基于深度学习的围岩智能分级系统与评价机制  

作　　者：李园 吴瑞港 彭云鹤 刘啟倬 徐长节[4] 

机构地区：[1]浙江交工集团股份有限公司,浙江杭州310051 [2]浙江交工金筑交通建设有限公司,浙江杭州310051 [3]江西省交通投资集团有限责任公司项目建设管理公司,江西南昌330052 [4]华东交通大学(轨道交通基础设施性能监测与保障国家重点实验室),江西南昌330013

出　　处：《中文科技期刊数据库（文摘版）工程技术》2024年第5期0196-0199,共4页

基　　金：江西省交通运输厅重点工程科技项目(2023C0001);江西省交通运输厅重大研发专项项目(2022Z0001、2022Z0002);江西省赣鄱俊才-青年人才项目(20232BCJ23069)。

摘　　要：针对传统围岩分级方法难以满足现有工程中对于隧道高效施工的需求问题,本文基于深度学习算法开展了围岩智能分级系统研究。通过深度学习技术对隧道掌子面图片进行识别分类,训练以隧道掌子面图像和特征标签为数据集的深度学习Vision Transformer模型。以手机摄像头等设备作为图像收集工具,结合深度学习模型构建围岩智能分级系统与评价机制,为隧道施工智能化提供理论和技术支撑。

关 键 词：围岩分级 深度学习 Vision-transformer模型 

分 类 号：U452[建筑科学—桥梁与隧道工程]