[发明专利]一种围岩裂隙信息的模型训练方法及提取方法

说明书

本发明实施例提供一种围岩裂隙信息的模型训练方法及提取方法，包括：S1.将原始图像数据集K分为训练集K1和测试集K2，将训练集K1中的每张图像的裂隙位置进行标注，得到标注后的图像数据集；S2.将标注后的图像数据集载入CenterNet模型进行训练，根据损失函数计算CenterNet模型的损失函数值；S3.根据损失函数值更新CenterNet模型的参数，返回S2,直至损失函数值的更新次数达到预设值；S4.比较所有的损失函数值，得到损失函数值最小的CenterNet模型即围岩裂隙信息定位模型。本发明实施例通过提取方法应用围岩裂隙信息定位模型对裂隙线段进行提取，解决了现有的掌子面围岩裂隙的测量方式准确性不足的问题。

技术领域

本发明涉及一种围岩裂隙信息的模型训练方法及提取方法。

背景技术

地质工作是是隧洞建设中的关键一环，其主要工作包括隧洞的勘察设计和开挖过程。隧洞的地质条件由于多方面环境因素的影响比较复杂，同时初期勘察设计所判断的隧洞地质条件往往与隧洞开挖时的实际情况不完全相同，其围岩等级也可能不一致，因此，需要对开挖过程中隧洞的围岩状况进行准确、便捷地分级评估。

隧洞掌子面(即开挖断面)的围岩情况是隧洞施工过程中地质条件判断的重要参考，其中节理裂隙是隧洞掌子面中比较常见的构造地质现象，同时也是判断开挖过程中隧洞地质条件的重要影响性因素。

目前，传统的掌子面围岩裂隙测量手段主要是通过现场专业人员手动测量，主要根据裂隙发育数量和裂隙之间的距离两种指标分析隧洞围岩裂隙的发育情况。但现有的方法存在两个主要问题即信息准确性不足以及工作效率低。一方面，由于现场记录人员的地质知识水平和工作经验影响，不能保证判断描述的完整性和准确性；另一方面，隧洞现场环境非常恶劣，裂隙的描述分析需要大量的时间，浓粉尘和低光照等条件对记录人员进行现场分析和测量来说非常不便，同时，隧洞中的岩爆、塌方等潜在危险始终威胁着现场人员的安全。现有的裂隙处理手段除了人工，也有部分基于传统的图像处理技术，智能化程度不高，流程繁琐。

发明内容

为解决现有的掌子面围岩裂隙的测量方式准确性不足的问题，本发明实施例提供一种围岩裂隙信息的模型训练方法及提取方法。

本发明实施例通过下述技术方案实现：

第一方面，本发明实施例提供一种围岩裂隙信息的模型训练方法，包括：

S1.将原始图像数据集K分为训练集K1和测试集K2，将训练集K1中的每张图像的裂隙位置进行标注，得到标注后的图像数据集；

S2.将标注后的图像数据集载入CenterNet模型进行训练，根据损失函数计算CenterNet模型的损失函数值；

S3.根据所述损失函数值更新所述CenterNet模型的参数，返回S2,直至损失函数值的更新次数达到预设值；

S4.比较所有的损失函数值，得到损失函数值最小的CenterNet模型即围岩裂隙信息定位模型；

所述训练集K1中的每张图像为原始图像。

进一步的，所述S4包括：

根据所述损失函数值通过反向传播的方式更新所述CenterNet模型的参数，返回S2,直至损失函数值的更新次数达到预设值。

进一步的，所述S1包括：将训练集K1中的每张图像的裂隙位置进行标注，剔除光照阴影、黏土矿物影响造成的虚假裂隙，得到标注后的图像数据集。

进一步的，所述S1包括：

将训练集K1中的每张图像的裂隙位置采用矩形框进行标注，得到标注后的图像数据集。

进一步的，所述S2包括：

对载入CenterNet模型的标注后的图像数据集的图像进行图像处理；