考虑岩体非均质性的隧道掌子面图像分级方法

针对隧道掌子面围岩等级识别主观性强、依赖技术人员经验,且同一隧道掌子面某一区域地质情况可能存在差异等问题,通过引入深度学习方法,结合掌子面图像滑窗识别技术,开展掌子面围岩等级自动识别研究。通过现场采集隧道掌子面图像共1192张,建立隧道掌子面图像数据库,采用图像预处理技术对掌子面图像进行预处理以满足模型训练要求;构建AlexNet、ResNet34和ResNet50共3类卷积神经网络模型,并对比其性能优劣与适用性,获得识别准确率为85.2%的ResNet50最优模型;最后结合ResNet50模型建立掌子面图像滑窗识别技术,解决了非均质掌子面岩体分级效果差的问题,进一步提高识别准确率,实现隧道掌子面围岩等级自动识别。经过实际隧道工程应用,验证了该方法的可行性与适用性。