基于图像识别的TBM隧道围岩条件与岩渣级配相关性研究

为了在TBM不停机的条件下根据岩渣特征提前判断掌子面围岩条件,建立TBM岩渣图像采集系统,对各类围岩条件下产生的渣片图像进行采集,借助二值化与分水岭分割方法对渣片图像进行处理,选取曲率系数、不均匀系数、最大粒径和粗糙度指数作为岩渣的级配特征指标,分别采用线性、对数、逆、二次、幂、复合、S曲线和增长共8种模型建立岩渣级配参数与围岩类别、岩石单轴抗压强度、岩石完整性系数之间的关系。结果表明:1)随着围岩条件变差,岩渣的曲率系数逐渐减小,不均匀系数、最大粒径、粗糙度指数逐渐增大;2)随着岩石单轴抗压强度增大,岩渣的曲率系数呈增大趋势,不均匀系数、最大粒径、粗糙度指数呈减小趋势;3)随岩石完整性系数增加,岩渣曲率系数呈增大趋势,不均匀系数、最大粒径、粗糙度指数呈减小趋势。

全断面硬岩隧道掘进机岩体状态智能识别技术

全断面硬岩隧道掘进机在隧道施工领域应用广泛,如何快速对掌子面在掘岩体进行感知和识别成为行业研究热点。文章尝试2种方法开展研究:通过收集地质和施工大数据,建立岩机模型实时获取在掘岩体力学信息;基于机器视觉技术,对渣土进行图像分析,构建围岩等级模型。对2种方法进行了总结,并对下一步研究方向进行了讨论。