钻爆法隧道掌子面围岩多元地质信息解析方法及系统

本发明涉及隧道工程，尤其涉及钻爆法隧道掌子面围岩多元地质信息解析方法及系统。

背景技术：

1、随着我国铁路隧道施工工艺和建造技术的不断革新，隧道建设向着大断面、超长、超大埋深发展。由于隧道建设所处地质条件的复杂性和多变性，隧道掌子面围岩的勘察决定着对隧道围岩稳定性的评价，而隧道围岩稳定性一直是关系到隧道工程安全和质量的重要因素。传统的围岩勘察方法依赖于人工采集和现场测量，存在效率低下、取样不足、安全性低、主观性强、自动化程度低、数据获取不够全面等问题。具体问题比如：测量围岩岩性需要地质测量人员到达掌子面前方观察，测量风化程度需要现场岩体取样进行力学测试。测量掌子面结构面参数，需要用皮尺和地质罗盘紧贴掌子面进行测量。测量掌子面的出水状态，需要携带流量计，同时地质人员需要观察掌子面出水的区域。以上的传统围岩勘察耗时耗力，主观性强，同时安全程度低。需要说明的是，在上述背景技术部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供了钻爆法隧道掌子面围岩多元地质信息解析方法及系统，解决了现有方法存在的不足。

2、本发明的目的通过以下技术方案来实现：钻爆法隧道掌子面围岩多元地质信息解析方法，所述解析方法包括：

3、步骤一、运用带有高清摄像头模块和红外热成像模块的无人机按照特定空间位置顺序拍摄隧道掌子面高清照片和红外热成像视频；

4、步骤二、根据步骤一获得的隧道掌子面高清照片为基础，重建掌子面高密度点云，根据掌子面围岩岩性判识模型判别掌子面高清照片中围岩的岩性，根据掌子面围岩风化程度判识模型判别掌子面高清照片中围岩的风化程度；

5、步骤三、解析高密度点云获得掌子面围岩的结构面参数，并根据掌子面围岩出水状态检测模型检测掌子面红外热成像视频中围岩的出水状态；

6、步骤四、基于掌子面高清照片、红外热成像视频和高密度点云的多元地质信息的解析结果对掌子面围岩稳定性进行综合分析。

7、所述重建掌子面高密度点云包括：

8、在agisoft metashape软件中导入掌子面局部高清照片集，并实现照片集校准、生成关键点、生成深度图、生成高密度点云；

9、采用感兴趣与区域算法roi框选生成的高密度点云中掌子面的区域，采用直通滤波算法对点云进行降噪处理，最后将得到的点云数据进行保存。

10、所述根据掌子面围岩岩性判识模型判别掌子面高清照片中围岩的岩性包括：

11、对掌子面高清图像进行裁剪，剔除掉喷射混凝土部分或者拱架部分，保留掌子面中心的有效区域；

12、通过tensorflow中image图像处理库解析所获取的掌子面高清照片，将图像解析为resnet网络训练时的图像输入大小；

13、将经过预处理的照片输入到掌子面围岩岩性判识模型中进行预测，得到模型对各个预测类别的概率向量，找出概率向量中最大概率出的索引值即为该类别的预测标签值，然后匹配标签值对应的岩性。

14、所述根据掌子面围岩风化程度判识模型判别掌子面高清照片中围岩的风化程度包括：

15、对掌子面高清图像进行裁剪，剔除掉喷射混凝土部分或者拱架部分，保留掌子面中心的有效区域；

16、通过tensorflow中image图像处理库解析所获取的掌子面高清照片，将图像解析为vggnet网络训练时的图像输入大小；

17、将经过预处理的照片输入到掌子面围岩风化程度判识模型中进行预测，得到模型对各个预测类别的概率向量，找出概率向量中最大概率出的索引值即为该类别的预测标签值，然后匹配标签值对应的风化程度。

18、所述解析高密度点云获得掌子面围岩的结构面参数包括：

19、将掌子面高密度点云导入到dse(discontinities sets extractor岩体结构面提取器)中拟合生成掌子面高密度点云的法向量信息，并通过分类算法自动生成每一组掌子面结构面的分组信息，确定实际的掌子面结构分组；

20、通过分类算法计算获得每一组掌子面结构面中每一个结构面的法向量信息，并将计算结果、结构面产状和分组信息进行保存，计算得到结构面的间距信息，最终得到掌子面结构面的组数、产状和间距等地质信息。

21、所述根据掌子面围岩出水状态检测模型检测掌子面红外热成像视频中围岩的出水状态包括：

22、将掌子面出水状态标注为“surgeing water”(涌流状出水)、“rain likeeffluent”(淋雨状出水)、“linear effluent”(线流状出水)、“wet effluent”(潮湿状出水)、“drip like effluent”(点滴状出水)五种目标检测训练样本；

23、输入到yolov5卷积神经网络中进行训练，得到掌子面红外热成像的掌子面围岩出水状态检测模型文件，通过yolov5卷积神经网络读取掌子面围岩出水状态检测模型的权重文件和掌子面红外热成像视频，最终输出带有掌子面出水状态判识结果的红外热成像视频。

