TBM掘进岩渣图像分割与识别方法研究

doi:10.3973/j.issn.2096-4498.2021.05.014

中国科学引文数据库（CSCD）来源期刊
中文核心期刊中文科技核心期刊
Scopus RCCSE中国核心学术期刊
美国EBSCO数据库俄罗斯《文摘杂志》
《日本科学技术振兴机构数据库（中国）》

隧道建设（中英文） ›› 2021, Vol. 41 ›› Issue (5): 803-813.DOI: 10.3973/j.issn.2096-4498.2021.05.014

TBM掘进岩渣图像分割与识别方法研究

李青蔚¹，杜立杰^1，*，杨亚磊¹，刘雷涛¹，蔡龙²，刘金辉²

(1. 石家庄铁道大学，河北石家庄 050043； 2. 中铁十九局集团第一工程有限公司，辽宁辽阳 111000）

出版日期:2021-05-20 发布日期:2021-05-29

Segmentation and Recognition Method of Rock Muck Image during Tunnel Boring Machine Construction

LI Qingwei¹, DU Lijie^{1, *}, YANG Yalei¹, LIU Leitao¹, CAI Long², LIU Jinhui²

(1. Shijiazhuang Tiedao University, Shijiazhuang 050043, Hebei, China; 2. China Railway 19 Bureau Group First Co., Ltd., Liaoyang 111000, Liaoning, China)

Online:2021-05-20 Published:2021-05-29

摘要/Abstract

摘要： 为促进TBM在掘岩体的智能化识别及安全高效施工，依托朱溪水库引水隧洞等TBM施工工程，现场采集岩渣图像，首先,总结分析岩渣特征与岩体完整程度的对应关系; 然后，根据TBM岩渣图像特点，提出基于改进标记分水岭的岩渣图像分割算法，对岩渣图像进行特征提取与分类识别; 最后，对现场采集的不同岩体完整程度下的160张岩渣图像进行工程应用，验证方法的准确性。结果表明： A、B、C类岩体对应的岩渣图像分类结果准确率分别为96.3%、94%、86.7%。该方法可以有效实现TBM掘进岩渣的自动分析与识别，可为不良地质TBM安全施工预警提供保障。

关键词: , TBM；标记分水岭变换；岩渣；图像分割；图像识别

Abstract:

Realtime judgment and early warnings of tunnel face surrounding rock conditions during tunnel boring machine (TBM) tunneling are paramount in intelligent rock mass identification and safe and efficient TBM tunneling. A few onsite images of rock muck are collected from some TBM projects, i.e. Zhuxi Reservoir diversion tunnel. First, the correspondence between rock muck and rock mass integrity is summarized. Second, according to the characteristics of rock muck images, a new segmentation algorithm based on the improved marked watershed transform is proposed to extract and classify the muck images. Finally, the accuracy of the method is verified using 160 pieces of onsite rock muck images under different degrees of rock mass integrity. The results show that the average accuracies of A, B, and C image classification are 96.3%, 94%, and 86.7%, respectively, indicating that the method can effectively realize automatic analysis and recognition of rock muck, providing an early warning for TBM tunneling in adverse geology. 

Key words: TBM, marked watershed transformation, rock muck, image segmentation, image recognition

中图分类号:

U 45

李青蔚, 杜立杰, 杨亚磊, 刘雷涛, 蔡龙, 刘金辉. TBM掘进岩渣图像分割与识别方法研究[J]. 隧道建设, 2021, 41(5): 803-813.

LI Qingwei, DU Lijie, YANG Yalei, LIU Leitao, CAI Long, LIU Jinhui.

Segmentation and Recognition Method of Rock Muck Image during Tunnel Boring Machine Construction [J]. Tunnel Construction, 2021, 41(5): 803-813.

[1]	司景钊, 王唤龙, 曹贵才, 沈维. 高黎贡山隧道TBM掘进卡机段TSP法物性参数响应特征分析[J]. 隧道建设, 2021, 41(3): 396-401.
[2]	王彬, 李苍松, 蔡建华, 史永跃, 王彦杰, 张涛. 岩石里氏硬度值与单轴饱和抗压强度相关性分析初步探讨[J]. 隧道建设, 2020, 40(S2): 174-179.
[3]	李慎奎, 陶岚. 武汉地区一级阶地岩溶处理措施探讨及工程实践[J]. 隧道建设, 2020, 40(S1): 307-313.
[4]	卢为杰. 地铁工程盾构接收渗漏险情的处理实践[J]. 隧道建设, 2020, 40(S1): 364-368.
[5]	薛青松. 苏州城北路大断面矩形顶管顶力计算与实测分析[J]. 隧道建设, 2020, 40(12): 1717-1724.
[6]	董志伟, 丁小彬, 杨永强, 张超. 敞开式顶管机改造及洞内组装升级泥水平衡顶管机施工技术——以深圳电网北环110 kV架空线改造入地电缆隧道工程为例 [J]. 隧道建设, 2020, 40(11): 1649-1656.
[7]	王昆, 叶蕾, 程永龙, 高文梁, 张树祺, 郑亮奎 . 机械法联络通道用掘进机始发接收密封装置研究 [J]. 隧道建设, 2020, 40(1): 134-142.
[8]	陈启伟. 台山核电取水隧洞工程泥水处理技术的应用[J]. 隧道建设, 2011, 31(1): 130-137.
[9]	刘正光, 卢耀宗, 杨文武. 大型隧道工程风险管理工程实践——从香港到内地之工程经验[J]. 隧道建设, 2010, 30(增刊1): 8-14.
[10]	简贤文, 熊光华, 徐金山, 陈立育, 李宏彻, 黄依慧, 施邦筑, 谢蕙如. 公路隧道内油罐车火灾境况探讨[J]. 隧道建设, 2010, 30(增刊1): 35-44.
[11]	郭陕云. 隧道工程的技术进步和理念创新与建筑方法分类及术语的规范化[J]. 隧道建设, 2010, 30(6): 621-624.
[12]	李少利, 李丰果. 盖挖法地铁车站支撑柱施工新技术[J]. 隧道建设, 2010, 30(6): 675-677.
[13]	牟松. 梧村山隧道穿越楼房过程中注浆关键技术运用研究[J]. 隧道建设, 2010, 30(4): 451-455.
[14]	苏睿, 刘晓翔, 高文山. 西秦岭铁路隧道TBM掘进同步衬砌施工技术探讨[J]. 隧道建设, 2010, 30(2): 125-127，161.
[15]	陈庆怀,姜永涛. 大断面客专隧道软弱围岩快速施工探讨[J]. 隧道建设, 2009, 29(增刊2): 18-23,44.

TBM掘进岩渣图像分割与识别方法研究

Segmentation and Recognition Method of Rock Muck Image during Tunnel Boring Machine Construction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价