CN111638200B - 基于拉曼光谱分析的地质预报系统及方法 - Google Patents

基于拉曼光谱分析的地质预报系统及方法 Download PDF

Info

Publication number
CN111638200B
CN111638200B CN202010320981.3A CN202010320981A CN111638200B CN 111638200 B CN111638200 B CN 111638200B CN 202010320981 A CN202010320981 A CN 202010320981A CN 111638200 B CN111638200 B CN 111638200B
Authority
CN
China
Prior art keywords
raman
image
analysis module
data
rock
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010320981.3A
Other languages
English (en)
Other versions
CN111638200A (zh
Inventor
许振浩
刘福民
林鹏
余腾飞
邵瑞琦
王欣桐
潘东东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN202010320981.3A priority Critical patent/CN111638200B/zh
Publication of CN111638200A publication Critical patent/CN111638200A/zh
Application granted granted Critical
Publication of CN111638200B publication Critical patent/CN111638200B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本公开提供了一种基于拉曼光谱分析的地质预报系统及方法，包括拉曼测试系统，被配置为接触或靠近隧道围岩，对岩石进行拉曼测试，获取围岩拉曼测试数据；图像拍摄系统，被配置为对围岩拉曼测试部位进行拍照，获取宏观岩石图像数据；数据传输系统，被配置为将拉曼测试系统和图像拍摄系统获取的拉曼数据信息和围岩图像信息通过有线传输给数据分析系统；数据分析系统，包括拉曼分析模块和图像分析模块，分别对拉曼测试数据生成的谱图几何特征判断是否异常，以及对围岩图像特征判断是否存在异常，二者判断出异常后传递信号给地质预报系统；地质预报系统，被配置为接收数据分析系统的数据存在异常信号，做出预警响应，进行地质预报。

