CN120219860A 基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法

(10)申请公布号CN120219860A(71)申请人四川路桥建设集团股份有限公司地址610093四川省成都市高新区高朋大道11号科技工业园F-59号申请人四川路航建设工程有限责任公司四川智能建造科技股份有限公司四川公路桥梁建设集团有限公司勘察设计分公司四川公路桥梁建设集团有限公司公路隧道分公司宋飞向英杰范仁玉黄鹏邱超郭建李红鹏张天翼周和祥冯霄利要求书1页说明书5页附图5页(54)发明名称基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法本发明属于地下工程技术领域，涉及基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，方法包括：S1采集隧道爆破施工后的围岩凹凸形态的图像；S2将采集的图像输入到计算机神经网络中，输出图像对应的岩石凹陷和凸起的类型，并按照该类型将图像进行分类；采用YOL0算法对分类后的图像数据进行识别，获取图像中凹凸形态的坐标参数，确定其在隧道的分布位置；S3根据岩石凹陷和凸起的分类和位置判断凹凸形态分布特征类型；S4根据凹凸形态分布特征类型调整爆破参数。本发明的方法有利于快速确定导致隧道爆破效果不佳的主要原因，并对相应的岩石凹陷和凸起的类型，并按照该类型将图像数据进行分类：采用YOLO算法对分类后的图像数据进行识别，获取分类后的图像数据对应的位置21.基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，包括：S1、采集隧道爆破施工后的围岩凹凸形态的图像；S2、将采集的图像输入到计算机神经网络中，输出图像对应的岩石凹陷和凸起的类型，并按照该类型将图像进行分类；采用YOLO算法对分类后的图像进行识别，获取图像中凹凸形态的坐标参数，确定图像在隧道的分布位置；S3、根据所述图像对应的岩石凹陷和凸起的类型，所述图像在隧道的分布位置判断凹凸形态分布特征类型；S4、根据凹凸形态分布特征类型调整爆破参数。2.如权利要求1所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，步骤S2中的所述计算机神经网络包括VGG13.如权利要求2所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，步骤S2中的所述岩石凹陷和凸起的类型包括：岩石平整、岩石凹陷和岩石凸起。4.如权利要求3所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其5.如权利要求4所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，步骤S2中所述图像在隧道的分布位置用带有坐标信息的边界框表示。6.如权利要求1所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其7.如权利要求1-6任一项所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，步骤S3中所述凹凸形态分布特征类型包括：8.如权利要求7所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，所述根据凹凸形态分布特征类型调整爆破参数包括：特征一：需调整的参数为钻孔深度，调整方法为控制钻孔倾斜角度；特征二：需调整的参数为光爆层厚度，调整方法为增加光爆层厚度；特征三：需调整的参数为周边孔间距，调整方法为减小周边孔间距；特征四：需调整的参数为装药量，调整方法为增加掏槽孔药量。9.如权利要求8所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征二：增加光爆层厚度幅度为0.1×15×d;特征三：减少周边孔间距幅度为0.1×18×d;特征四：增加掏槽孔药量幅度为0.1kg/m;10.如权利要求1所述的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，其特征在于，步骤S1中所述图像的分辨率大于或等于2000万像素。3基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法技术领域[0001]本申请涉及地下工程技术领域，具体涉及基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法。背景技术[0002]隧道施工过程中，掌子面的爆破开挖对施工质量和成本有着重要影响。在现行相关隧道施工技术规范中，一般推荐在每次爆破后通过人工观察炮孔残痕数量并计算炮孔残痕率来判断该循环的爆破效果，再加上通过现场测量隧道轮廓的超欠挖数据来对下一循环的爆破参数进行调整。然而，仅依靠炮孔残痕率这一指标来判断隧道爆破效果是较为片面的，其结果难以准确指导爆破参数的优化调整，而隧道轮廓的超欠挖数据存在的问题是不能清晰指明隧道爆破效果不佳的原因。