[发明专利]一种隧道掌子面裂隙快速识别的方法

说明书

一种隧道掌子面裂隙快速识别方法,使用图像采集设备对掌子面的图像进行采集,使用物理降尘和计算机图片去噪结合方式提高图片质量,结合深度学习算法对计算机进行训练，由计算机实时的对掌子面图片中裂隙进行识别,提供了一种隧道掌子面非接触式快速识别裂隙的办法。

技术领域

本发明涉及一种隧道掌子面裂隙快速识别的方法，属于隧道探测领域。

背景技术

隧道围岩中存在包括裂隙、断裂破碎带等多种结构面。隧道掌子面裂隙分布情况是评价隧道围岩稳定性的重要依据,现有研究表明裂隙对于围岩力学性质与变形破坏的影响往往大于围岩材料本身，因此，了解隧道掌子面中裂隙的分布及特征是围岩稳定控制的重要内容，对隧道安全施工、提高经济效益具有重要的意义。

目前，有多种途径可以进行隧道掌子面的裂隙观测。其中，对于隧道掌子面表面的裂隙，可以用肉眼直接观察并通过卷尺、量角器等工具进行定量描述。人工观测需要在施工的间隙由几人进入合作测量,但由于隧道的施工现场环境非常恶劣，浓重的粉尘和昏暗的光照条件非常不方便记录人员进行现场记录测量,会造成在观测裂隙时漏测或者误测。另一方面受现场记录人员的知识水平及工作经验的影响，对裂隙描述的完整性和准确性都无法得到保障，由此获得的数据也缺乏准确性。因此，工程上亟需一种可以经济高效的识别隧道掌子面裂隙的方法。深度学习是机器学习领域中一个新的研究方向,计算机通过对已有样本的学习。使得计算机能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习在图像识别方面取得的十分出色效果，其效率和准确率远远超过了现有的人工识别的方法。

发明内容

本发明的目的是提供了一种识别隧道掌子面裂隙的方法，为了实现上述目的，本发明通过以下技术方案来实现的：

S1相机放置在掌子面正前方与地面呈90度

S2利用碘钨灯设置水平光源

S3通过洒水喷枪降低隧道内的粉尘浓度

S4利用相机获得掌子面图像

S5对图像进行预处理包括灰度化,图像去噪,图像增强

S6通过深度学习的算法对裂隙进行识别

优选的是本发明采用摄像机拍摄掌子面的非接触方式对掌子面图像进行获取。可以极大的提高对掌子面裂隙信息获取的效率。

优选的是利用碘钨灯对隧道进行照明，可以根据隧道内的光线情况调整碘钨灯的功率。可以有效地避免因为隧道内光线缺失所导致的图片质量问题。提高了后期的图片识别的准确率。

优选的是物理降尘所使用的水是普通水通过磁化装置后所产生的磁化水，磁化水的降尘效率是普通水的两倍。

优选的是通过物理降尘的方式能有效的解决因为隧道内粉尘过多所导致粉尘阻碍光线传播和造成漫反射。

优选的是对获得的图像进行预处理可以提高图片的质量，减少图片中的噪点。提高识别的精度。其中图像去噪采用全变分法去噪,平滑噪声,同时对边缘保持。图像增强采用直方图均衡法处理。

优选的是采用深度学习的算法训练计算机对裂隙的特征进行学习，由计算机对掌子面图片中的裂隙识别，深度学习算法识别具有准确高效的特点，可以解决由于隧道内环境恶劣所导致的人工测量不准确等问题。

附图说明

图1是掌子面裂隙识别流程图

图2是获取掌子面图像装置图

具体实施方法