Description

基于拉曼光谱分析的地质预报系统及方法
技术领域
本公开属于不良地质预报技术领域，涉及一种基于拉曼光谱分析的地质预报系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
隧道施工常常会遭遇诸多不良地质现象，造成突涌水、塌方卡机等，引发安全问题，拖缓施工进度。这些由各种应力/流体作用造成的异常地质构造(如断层、蚀变、破碎带等)，反应在岩石微观上即为矿物晶体结构的改变。
目前对矿物微观特性分析研究所利用的XRD、扫描电镜或者电子探针等设备，往往需要制备测试样品，并且对实验环境要求比较严格，但隧道内施工现场显然不符合此类环境。
发明内容
本公开为了解决上述问题，提出了一种基于拉曼光谱分析的地质预报系统及方法，本公开具有实时快捷、操作简便的优点。
根据一些实施例，本公开采用如下技术方案：
一种基于拉曼光谱分析的地质预报系统，包括：
拉曼测试系统，被配置为接触或靠近隧道围岩，对岩石进行拉曼测试，获取围岩拉曼测试数据；
图像拍摄系统，被配置为对围岩拉曼测试部位进行拍照，获取宏观岩石图像数据；
数据传输系统，被配置为将拉曼测试系统和图像拍摄系统获取的拉曼数据信息和围岩图像信息通过有线传输给数据分析系统；
数据分析系统，包括拉曼分析模块和图像分析模块，拉曼分析模块被配置为对拉曼测试数据生成的谱图几何特征判断是否异常，图像分析模块被配置为对围岩图像特征判断是否存在异常，二者判断出异常后传递信号给地质预报系统；
地质预报系统，被配置为接收数据分析系统的数据存在异常信号，做出预警响应，进行地质预报。
作为可选择的实施方式，所述拉曼测试系统和图像拍摄系统共用一套前端机械设备，在稳定搭载的条件下对围岩测试和拍照。
作为可选择的实施方式，所述前端机械设备包括一机械臂，搭载在盾构机刀头后方，能够跟随锚杆机伸缩移动，所述机械臂前臂可以做到180度旋转，以自由靠近洞壁。
作为可选择的实施方式，所述拉曼测试系统中，测试设备为搭载在机械臂上的一台手持式拉曼光谱仪，每次测试完成后将测试数据传输至主控室拉曼分析模块。
作为可选择的实施方式，所述图像拍摄系统中，拍摄设备为搭载在机械臂上的一台工业照相机，每次拍摄完成后将图像数据传输至主控室图像分析模块。
作为可选择的实施方式，所述拉曼分析模块建立在主控室，对测试数据生成谱图，并将谱图与工区库中同类矿物谱图对比，判断谱图特征是否拟合，包括特征谱峰对应的波长数值、特征谱峰的半峰宽、特征谱峰及其它谱峰的清晰度，拟合则视为正常，若不拟合则视为异常。
作为进一步的限定，上述工区库为前期勘测时进行矿物拉曼测试统计生成的实地谱图库，并与现有矿物标准拉曼谱图库进行过对比修正，涵盖当地矿物一般拉曼谱图几何特征，代表施工区域实际岩石矿物拉曼谱图库。
作为进一步的限定，拉曼谱图为一几何曲线，横坐标为拉曼位移波数，纵坐标为强度值，根据谱图特征来判断异常,其中，可作为地质异常判断依据的几何特征有：
