隧道围岩分级特征智能识别及可视化研究

准确、快速获取隧道围岩级别对工程设计、施工及运营意义重大。结合多个四川高速公路隧道项目,共采集7 000余张隧道掌子面图像,并利用数据增广方法将数据集扩充至20 000余张。按节理裂隙特征、风化卸荷情况、地下水发育情况3种像特征对数据集进行分类标注,并按8:2的比例划分为训练集与验证集。结合深度学习方法,实现掌子面围岩分级特征参数提取识别。搭建了VGG系列、ResNet系列、DenseNet系列、GoogleNet、InceptionV3等卷积神经网络分类模型,并引入准确率、查准率、召回率及F1值等多种评价指标对比分析多种卷积神经网络分类模型的围岩特征(掌子面图像的节理裂隙特征、风化卸荷特征以及地下水发育特征)识别效果。研究结果显示基于DenseNet模型分类识别效果最好,分类准确率分别为：围岩节理裂隙特征87.5%,风化程度特征90%,地下水发育程度特征91.5%,且各特征的F1值均在0.789以上,最高为0.944,平均值为0.852。此外,对DenseNet系列分类模型进行可靠性验证,基于CAM以及Grad-CAM对模型进行分类决策可视化研究分析,分类决策热力图结果显示分类结果与...     

楞古水电站地下厂房围岩分级研究

围岩分级是水电工程地下洞室设计和施工重点关注的问题,因此确定合理的围岩级别对工程设计和施工具有重要意义。文章依托楞古水电站地下厂房工程,采用HC分级、[BQ]分级、Q分级和RMR分级等方法对地下洞室围岩级别进行了研究并采用回归方法对各系统分值进行了相关性分析。结果表明:对大跨度地下洞室进行围岩分级时,同时采用HC、[BQ]、Q和RMR等分级方法进行围岩级别划分,更有利于确定合理的围岩综合分级;在岩体的块度、完整性受结构面控制时,HC分级与RMR分级结果吻合度更高。