因此，目前在实际施工中，隧道爆破效果的判断和参数的优化仍主要依赖人工经验进行，且其工作量大、智能化程度低，在工程实践中也很难做到每个循环对隧道爆破效果进行判断，也很难做到对光面爆破参数进行实时调整，这对于围岩条件复杂多变或是现场技术力量薄弱的项目而言，往往会导致隧道光面爆破效果差，超欠挖严重，隧道施工成本升高等问题。发明内容[0003]本申请为了克服上述缺陷，基于隧道爆破后掌子面凹凸形态分布特征来优化光面爆破参数，提供了基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法，有利于快速确定导致隧道爆破效果不佳的主要原因，以提高隧道爆破参数优化的效率和准确率，使得光面爆破取得更好的效果，并促进隧道爆破设计和施工的智能化发展。[0004]本申请实施例提供的基于围岩凹凸形态分布特征的光面爆破参数优化方法包括：S1、采集隧道爆破施工后的围岩凹凸形态的图像；S2、将采集的图像输入到计算机神经网络中，输出图像对应的岩石凹陷和凸起的类型，并按照该类型将图像进行分类；采用YOLO(YouOnlyLookOnce)算法对分类后的图像进行识别，获取图像中凹凸形态的坐标参数，确定图像在隧道的分布位置；S3、根据所述图像对应的岩石凹陷和凸起的类型，所述图像在隧道的分布位置判断凹凸形态分布特征类型；S4、根据凹凸形态分布特征类型调整爆破参数。[0005]进一步的，步骤S2中的所述计算机神经网络包括VGG16卷积神经网络。[0006]进一步的，步骤S2中的所述岩石凹陷和凸起的类型包括：岩石平整、岩石凹陷和岩石凸起。[0007]进一步的，采用YOLO算法对分类后的图像数据进行识别前，删除岩石平整类型的图像数据。[0008]进一步的，步骤S2中所述图像在隧道的分布位置用带有坐标信息的边界框表示。[0009]进一步的，步骤还包括：按照调整后的爆破参数进行爆破处理，并返回执行步骤S14~S4。[0010]进一步的，步骤S3中所述凹凸形态分布特征类型包括：特征一：出现位置为掌子面，围岩形态为凹陷或凸起；特征二：出现位置为侧壁处，围岩形态为凹陷；特征三：出现位置为侧壁处，围岩形态为凸起；特征四：出现位置为轮廓线处，围岩形态为凸起。[0011]进一步的，所述根据凹凸形态分布特征类型调整爆破参数包括：特征一：需调整的参数为钻孔深度，调整方法为控制钻孔倾斜角度；特征二：需调整的参数为光爆层厚度，调整方法为增加光爆层厚度；特征三：需调整的参数为周边孔间距，调整方法为减小周边孔间距；特征四：需调整的参数为装药量，调整方法为增加掏槽孔药量。[0012]进一步的，调整幅度为：特征一：保持钻孔倾斜角度不变；特征二：增加光爆层厚度幅度为0.1×15×d;特征三：减少周边孔间距幅度为0.1×18×d;特征四：增加掏槽孔药量幅度为0.1kg/m;[0013]进一步的，步骤S1中所述图像的分辨率大于或等于2000万像素。[0014]与现有技术相比，本申请的有益效果是：克服了现有技术中爆破参数的优化路径不明确，优化设计较为依赖人工，智能化程度低的问题，有利于快速确定导致隧道爆破效果不佳的主要原因，并对相应的爆破参数进行调整，有效提高了隧道爆破参数优化的效率和准确率，使隧道爆破设计和施工取得更好效果。附图说明[0015]图1为本申请实施例1中的基于围岩凹凸形态分布特征的光面爆破参数优化方法的步骤示意图；图2为本申请实施例1中的隧道爆后围岩图像采集方法示意图；图3为本申请实施例1中的VGG16卷积神经网络模型架构示意图；图4为本申请实施例1中的VGG16特征提取过程示意图；图5为本申请实施例1中的YOLO算法具体的网络结构示意图；图6为本申请实施例1中的检测原图；图7为本申请实施例1中的图6中的检测原图对应的检测结果。具体实施方式[0016]下面结合试验例及具体实施方式对本申请作进一步的详细描述。但不应将此理解为本申请上述主题的范围仅限于以下的实施例，凡基于本申请内容所实现的技术均属于本申请保护的范围。5方位或位置关系的表达，或者是该产品/设备/装置惯常使用时，摆放的方位或位置关系。这些方位或位置关系的术语，仅仅是为了便于描述本申请方案或简化具体实施例中的描述，便于技术人员快速理解方案，而不是指示或暗示特定的装置/部件/元件必须具有特定的方位，或以特定的位置关系进行构造和操作，因此不能理解为对本申请的限制。另一个实体或操作区分开来，而不能理解为指示或暗示相对重要性或者隐含指明所指示的两个以上，除非另有明确具体的限定。[0019]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。[0020]请参看图1,图1为本申请实施例提供的基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法的步骤示意图。基于爆后围岩凹凸形态分布特征的隧道爆破参数优化方法可以包括：S1、采集隧道爆破施工后的围岩凹凸形态的图像。