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1 192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。