【技術實現(xiàn)步驟摘要】
本專利技術涉及地質雷達識別，具體涉及基于gar-net的隧道襯砌鋼架識別方法及相關設備。
技術介紹
1、近年來，中國在鐵路及公路隧道建設領域取得了顯著進展，其建設規(guī)模和速度均達到了全球領先水平。然而，隨著這些基礎設施的迅速擴張，隧道工程的質量問題也逐漸成為人們關注的焦點，隧道襯砌混凝土厚度不足、鋼拱架的間距不滿足設計要求、隧道襯砌空洞等都會不同程度地影響隧道的安全性和穩(wěn)定性，從而影響隧道的工程質量，為了保障隧道建成后的安全運營，在隧道的建設過程中需要對其結構進行專項檢測。在當前的工程項目中，隧道結構內部缺陷常采用布置地質雷達測線來進行檢測及評估，技術人員根據采集的雷達圖像對襯砌厚度、鋼拱架間距、襯砌背后空洞進行人工判識，判識準確率嚴重依賴技術人員的經驗水平，往往會造成不同程度的錯判和漏判，在雷達圖像解譯過程中，人工判識方法不僅耗費大量人力，而且其效率相對較低，同時受到判識者主觀判斷的顯著影響。為了克服人工判識方法的不足，地質雷達圖像自動判識技術成為近年來隧道檢測領域的研究熱點。
2、在早期的地質雷達圖像識別研究中，學者們主要采用“傳統(tǒng)”的手工提取雷達波信號特征的方式進行簡單信號的識別工作，hough變換配合svm(支持向量機)等方法也成為了當時的主流機器學習算法之一。期間，maas和schmalzl等人利用雷達圖像中的雙曲線信號進行了識別，之后sagnard和tarel等人提出的模板匹配算法。terrasse提出了一種新型的字典學習算法，該算法在地質雷達圖像缺陷判識領域得到了廣泛應用。這些研究極大推動了地質雷達圖像識
3、因此，傳統(tǒng)的地質雷達法隧道襯砌鋼拱架和厚度識別方式主要采用人工解譯的方式進行判別，判識速度慢且識別準確度依賴技術人員的經驗水平，這給技術人員帶來及其繁雜的工作。
技術實現(xiàn)思路
1、基于上述
技術介紹
所提出的問題，本專利技術的目的在于提供基于gar-net的隧道襯砌鋼架識別方法及相關設備，該方法中定義一個全新的網絡結構gar-net，該網絡由里程識別、襯砌厚度識別、鋼拱架識別三部分組成，包含了模式匹配、語義分割、目標檢測等多種算法，并提出了基于gar-net算法的隧道襯砌鋼架及厚度自動定位和識別流程，克服了傳統(tǒng)雷達圖像解譯的缺點，實現(xiàn)了對隧道鋼拱架及襯砌厚度的自動識別，顯著增加了地質雷達圖像自動判識的精度與識別效率，解決了傳統(tǒng)的地質雷達法隧道襯砌鋼拱架和厚度識別方式主要采用人工解譯的方式進行判別，判識速度慢且識別準確度依賴技術人員的經驗水平，從而導致效率低下的問題。
2、本專利技術通過下述技術方案實現(xiàn)：
3、本專利技術第一方面提供了基于gar-net的隧道襯砌鋼架識別方法，包括如下步驟：
4、獲取襯砌地質雷達數(shù)據，對所述地質雷達數(shù)據進行空間域增強，生成襯砌地質雷達數(shù)據集；
5、構建gar-net網絡模型，利用所述襯砌地質雷達數(shù)據集對所述gar-net網絡模型進行訓練；其中，所述gar-net網絡模型包括里程識別模型、襯砌厚度識別模型和鋼拱架識別模型，所述里程識別模型用于為襯砌厚度識別和鋼筋頭識別提供里程坐標信息，所述襯砌厚度識別模型用于識別隧道襯砌厚度，所述鋼拱架識別模型用于基于里程坐標信息進行鋼拱架定位；
6、獲取地質雷達圖像，利用訓練后的gar-net網絡模型對所述地質雷達圖像進行襯砌厚度與隧道鋼拱架的自動定位識別。
7、在上述技術方案中，首先，由于在深度學習領域，為了對監(jiān)督式的網絡結構進行有效訓練，通常需要依賴龐大的數(shù)據集，但是隧道襯砌地質雷達圖像數(shù)據獲取難度較大，故在本方法中對地質雷達數(shù)據進行空間域增強以提高神經網絡結構的魯棒性。
8、其次，構建gar-net網絡模型，該網絡模型主要由三個部分組成。第一個部分是里程識別模型，里程識別模型主要為第二部分的襯砌厚度識別模型和第三部分的鋼拱架識別模型提供里程坐標信息。第二部分的襯砌厚度識別模型對襯砌地質雷達圖像進行特征提取，并基于里程坐標信息對提取的特征進行襯砌厚度識別。第三部分的鋼拱架識別模型通過對襯砌地質雷達數(shù)據進行特征提取，實現(xiàn)鋼筋的自動識別、統(tǒng)計鋼筋數(shù)量，并從中提取出鋼拱架，根據里程坐標信息進行鋼筋頭定位且自動計算出鋼拱架之間的間距。