[0021]在隧道进行爆破后，先对掌子面进行出渣和通风，给予掌子面一定强度光照，保证摄像区域的亮度，然后通过放置在隧道中轴线上固定位置的高分辨率摄像机(分辨率≥2000万像素)对隧道掌子面和隧道侧壁进行照相，重点注意对围岩存在凹凸形态特征位置的图像采集，并确保图像采集过程中排除遮挡及局部缺失，以完整覆盖掌子面及附近区域，隧道爆后围岩图像采集方法示意图如图2所示。[0022]S2、将采集的图像输入到计算机神经网络中，输出图像对应的岩石凹陷和凸起的分类；采用YOLO算法对分类后的图像进行识别，获取分类后的图像对应的位置。[0023]步骤S2主要包括：岩石凹陷和凸起的分类、岩石凹陷和凸起位置识别检测两部分，以下分别详细描述其过程。[0024]岩石凹陷和凸起的分类基于研究区域掌子面结构的非均质特性及地质构造的复杂性，构建了具有地质代表性的图像数据库，涵盖3类掌子面形态(围岩形态),其中包含：岩石平整；岩石凹陷；岩石凸起。预先将图像数据库中的图像和围岩形态的三种类型输入到计算机神经网络中，训练出用于岩石凹陷和凸起分类的神经网络，然后再次输入实测的图像数据时，就可以输出对应的围岩形态。在训练阶段，将图像数据集按7:2:1的比例划分为训练集、验证集与测试集，具体样本分布详见表1。[0025]表1数据集样本分布表围岩形态训练集/张0岩石凹陷12[0026]作为优选方案，根据图像输出岩石凹陷和凸起的分类采用的计算机神经网络选用VGG16卷积神经网络，根据表1的样本分布统计结果表明，所构建的数据集属于典型的小规6模训练样本场景。为了提高围岩形态的监测效率和准确性，利用深度学习中的VGG16卷积神经网络，对隧道爆后岩石凹凸形态特征进行分类。VGG16卷积神经网络由一系列卷积层构成，避免模型太过复杂而影响生成器的生成效果，VGG16卷积神经网络模型架构如图3所示。VGG16卷积神经网络构建特征提取模块，通过其第一层卷积核捕获隧道围岩图像的低级语义特征(边缘响应、局部纹理基元等),VGG16特征提取过程示意图如图4所示。其特征提取具行性的平衡，既包含掌子面形态分类的关键模式又规避高阶语义的过度抽象。[0027]岩石凹陷和凸起位置识别检测建立基于YOLO算法的隧道爆后岩石凸起与凹陷自动检测方法。通过对图像进行采集、处理和建模，利用YOLO的实时检测能力实现对岩石凸起和凹陷两种类型图像的快速识别与定位。将岩石凹陷和岩石凸起两种类型的图像数据输入到YOLO算法中，实现了对岩石凹陷和岩石凸起两种类型的图像数据的边界框位置的直接预测，预测过程中，模型会一同输出所有边界框的分类及其坐标定位，实现了目标定位和识别的并行处理。这种机制保证了YOLO算法检测的实时性，在对小目标或密集目标的场景检测时有更好的性能表现。这里边界框的分类是指对边框也分为了岩石凹陷和岩石凸起两种类型，所以YOLO算法检测结果图中既显示边界框的坐标信息，也同时会明确边界框的类型。[0028]YOLO算法在使用前也需要进行训练，采用已经构建的图像数据库中所涵盖的2类掌子面形态的图像进行训练，2类掌子面形态包含：岩石凹陷；岩石凸起。将图像数据集按7:2:1的比例划分为训练集、验证集与测试集，具体样本分布详见表2,通过训练得到用于输出包含边界框类型和定位的图像结果的YOLO算法模型。[0029]表2数据集样本分布表围岩形态训练集/张测试集/张岩石凹陷[0030]YOLO算法通过对卷积层垒叠，提取图像中的特征信息。随后，利用全连接层对卷积层输出的特征图进行处理，以实现对物体类别和边界框坐标的预测。这一网络结构的设计使得YOLO算法能够有效地提取图像中的关键信息，并实现快速而准确的物体检测。YOLO算法具体的网络结构示意图如图5所示，其中包括了多个卷积层和全连接层的堆叠，以及相应的激活函数和池化层的使用。[0031]采用YOL0算法对隧道掌子面岩石凸起与凹陷进行自动化检测，检测原图如图6所示，对应的检测结果如图7所示。YOLO算法对掌子面岩石凸起或凹陷进行自动化检测后，会一同输出边界框的中心点坐标(x,y)的值。[0032]S3、根据所述图像对应的岩石凹陷和凸起的类型，所述图像在隧道的分布位置判断凹凸形态分布特征类型。[0033]根据检测出的凹陷和凸起形态，以及其坐标确定其在隧道的分布位置，可根据表3得到图像对应的形态特征的分类。[0034]表3隧道爆破后围岩凹凸形态分布特征分类7出现位置围岩形态主要原因特征一掌子面凹陷或凸起凹陷光爆层厚度偏小凸起特征四凸起掏槽孔药量偏小[0035]表3中隧道爆破后围岩凹凸形态分布特征分类的确定方法如下：隧道进行光面爆破后，理想情况下掌子面区域的围岩是光滑平整的，但实际施工基于现场调研、理论分析以及专家经验判断的综合分析手段，将隧道掌子面进行光面爆破后，不同位置处围岩的凹凸形态分布及其成因分为以下四类：特征一：掌子面处围岩的凹陷或凸起；指爆破后隧道掌子面的岩石出现整体或者局部的凹陷或者凸起的形态，通常是由于施工时炮孔的孔底不在同一截面位置造成，具体原因一般是钻孔施工时，钻杆未按照设计的倾斜角度进行钻凿作业，或者是由于围岩和进尺的影响，发生钻杆漂移导致。指爆破后隧道侧壁上的炮孔残痕之间岩石呈凹槽状，当连续多处炮孔残痕之间均出现岩石的凹陷，则会使得洞壁轮廓整体呈波浪形特征，一般是由于光爆层厚度偏小导致。指爆破后隧道侧壁上的炮孔残痕之