Ⅰ.特征谱峰对应的拉曼位移波数：①是否出现高波数的特征谱峰，若出现则被测岩石矿物可能含水。例如：一般造岩矿物的特征谱峰在低波数段，如硅酸盐类矿物特征谱峰对应的波数一般在200-800cm-1之间，硫酸盐矿物特征谱峰对应的波数一般在800-1000cm-1之间，碳酸盐矿物特征谱峰对应的波数一般在900-1100cm-1左右，而矿物结晶水或结合水的特征谱峰对应的波数一般在3000-3700cm-1；②特征谱峰的波数是否偏移，若出现则被测岩石矿物可能受过构造变动影响。例如：一般造岩矿物特征谱峰对应的波数，随着体系压力的增加会逐渐向高波数方向移动；含水矿物中羟基的特征谱峰对应的波数，随着体系压力的增加会向低波数方向移动。
Ⅱ.特征谱峰的半峰宽(即谱峰高一半处的峰宽度)：若特征谱峰的半峰宽变化则被测岩石矿物可能受过构造变动或蚀变影响。例如：一般造岩矿物的拉曼特征谱峰半峰宽会随着温度的改变而发生加宽或变窄等变化。
Ⅲ.特征谱峰及其它谱峰的清晰度：若谱峰清晰度很差则被测岩石矿物可能强度差，易破碎。例如：一般造岩矿物结晶度更高，结晶更好时，其拉曼特征谱峰及其它谱峰更尖锐，更清晰，矿物谱带更窄,谱线分离更好；反之结晶不好的矿物，特征谱峰及其它谱峰分离差，不清晰。(拉曼测试时有时受背景干扰，导致谱峰清晰度不足，此条只作为次要判断依据)
作为可选择的实施方式，所述图像分析模块建立在主控室，被配置为对围岩图像进行构造识别，若识别出裂隙及其它构造则视为异常。
作为进一步的限定，对围岩图像进行构造识别是通过神经网络模型来识别，所述识别模型前期由人工标记大量岩石图像中的裂隙及其它构造，借助检测算法通过深度学习来建立。
作为可选择的实施方式，所述地质预报系统建立在主控室，配备有信号处理器和电子报警器，信号处理器接收数据分析系统传输过来的信号，将异常信号转化为电流信号，输入至电子报警器中。
所述电子报警器的报警机制为：当某时段拉曼分析模块和图像分析模块同时判断为异常信号时，为第一报警状态，若某时段只有一个异常信号时，为第二报警状态；若某时段内无异常信号，则为正常显示状态。
一种基于拉曼光谱分析的地质异常识别与超前地质预报方法，包括以下步骤：
(1)工程前期勘测时采集隧道施工区域岩石样品，对岩石进行拉曼测试及拍照；
(2)将所得大量矿物拉曼数据生成谱图，与矿物标准拉曼谱图库中的同类矿物谱图对比修正，得到施工区矿物种类一般拉曼谱图特征；将所得岩石图像由人工标记其中的裂隙及其它构造，借助检测算法通过深度学习来建立神经网络识别模型；
(3)在隧道开挖后，每当盾构机工作时，对围岩进行岩石拉曼测试及拍照；
(4)获得的拉曼测试数据及拍摄到的图片通过有线传输，实时传输到主控室：
(5)数据分析系统利用工区拉曼矿物库和图像裂隙识别模型对拉曼数据及图像数据进行异常判断，将信号转递给地质预报系统；
(6)地质预报系统通过接收到的异常信号控制报警器灯光闪烁，进行预报。
与现有技术相比，本公开的有益效果为：
1.本公开利用对工区矿物拉曼光谱分析进行地质预报，提供了一种全新的地质调查法类别；
2.本公开利用拉曼光谱测试手段，较其它矿物测试手段更为快速，从而具备实时预报优势；
3.本公开结合围岩宏观构造图像特征进行辅助验证，增加了地质异常识别结果的准确性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开的工作原理图；
图2是本公开的整体结构图；
图3是本公开的前端机械结构图；
图4是本公开的预警机制图；
