xùn)練學(xué)習(xí)得到的網(wǎng)絡(luò)權(quán)重參數(shù)，輸出圍巖對(duì)應(yīng)級(jí)別預(yù)測(cè)；根據(jù)所得到的圍巖級(jí)別預(yù)測(cè)，返回隧道掌子面對(duì)應(yīng)的圍巖分級(jí)評(píng)定結(jié)果。

優(yōu)選的，所述步驟一中還包括對(duì)圖像進(jìn)行預(yù)處理的步驟；具體操作步驟如下：

將圖像的R、G、B三個(gè)像素通道分解成單通道，對(duì)三個(gè)通道分別進(jìn)行直方圖均衡化，均衡化處理后的結(jié)果再進(jìn)行合成，得到均衡化后的圖像。

優(yōu)選的，所述步驟2中數(shù)據(jù)增廣可以引入imutils圖像處理包對(duì)圖像進(jìn)行處理，具體步驟為：