9、利用訓練后的gar-net網絡模型對地質雷達圖像進行識別，可以得到襯砌厚度以及隧道鋼拱架的定位信息，通過襯砌厚度和隧道鋼拱架的定位信息可以判斷隧道襯砌鋼架是否存在缺陷，克服了傳統(tǒng)雷達圖像解譯的缺點，可實現(xiàn)對隧道鋼拱架及襯砌厚度的自動識別，顯著增加了地質雷達圖像自動判識的精度與識別效率。
10、在一種可選的實施例中，所述里程識別模型用于為襯砌厚度識別和鋼筋頭識別提供里程坐標信息包括：
11、對所述襯砌地質雷達數(shù)據集中的雷達圖像進行黑白二值化處理，得到黑白二值化雷達圖像；
12、依次對所述黑白二值化雷達圖像進行水平數(shù)字刻度分離和垂直數(shù)字刻度分離，得到帶有數(shù)字刻度分離的黑白二值化雷達圖像；
13、采用模式識別方法對帶有數(shù)字刻度分離的黑白二值化雷達圖像進行數(shù)字識別，利用數(shù)字識別結果構建雷達圖像坐標系。
14、在一種可選的實施例中，所述襯砌厚度識別模型包括收縮路徑和擴展路徑；所述收縮路徑包括四個壓縮模塊，所述擴展路徑包括四個擴張模塊；
15、利用四個壓縮模塊對所述襯砌地質雷達數(shù)據集中的雷達圖像進行卷積，利用四個擴張模塊對卷積后的雷達圖像進行上采樣，得到融合特征圖像；
16、對所述融合特征圖像中的每個像素點進行分類，得到背景區(qū)域和襯砌厚度區(qū)域。
17、在一種可選的實施例中，四個壓縮模塊包括依次連接的第一壓縮模塊、第二壓縮模塊、第三壓縮模塊和第四壓縮模塊；所述第一壓縮模塊的卷積層采用兩個64通道的3x3卷積核，所述第二壓縮模塊的卷積層采用兩個128通道的3x3卷積核，所述第三壓縮模塊的卷積層采用三個256通道的3x3卷積核，所述第四壓縮模塊的卷積層采用三個512通道的3x3卷積核；
18、四個擴張模塊包括與所述第一壓縮模塊對應的第一擴張模塊、與所述第二壓縮模塊對應的第二擴張模塊、與所述第三壓縮模塊對應的第三擴張模塊和與所述第四壓縮模塊對應的第四擴張模塊；
19、其中，對應的壓縮模塊、擴張模塊的通道數(shù)保持一致。
20、在一種可選的實施例中，所述鋼拱架識別模型用于基于里程坐標信息進行鋼拱架定位包括：
21、對所述襯砌地質雷達數(shù)據集中的雷達圖像進行特征提取，得到鋼筋特征圖像；
22、對所述鋼筋特征圖像進行輪廓提取，得到鋼筋結構；
23、對所述鋼筋結構進行數(shù)量統(tǒng)計，得到鋼筋數(shù)量；
24、利用所述鋼筋結構和所述鋼筋數(shù)量進行鋼拱架識別，得到鋼拱架結構；
25、利用所述里程坐標本文檔來自技高網...
【技術保護點】
1.基于GAR-NET的隧道襯砌鋼架識別方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于GAR-NET的隧道襯砌鋼架識別方法，其特征在于，所述里程識別模型用于為襯砌厚度識別和鋼筋頭識別提供里程坐標信息包括：
3.根據權利要求1所述的基于GAR-NET的隧道襯砌鋼架識別方法，其特征在于，所述襯砌厚度識別模型包括收縮路徑和擴展路徑；所述收縮路徑包括四個壓縮模塊，所述擴展路徑包括四個擴張模塊；
4.根據權利要求3所述的基于GAR-NET的隧道襯砌鋼架識別方法，其特征在于，四個壓縮模塊包括依次連接的第一壓縮模塊、第二壓縮模塊、第三壓縮模塊和第四壓縮模塊；所述第一壓縮模塊的卷積層采用兩個64通道的3x3卷積核，所述第二壓縮模塊的卷積層采用兩個128通道的3x3卷積核，所述第三壓縮模塊的卷積層采用三個256通道的3x3卷積核，所述第四壓縮模塊的卷積層采用三個512通道的3x3卷積核；
5.根據權利要求1所述的基于GAR-NET的隧道襯砌鋼架識別方法，其特征在于，所述鋼拱架識別模型用于基于里程坐標信息進行鋼拱架定位包括：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。