[发明专利]一种基于渣片图像识别获取围岩类别的方法

说明书

本发明公开了一种基于渣片图像识别获取围岩类别的方法，步骤如下：S1，获取渣片图像；S2，得到处理后的渣片图像；S3，计算处理后渣片图像的围岩级别关联敏感特征集；S4，采用AP聚类方法将数据样本划分k个聚类；S5，将高斯核函数和多项式核函数加权融合，并对步骤S4中的每个聚类做LSSVM回归，得到k个子模型；S6，将得到的k个子模型进行加权融合，得到围岩类别值。本发明对实时图像进行采集处理，无需人工参与，避免过度依靠人为经验，提高围岩分级的准确性和快速性。

技术领域

本发明属于隧道围岩图像处理技术领域，具体涉及一种基于渣片图像识别获取围岩类别的方法。

背景技术

隧道围岩等级分类在隧道施工中有着至关重要的作用，是隧道开挖后稳定性判定及相应支护措施选取的重要因素。传统的围岩分级依据岩石的强度，岩体的完整性，裂隙填充物，地下水及地应力等情况综合而定，由于工作量较大且难以获取，导致前期勘察中的围岩分级较为粗略。因此，在TBM掘进过程中，往往出现揭露岩体与前述所得到的岩体围岩分级不一致的情况。另外，由于TBM刀盘与护盾的存在，开挖后获取掌子面地质情况有限，实时获取围岩等级较为困难。现场施工中，掘进中岩体围岩分级并非依据国家标准规范中的方法定义，更多依靠已有勘察报告与现场工程师自身经验而定，可能存在划分有误与滞后的问题。这对于前方岩体情况的准确判定有着较大的制约。因此，找到一种实时且准确判定岩体围岩分级的方法非常重要。

发明内容

针对上述现有技术中描述的不足，本发明提供一种基于渣片图像识别获取围岩类别的方法，用于解决现有掘进时围岩分级滞后及过于依靠人为经验的技术问题。

为解决上述技术问题，本发明所采用的技术方案如下：

一种基于渣片图像识别获取围岩类别的方法，步骤如下：

S1，获取渣片图像。

S2，将渣片图像传输至TBM主控室进行处理，得到处理后的渣片图像。

S2.1，提取拍摄彩色照片的彩色分量；

S2.2，依据图像的灰度关系和高斯函数进行平滑滤波；

S2.3，将图像进行自适应直方图均衡化，提高图像的对比度；

S2.4，多尺度计算彩色图像的梯度，选择最优值；

S2.5，对灰度图像进行形态学处理，突出图像提取的特征；

S2.6，图像进行极值标记和分水岭分割，得到分割图像；

S2.7，定义合并和停止规则进行区域合并，更加准确地得出分割图像；

S2.8，根据区域属性，获得待测物的特征参数。

S3，计算处理后渣片图像的围岩级别关联敏感特征集。

S3.1，从步骤S2中得到粒径累计分布图，并计算图像中各渣片的特征值。

S3.1.1，计算不均匀系数C_u，计算公式为：

C_u＝d₆₀/d₁₀ (1)；

其中，d₆₀为限制粒径，是粒径累计分布图中的某粒径，小于该粒径的土含量占总渣片数量的60％；

d₁₀—有效粒径，粒径累计分布图中的某粒径，小于该粒径的土含量占总渣片数量的10％。

S3.1.2，计算曲率系数C_c，计算公式为：