- CSCD核心中文核心科技核心
- RCCSE(A+)公路运输高质量期刊T1
- Ei CompendexScopusWJCI
- EBSCOPж(AJ)JST
高效分拣
隧道施工的过程中会不断产生渣土，若这些渣土没能在施工场地进行重复利用，一般会运往垃圾填埋场。而想要利用这些渣土，就必须快速地对渣土进行分拣，判断哪些渣土是可用的，哪些渣土无法再利用；初步判定可用的渣土里还需要进一步细致地分拣，以确定其未来的具体用途，可能用作混凝土的骨料，也有可能作为隧道外部结构的回填土。
渣土分拣的第一步是识别。在高速运转的传送带上对渣土进行准确识别是一项富有挑战性的工作。为此，海瑞克、STUVA和科隆工业大学组成的联合研发团队正在借助人工智能来解决这一难题。
该项目名为“REMATCH”，其目标是利用收集的盾构施工数据集训练人工智能，使人工智能可以通过实时图像和测量仪器上的数据分辨渣土材料的特性，实现自动化的分拣流程，提高隧道渣土回收利用的效率。该系统将基于多种人工智能识别方法，包括对渣土的图像识别、盾构监测数据的智能处理、知识数据库。
训练方式
训练人工智能需要大量的基础数据。为了在不影响现场施工的情况下稳定地获取所需数据，海瑞克公司在其位于德国南部施瓦瑙的总部搭建了一条长约50 m、比例1∶1的测试传送带，由盾构原装部件组成，其技术参数与直径9 m盾构内的传送带基本相同。
传送带上方安装了木质平台，用于多点位、多角度地安装测量仪器、摄像机和闪光灯。除了图像数据外，这个测试传送带还会采集其他相关参数，包括渣土的塑性或流动性、出土的抗剪强度和含水量等，这些参数在常规盾构施工期间很难进行连续测定。为此，在运行中的传送带上安装了摆锤和犁，通过测量渣土对仪器施加的力来记录并分析数据。
除了试验环境的数据外，项目也使用了大量实际施工过程中收集的数据来进行人工智能训练。项目团队使用了大巴黎快线工程建设过程中海瑞克盾构收集的大量传送带视频数据，这些视频数据通过业界传统的摄像设备拍摄而来。
目前，该项目正在进行深入试验，并进一步训练人工智能，以便其能够在各种不同的地质条件下准确地识别渣土类型。
其他思路
除了基于人工智能的分拣系统外，业界也出现了其他自动化分拣系统的设计思路。在里昂—都灵铁路隧道项目的建设期间，项目团队研发并使用了一套基于比色仪+粒度仪的自动化分拣系统。
项目中盾构掘进路线多为混合地层，一般由页岩、砂岩和煤组成。其中，比色仪的主要作用是识别含煤炭的渣土；粒度仪的主要作用是识别不适合再利用的砂岩和页岩。仪器识别到不可再利用的渣土后，转运平台就会自动切换传送带，将这些渣土转送到另一个区域。借此，整套系统可以自主完成对渣土从识别到分类的全流程。