其中，1是隧道围岩；2是盾构机前端；3是掌子面；4是前端机械装置；5是拉曼光谱仪；6是工业相机；7是拉曼分析模块；8是图像分析模块；9是信号处理器；10是电子报警器；11是线管；12是机械臂基座。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术中所述的,现有技术在进行探测时,需要制备测试样品，并且对实验环境要求比较严格,并不适用于隧道施工场景。本申请利用拉曼光谱技术，能够很好的解决上述问题。拉曼光谱(Raman spectra)，是一种散射光谱，利用拉曼光谱可以提供快速、简单、可重复、无损伤的定性定量分析。拉曼光谱测试装置不需要样品制备，测试时间往往只需十几秒，可以快速的直接在目标样品表面进行扫描测试。拉曼光谱谱峰清晰尖锐，对矿物晶体结构的改变极其敏感，可以通过拉曼光谱谱图的几何特征的改变来反馈出这些变化。
如图1、图2所示，一种基于拉曼光谱分析的基于拉曼光谱分析的地质预报系统，包括拉曼测试系统、图像拍摄系统、数据传输系统、数据分析系统及地质预报系统，主体建立在主控室中，测试系统及拍摄系统搭载在前端机械设备上，其中：
拉曼测试系统，被配置为接触或靠近隧道围岩(1)，对岩石进行拉曼测试，获取围岩拉曼测试数据；
图像拍摄系统，被配置为对掌子面(3)等位置围岩拉曼测试部位进行拍照，获取宏观岩石图像数据；
数据传输系统，被配置为将拉曼测试系统和图像拍摄系统获取的拉曼数据信息和围岩图像信息通过有线传输给数据分析系统；
数据分析系统，包括拉曼分析模块(7)和图像分析模块(8)，拉曼分析模块(7)被配置为对拉曼测试数据生成的谱图几何特征判断是否异常，图像分析模块(8)被配置为对围岩图像特征判断是否存在异常，二者判断出异常后传递信号给地质预报系统；
地质预报系统，被配置为接收数据分析系统的数据存在异常信号，做出预警响应，帮助隧道施工决策。
如图3所示，拉曼测试系统和图像拍摄系统共同搭载在一个前端机械装置(4)上，前端机械装置为机械臂上，在稳定搭载的条件下对围岩测试和拍照。
当然，设置在同一前端机械装置上能够减少成本和占用面积。为了精确控制等目的，在其他实施例中，也可以分别设置在不同的机械臂上。
所述机械臂搭载在盾构机前端(2)盾构机刀头后方一定距离(在本实施例中为3米)，紧挨自动锚杆机，在锚杆机作业时，机械臂随锚杆机伸缩移动，电缆和光缆包裹在线管(11)中，机械臂的前臂可以做到180度旋转，可靠近洞壁做自由测试，机械臂设置在机械臂基座(12)上。
所述拉曼测试系统和图像拍摄系统获取的拉曼数据信息和围岩图像信息通过有线传输给数据分析系统。
所述数据分析系统，包括拉曼分析模块(7)和图像分析模块(8)。
所述拉曼分析模块(7)建立在主控室，在计算机上利用图像软件对测试数据生成谱图，并将谱图与工区库中同类矿物谱图对比，判断谱图几何特征是否拟合，拟合则视为正常，若不拟合则视为异常。
所述图像分析模块(8)建立在主控室，在计算机上对围岩图像进行构造识别，若识别出裂隙及其它构造则视为异常。
前期勘测时进行矿物拉曼测试，统计生成实地谱图库，并与现有矿物标准拉曼谱图库进行过对比修正得到工区库，工区库涵盖当地矿物一般拉曼谱图几何特征，代表施工区域实际岩石矿物拉曼谱图库。
前期勘测时进行岩石拍照，由人工标记大量岩石图像中的裂隙及其它构造，借助检测算法通过深度学习来建立裂隙构造神经网络识别模型。
所述矿物拉曼谱图为一几何曲线，横坐标为拉曼位移波数，纵坐标为强度值，其中，可作为地质异常判断依据的几何特征有：