24、钻爆法隧道掌子面围岩多元地质信息解析系统，它包括数据获取单元、围岩岩性与风化程度判识单元、结构面参数解析与围岩出水状态检测单元和综合分析单元；

25、所述数据获取单元：通过运用带有高清摄像头模块和红外热成像模块的无人机按照特定空间位置顺序拍摄隧道掌子面高清照片和红外热成像视频；

26、所述围岩岩性与风化程度判识单元：用于根据数据获取单元获得的隧道掌子面高清照片为基础，重建掌子面高密度点云，根据掌子面围岩岩性判识模型判别掌子面高清照片中围岩的岩性，根据掌子面围岩风化程度判识模型判别掌子面高清照片中围岩的风化程度；

27、所述结构面参数解析与围岩出水状态检测单元：用于解析高密度点云获得掌子面围岩的结构面参数，并根据掌子面围岩出水状态检测模型检测掌子面红外热成像视频中围岩的出水状态；

28、所述综合分析单元：用于基于掌子面高清照片、红外热成像视频和高密度点云的多元地质信息的解析结果对掌子面围岩稳定性进行综合分析。

29、所述围岩岩性与风化程度判识单元包括：高密度点云重建子单元、围岩岩性判识子单元和围岩风化程度判识子单元；

30、所述高密度点云重建子单元：用于在agisoft metashape软件中导入掌子面局部高清照片集，并实现照片集校准、生成关键点、生成深度图、生成高密度点云；采用感兴趣与区域算法roi框选生成的高密度点云中掌子面的区域，采用直通滤波算法对点云进行降噪处理，最后将得到的点云数据进行保存；

31、所述围岩岩性判识子单元：用于对掌子面高清图像进行裁剪，剔除掉喷射混凝土部分或者拱架部分，保留掌子面中心的有效区域；通过tensorflow中image图像处理库解析所获取的掌子面高清照片，将图像解析为resnet网络训练时的图像输入大小；将经过预处理的照片输入到掌子面围岩岩性判识模型中进行预测，得到模型对各个预测类别的概率向量，找出概率向量中最大概率出的索引值即为该类别的预测标签值，然后匹配标签值对应的岩性；

32、所述围岩风化程度判识子单元：用于对掌子面高清图像进行裁剪，剔除掉喷射混凝土部分或者拱架部分，保留掌子面中心的有效区域；通过tensorflow中image图像处理库解析所获取的掌子面高清照片，将图像解析为vggnet网络训练时的图像输入大小；将经过预处理的照片输入到掌子面围岩风化程度判识模型中进行预测，得到模型对各个预测类别的概率向量，找出概率向量中最大概率出的索引值即为该类别的预测标签值，然后匹配标签值对应的风化程度。

33、所述结构面参数解析与围岩出水状态检测单元包括：结构面参数解析子单元和围岩出水状态检测子单元；

34、所述结构面参数解析子单元：用于将掌子面高密度点云导入到dse(discontinities sets extractor岩体结构面提取器)中拟合生成掌子面高密度点云的法向量信息，并通过分类算法自动生成每一组掌子面结构面的分组信息，确定实际的掌子面结构分组；通过分类算法计算获得每一组掌子面结构面中每一个结构面的法向量信息，并将计算结果、结构面产状和分组信息进行保存，计算得到结构面的间距信息，最终得到掌子面结构面的组数、产状和间距等地质信息；

35、所述围岩出水状态检测子单元：用于将掌子面出水状态标注为“surgeing water”(涌流状出水)、“rain like effluent”(淋雨状出水)、“linear effluent”(线流状出水)、“wet effluent”(潮湿状出水)、“drip like effluent”(点滴状出水)五种目标检测训练样本；输入到yolov5卷积神经网络中进行训练，得到掌子面红外热成像的掌子面围岩出水状态检测模型文件，通过yolov5卷积神经网络读取掌子面围岩出水状态检测模型的权重文件和掌子面红外热成像视频，最终输出带有掌子面出水状态判识结果的红外热成像视频。

36、本发明具有以下优点：

37、1、能够通过无人机实现多元地质信息的采集一体化，提高掌子面围岩多元地质信息的采集和测量效率、安全性、实时性。采集的高清照片、高密度点云和红外热成像视频克服了传统采集中取样不足的问题。

38、2、能通过掌子面局部高清照片集的二维数据得到掌子面高密度点云的三维数据，通过三维重建掌子面点云，立体分析掌子面结构面的参数信息如间距、组数、产状，克服了多元地质信息采集和测量过程中的主观因素的影响、取样不足的影响。

39、3、能通过掌子面高清照片自动且高效地识别掌子面岩性，将同地质条件段不同循环的掌子面岩性前后联系起来进行判识，排除了传统人工判识掌子面岩性的主观性和经验性对岩性结果判识的影响。

40、4、能通过掌子面高清照片自动且高效地识别掌子面风化程度，将同地质条件段不同循环的掌子面风化程度前后联系起来进行判识，排除了传统人工判识掌子面风化程度的主观性和经验性对风化程度结果判识的影响。

41、5、运用dse(discontinities sets extractor岩体结构面提取器)解析掌子面高密度点云，智能化和数字化表征掌子面结构面参数，包括组数、间距、产状。排除了传统掌子面结构面参数测量时主观因素的影响、同时高密度的掌子面点云也克服了现场取样不足的缺点。

42、6、能通过解析无人机采集的掌子面围岩的红外热成像视频，自动地智能地检测掌子面出水状态和掌子面出水区域。