基于图像识别的掌子面节理参数研究

公路隧道掌子面节理裂隙几何特征是评价岩体完整程度是影响重要因数。在对掌子面图像进行大量实验的基础上,针对掌子面节理裂隙图像的分割,并运用机器视觉原理,对掌子面图像进行去噪和形态学处理,以便获取节理裂隙完整、杂质区域较少的二值化图像;对节理裂隙特征定量化研究,通过分析掌子面节理裂隙集合特征,确定提取特征参数。

基于掌子面结构量化的公路隧道围岩分级方法

公路隧道围岩级别的划分是指导隧道设计、施工及地下工程岩体稳定性评价和安全风险控制的重要依据,目前在设计和施工中对隧道围岩级别的判定方法具有较多的经验性因素,且在实际隧道工程中各级围岩的稳定性情况极为复杂,即使是同一级别的围岩,隧道稳定性也不尽相同。为了实现施工阶段围岩分级的可操作性与准确性,通过研究在公路隧道开挖时采集的隧道掌子面图像,利用MATLAB编程建立了照相测量围岩分级系统。根据岩体块度指标RBI的概念,向隧道轮廓线依次布设19条虚拟测线,以掌子面径向19个方位的RBI值综合评价了掌子面岩体结构的差异性。考虑结构面分布特征,结合掌子面节理玫瑰花图获取岩体结构综合量化指标Z-RBI,对掌子面进行了综合评价,得出了Z-RBI与岩体结构类型对应关系。综合考虑岩体坚硬程度、Z-RBI、地下水条件、初始地应力状态等主要分级指标,利用层次分析法,提出了隧道围岩BT分级方法及评价标准。实际工程应用表明:与传统的BQ法相比,BT分级方法获取的围岩等级更符合开挖后掌子面围岩的实际等级,且各等级可靠指标的延续性可对隧道施工过程中地质属性的变化情况进行定量表征,有助于工程地质人员据此对围岩质量的渐变过程进行动态评估。

基于计算机视觉技术和深度学习的隧道掌子面岩体裂隙自动识别方法研究

对掌子面图像的裂隙识别和特征提取进行研究,首先根据隧道中光照不足和光线不均匀的特点,对掌子面图像集进行包含多种光照处理措施在内的数据增强;通过Unet网络识别掌子面轮廓,其平均交并比和平均相似度为91%和93%;利用形态学操作使掌子面轮廓边缘平滑,消除噪点。然后利用拆分-拼接策略处理高分辨率掌子面图像,通过DeepCrack网络模型迁移学习识别岩体裂隙,其平均交并比和平均相似度为61%和75%。利用Zhang-Suen算法和8邻域标记算法进一步对识别结果进行细化、骨架化和连通域分析。最后,通过控制点标记和腐蚀标记法计算每条裂隙的像素级长度和倾角。