Ⅰ.特征谱峰对应的拉曼位移波数；
其中具体判断条件为：①是否出现高波数的特征谱峰，若出现则被测岩石矿物可能含水。例如：一般造岩矿物的特征谱峰在低波数段，如硅酸盐类矿物特征谱峰对应的波数一般在200-800cm-1之间，硫酸盐矿物特征谱峰对应的波数一般在800-1000cm-1之间，碳酸盐矿物特征谱峰对应的波数一般在900-1100cm-1左右，而矿物结晶水或结合水的特征谱峰对应的波数一般在3000-3700cm-1；②特征谱峰的波数是否偏移，若出现则被测岩石矿物可能受过构造变动影响。例如：一般造岩矿物特征谱峰对应的波数，随着体系压力的增加会逐渐向高波数方向移动；含水矿物中羟基的特征谱峰对应的波数，随着体系压力的增加会向低波数方向移动。
Ⅱ.特征谱峰的半峰宽(即谱峰高一半处的峰宽度)；
其中具体判断条件为：若特征谱峰的半峰宽变化则被测岩石矿物可能受过构造变动或蚀变影响。例如：一般造岩矿物的拉曼特征谱峰半峰宽会随着温度的改变而发生加宽或变窄等变化。
Ⅲ.特征谱峰及其它谱峰的清晰度；
其中具体判断条件为：若谱峰清晰度很差则被测岩石矿物可能强度差，易破碎。例如：一般造岩矿物结晶度更高，结晶更好时，其拉曼特征谱峰及其它谱峰更尖锐，更清晰，矿物谱带更窄,谱线分离更好；反之结晶不好的矿物，特征谱峰及其它谱峰分离差，不清晰。(拉曼测试时有时受背景干扰，导致谱峰清晰度不足，此条只作为次要判断依据)
所述地质预报系统建立在主控室，配备有信号处理器(9)和电子报警器(10)。信号处理器(9)接收数据分析系统传输过来的信号，将异常信号转化为电流信号，输入至电子报警器器中。
所述电子报警器(10)通过灯光闪烁的方式对可能发生灾害进行预警，由灯光颜色代表灾害发生的可能性大小，采用红光(很可能发生)与黄光(较为可能发生)。
如图4所示，具体预警机制为：若信号处理器某时段同时接收到拉曼异常信号和图像异常信号，则红灯闪烁；若信号处理器某时段只接收到一个异常信号，另一信号为正常，则黄灯闪烁；若信号处理器某时段接收都为正常信号，则灯光不闪烁。
电源为系统供电。
基于拉曼光谱分析的地质异常识别与超前地质预报方法，包括以下步骤：
步骤1：工程前期勘测时采集隧道施工区域岩石样品，对岩石进行拉曼测试及拍照，获得大量矿物拉曼数据与岩石图像数据；
步骤2：将所得矿物拉曼数据生成谱图，与矿物标准拉曼谱图库中的同类矿物谱图对比修正，得到施工区矿物种类一般拉曼谱图特征；
将所得岩石图像由人工标记其中的裂隙及其它构造，借助检测算法通过深度学习来建立神经网络识别模型；
步骤3：在隧道开挖后，每当盾构机(2)工作时，机械臂(4)随锚杆机伸缩移动靠近洞壁,利用拉曼光谱仪(5)和工业相机(6)对围岩(1)进行岩石拉曼测试及拍照，并将数据实时传输到主控室；
步骤4：拉曼分析模块(7)和图像分析模块(8)利用工区拉曼矿物库和图像裂隙识别模型，对传输过来的拉曼数据及图像数据进行异常判断，将信号转递给信号处理器(9)；
步骤5：信号处理器(9)通过将传输过来的信号转化为电流信号，输入至电子报警器(10)，接收到的异常信号控制报警器红/黄灯闪烁，做出预报；
步骤6：重复步骤3至步骤5，持续进行地质预报。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (8)

1.一种基于拉曼光谱分析的地质预报系统，其特征是：包括：
拉曼测试系统，被配置为接触或靠近隧道围岩，对岩石进行拉曼测试，获取围岩拉曼测试数据；
图像拍摄系统，被配置为对围岩拉曼测试部位进行拍照，获取宏观岩石图像数据；
数据传输系统，被配置为将拉曼测试系统和图像拍摄系统获取的拉曼数据信息和围岩图像信息通过有线传输给数据分析系统；
数据分析系统，包括拉曼分析模块和图像分析模块，拉曼分析模块被配置为对拉曼测试数据生成的谱图几何特征判断是否异常，图像分析模块被配置为对围岩图像特征判断是否存在异常，二者判断出异常后传递信号给地质预报系统；
地质预报系统，被配置为接收数据分析系统的数据存在异常信号，做出预警响应，进行地质预报；
所述拉曼测试系统和图像拍摄系统设置在前端机械设备上，所述前端机械设备包括一机械臂,机械臂的前臂可以做到180度旋转;
所述地质预报系统建立在主控室，配备有信号处理器和电子报警器，信号处理器接收数据分析系统传输过来的信号，将异常信号转化为电流信号，输入至电子报警器中；
所述拉曼分析模块，对测试数据生成谱图，并将谱图与工区库中同类矿物谱图对比，判断谱图几何特征是否拟合，拟合则视为正常，若不拟合则视为异常；所述图像分析模块，对围岩图像进行构造识别，若识别出裂隙及其它构造则视为异常；所述电子报警器的报警机制为：当某时段拉曼分析模块和图像分析模块同时判断为异常信号时，为第一报警状态，若某时段只有一个异常信号时，为第二报警状态；若某时段内无异常信号，则为正常显示状态；
作为地质异常判断依据的几何特征有：
特征谱峰对应的拉曼位移波数：是否出现高波数的特征谱峰，若出现则被测岩石矿物可能含水；特征谱峰的波数是否偏移，若出现则被测岩石矿物可能受过构造变动影响；
特征谱峰的半峰宽：若特征谱峰的半峰宽变化则被测岩石矿物可能受过构造变动或蚀变影响；
特征谱峰及其它谱峰的清晰度：若谱峰清晰度很差则被测岩石矿物可能强度差，易破碎。
2.如权利要求1所述的一种基于拉曼光谱分析的地质预报系统，其特征是：所述机械臂，搭载在盾构机刀头后方，能够跟随随锚杆机伸缩移动，所述机械臂前臂可旋转，以自由靠近洞壁。
3.如权利要求1所述的一种基于拉曼光谱分析的地质预报系统，其特征是：所述拉曼测试系统中，测试设备为搭载在机械臂上的一台手持式拉曼光谱仪，每次测试完成后将测试数据传输至主控室拉曼分析模块。
4.如权利要求1所述的一种基于拉曼光谱分析的地质预报系统，其特征是：所述图像拍摄系统中，拍摄设备为搭载在机械臂上的一台工业照相机，每次拍摄完成后将图像数据传输至主控室图像分析模块。
5.如权利要求1所述的一种基于拉曼光谱分析的地质预报系统，其特征是：所述拉曼分析模块建立在主控室。
6.如权利要求1所述的一种基于拉曼光谱分析的地质预报系统，其特征是：所述图像分析模块建立在主控室。
7.一种基于拉曼光谱分析的地质异常识别与超前地质预报方法，其特征是：包括以下步骤：
（1）在隧道开挖后，每当盾构机工作时，对围岩进行岩石拉曼测试及拍照；
（2）获得的拉曼测试数据及拍摄到的图片通过有线传输，实时传输到主控室；
（3）数据分析系统利用工区拉曼矿物库和图像裂隙识别模型对拉曼数据及图像数据进行异常判断，将信号转递给地质预报系统，其中，数据分析系统利用工区拉曼矿物库和图像裂隙识别模型对拉曼数据及图像数据进行异常判断具体包括：
对测试数据生成谱图，并将谱图与工区库中同类矿物谱图对比，判断谱图几何特征是否拟合，拟合则视为正常，若不拟合则视为异常；对围岩图像进行构造识别，若识别出裂隙及其它构造则视为异常；当某时段拉曼分析模块和图像分析模块同时判断为异常信号时，为第一报警状态，若某时段只有一个异常信号时，为第二报警状态；若某时段内无异常信号，则为正常显示状态；
作为地质异常判断依据的几何特征有：
特征谱峰对应的拉曼位移波数：是否出现高波数的特征谱峰，若出现则被测岩石矿物可能含水；特征谱峰的波数是否偏移，若出现则被测岩石矿物可能受过构造变动影响；
特征谱峰的半峰宽：若特征谱峰的半峰宽变化则被测岩石矿物可能受过构造变动或蚀变影响；
特征谱峰及其它谱峰的清晰度：若谱峰清晰度很差则被测岩石矿物可能强度差，易破碎；
（4）地质预报系统通过接收到的异常信号控制报警，进行预报。
8.如权利要求7所述的一种基于拉曼光谱分析的地质异常识别与超前地质预报方法，其特征是：在进行识别前，还包括以下步骤：
工程前期勘测时采集隧道施工区域岩石样品，对岩石进行拉曼测试及拍照；
将所得矿物拉曼数据生成谱图，与矿物标准拉曼谱图库中的同类矿物谱图对比修正，得到施工区矿物种类一般拉曼谱图特征；将所得岩石图像由人工标记其中的裂隙及其它构造，借助检测算法通过深度学习来建立神经网络识别模型。
CN202010320981.3A 2020-04-22 2020-04-22 基于拉曼光谱分析的地质预报系统及方法 Active CN111638200B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010320981.3A CN111638200B (zh) 2020-04-22 2020-04-22 基于拉曼光谱分析的地质预报系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010320981.3A CN111638200B (zh) 2020-04-22 2020-04-22 基于拉曼光谱分析的地质预报系统及方法

Publications (2)

Publication Number Publication Date
CN111638200A CN111638200A (zh) 2020-09-08
CN111638200B true CN111638200B (zh) 2021-11-23

Family

ID=72330747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010320981.3A Active CN111638200B (zh) 2020-04-22 2020-04-22 基于拉曼光谱分析的地质预报系统及方法

Country Status (1)

Country Link
CN (1) CN111638200B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651428A (zh) * 2020-12-03 2021-04-13 北京信息科技大学 一种用于远程拉曼矿物识别的深度学习模型多分类方法
CN112683880B (zh) * 2020-12-28 2022-06-07 山东大学 一种基于拉曼光谱分析的矿物含量快速测定装置及方法
CN115761038B (zh) * 2022-10-19 2023-06-30 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统
CN115656053B (zh) * 2022-10-19 2024-05-31 山东大学 岩石矿物含量测试方法及系统
CN115753632B (zh) * 2022-10-19 2024-05-31 山东大学 基于图像光谱的隧道内不良地质体实时判识方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105628676A (zh) * 2015-12-29 2016-06-01 北京华泰诺安探测技术有限公司 一种拉曼光谱修正系统及方法
CN106017872A (zh) * 2016-07-04 2016-10-12 华中科技大学 适用于显微光学切片断层成像系统的监控报警系统及方法
CN110836118A (zh) * 2019-12-11 2020-02-25 广西中科聚能环保投资有限公司 一种在高地应力高地质危害下快速安全的隧洞施工的设备及方法
CN110866318A (zh) * 2019-12-30 2020-03-06 桂林理工大学 一种基于深度学习技术的危岩失稳模式判别方法及装置
CN110989024A (zh) * 2019-12-17 2020-04-10 山东大学 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105628676A (zh) * 2015-12-29 2016-06-01 北京华泰诺安探测技术有限公司 一种拉曼光谱修正系统及方法
CN106017872A (zh) * 2016-07-04 2016-10-12 华中科技大学 适用于显微光学切片断层成像系统的监控报警系统及方法
CN110836118A (zh) * 2019-12-11 2020-02-25 广西中科聚能环保投资有限公司 一种在高地应力高地质危害下快速安全的隧洞施工的设备及方法
CN110989024A (zh) * 2019-12-17 2020-04-10 山东大学 基于岩石矿物分析的tbm隧道断层破碎带预报系统及方法
CN110866318A (zh) * 2019-12-30 2020-03-06 桂林理工大学 一种基于深度学习技术的危岩失稳模式判别方法及装置

Also Published As

Publication number Publication date
CN111638200A (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN111638200B (zh) 基于拉曼光谱分析的地质预报系统及方法
AU2015258535B2 (en) Electromagnetic radiation detection apparatus for hidden fire danger in mine, and method therefor
US11029255B2 (en) Defect inspection device, defect inspection method, and program
EP3130900A1 (en) Multi-sensor inspection for identification of pressurized pipe defects that leak
US11796493B2 (en) System and method for identifying lithology based on images and XRF mineral inversion
SA89100006B1 (ar) نظام وطريقة لتشخيص شذوذ جهاز قدرة كهربية ذات جهد عالي
CN104535356A (zh) 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
CN113075065B (zh) 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统
KR101607078B1 (ko) 비전을 이용한 지중관로의 곡률 측정 및 맵핑 방법
CN111272753B (zh) 基于图像识别与分析的隧道内围岩石英含量预测系统与方法
CN111126196A (zh) 一种设备漏油检测方法
CN104483299A (zh) 一种矿区水害水源辨别方法
CN112066270B (zh) 一种分布式光纤内置的输水管道泄漏监测方法及设备
CN105911073A (zh) 一种内窥式缆索锈蚀检测方法及检测装置
CN112801035A (zh) 基于知识与数据双驱动的搭载式岩性智能识别方法及系统
CN112696186A (zh) 一种用于自动识别钻井岩屑的方法及系统
CN115758515A (zh) Tbm隧道不良地质段智能支护决策方法
CN115656053A (zh) 岩石矿物含量测试方法及系统
CN100460605C (zh) 结构管桩视频定量检测装置
CN113569943A (zh) 一种基于深度神经网络的渣片大块预警方法、系统及装置
CN206788067U (zh) 一种便携式汞含量检测仪器
CN115713645B (zh) 基于光谱成像技术的岩性识别方法及系统
WO2017155526A1 (en) Visualization of multi-pipe inspection results
CN115436488B (zh) 一种基于视觉与声纹融合的自引导自调适移动检测系统及方法
CN110174694A (zh) 一种超前地质预报数据采集及分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant