CN117787684A - 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 - Google Patents
一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 Download PDFInfo
- Publication number
- CN117787684A CN117787684A CN202311548059.XA CN202311548059A CN117787684A CN 117787684 A CN117787684 A CN 117787684A CN 202311548059 A CN202311548059 A CN 202311548059A CN 117787684 A CN117787684 A CN 117787684A
- Authority
- CN
- China
- Prior art keywords
- deformation
- collapse
- actual
- case
- surrounding 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.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000012502 risk assessment Methods 0.000 title claims abstract description 30
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 16
- 238000011179 visual inspection Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000001186 cumulative effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于视觉检测的隧道围岩坍塌风险分析方法及系统,所述方法包括:基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度;基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息;基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。本发明可摒弃传统的基于人工检测来进行坍塌风险的方式,采用视觉分析的方式来进行坍塌预警,提高了坍塌风险的评估准确性。
Description
技术领域
本发明涉及隧道掘进技术领域,尤其涉及一种基于视觉检测的隧道围岩坍塌风险分析方法及系统。
背景技术
隧道掘进是实现长大隧道施工的工厂化作业。然而在软弱围岩地段的掘进中,由于岩性的不均匀性,坍塌灾害是最普遍、出现频率最高的灾害类型。而现有技术中,基本都是采用人工检测的方式来对隧道围岩进行检测,从而进行坍塌风险预警,但是采用人工检测方式不但浪费了人力,而且检测结果也不准确。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于视觉检测的隧道围岩坍塌风险分析方法及系统,旨在解决现有技术采用人工检测的方式来对隧道围岩进行检测,浪费了人力且检测结果也不准确的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种基于视觉检测的隧道围岩坍塌风险分析方法,其中,所述方法包括:
基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度;
基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息;
基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。
在一种实现方式中,所述基于移动的双目视觉相机采集隧道围岩的变形数据,包括:
预先间隔预设距离设置所述双目视觉相机,并设置每一个双目视觉相机的固定移动距离;
控制每一个双目视觉相机在对应的固定移动距离内移动,并在移动的过程中采集所述隧道围岩的图像数据;
将采集到的所述图像数据按照时间顺序进行对比分析,得到所述隧道围岩的变形数据。
在一种实现方式中,所述基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,包括:
将所述实际累计变形量与预设的变形阈值进行比较;
若所述实际累计变形量小于所述变形阈值,则将所述实际变形速度输入至预设的风险评估模型中,得到与所述实际变形速度所对应的所述坍塌风险等级,其中,所述风险评估模型是基于样本变形速度与样本风险等级之间的对应关系训练得到的模型。
在一种实现方式中,所述基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,包括:
若所述实际累计变形量大于或等于所述变形阈值,则确定所述坍塌风险等级为一级风险;
获取所述一级风险所对应的预警处理方案,并基于所述预警处理方案进行风险预警处理。
在一种实现方式中,所述确定与所述坍塌风险等级所对应的历史坍塌案例信息,包括:
获取历史数据库,所述历史数据库中存储有若干坍塌案例以及每一个坍塌案例对应的风险等级;
将所述坍塌风险等级与所述历史数据库进行匹配,得到所述坍塌风险等级所对应的历史坍塌案例信息。
在一种实现方式中,所述基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息,包括:
将所述实际累计变形量与所述案例累计变形量进行比较;
将所述实际变形速度与所述案例变形速度进行比较;
若所述实际累计变形量大于或者等于所述案例累计变形量和/或实际变形速度大于或等于所述案例变形速时,获取所述历史坍塌案例信息所对应的历史预警信息,并将所述历史预警信息作为所述坍塌预警信息。
在一种实现方式中,所述方法还包括:
基于所述实际累计变形量与所述实际变形速度,计算坍塌概率;
基于所述坍塌概率,输出所述坍塌预警信息。
第二方面,本发明实施例还提供一种基于视觉检测隧道围岩坍塌风险分析系统,其中,所述系统包括:
变形分析模块,用于基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度;
坍塌预估模块,用于基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息;
坍塌预警模块,用于基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。
第三方面,本发明实施例还提供一种终端设备,其中,所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于视觉检测隧道围岩坍塌风险分析程序,处理器执行基于视觉检测隧道围岩坍塌风险分析程序时,实现上述方案中任一项的基于视觉检测的隧道围岩坍塌风险分析方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,计算机可读存储介质上存储有基于视觉检测隧道围岩坍塌风险分析程序,所述基于视觉检测隧道围岩坍塌风险分析程序被处理器执行时,实现上述方案中任一项所述的基于视觉检测的隧道围岩坍塌风险分析方法的步骤。
有益效果:与现有技术相比,本发明提供了一种基于视觉检测的隧道围岩坍塌风险分析方法,本发明首先基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度。然后,基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息。最后,基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。本发明可摒弃传统的基于人工检测来进行坍塌风险的方式,采用视觉分析的方式来进行坍塌预警,提高了坍塌风险的评估准确性。
附图说明
图1为本发明实施例提供的基于视觉检测的隧道围岩坍塌风险分析方法的具体实施方式的流程图。
图2为本发明实施例提供的基于视觉检测隧道围岩坍塌风险分析系统的功能原理图。
图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例提供一种基于视觉检测的隧道围岩坍塌风险分析方法,在具体应用时,本实施例首先基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度。然后,基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息。最后,基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。与现有技术相比,本实施例采用的视觉检测的方式对隧道围岩进行变形分析,并进行坍塌预警,提高了风险评估的准确性,有利于保证隧道施工的安全。
本实施例的基于视觉检测的隧道围岩坍塌风险分析方法可应用于终端设备中,所述终端设备包括电脑、智能电视以及手机等智能化产品终端。如图1中所示,本实施例的基于视觉检测的隧道围岩坍塌风险分析方法包括如下步骤:
步骤S100、基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度。
本实施例在对隧道围岩进行变形分析时,是基于双目视觉相机进行变形数据的采集,相对于现有技术的人工检测技术,本实施例的自动化检测技术更为准确,避免了人为参与。当采集到变形数据后,本实施例可根据变形数据来确定该隧道围岩在预设时间段内的实际累计变形量以及实际变形速度。该实际累计变形量反映的是隧道围岩的总变形量,实际变形速度反映的是隧道围岩的变形快慢程度。
在一种实现方式中,本实施例在分析变形数据时,包括如下步骤:
步骤S101、预先间隔预设距离设置所述双目视觉相机,并设置每一个双目视觉相机的固定移动距离;
步骤S102、控制每一个双目视觉相机在对应的固定移动距离内移动,并在移动的过程中采集所述隧道围岩的图像数据;
步骤S103、将采集到的所述图像数据按照时间顺序进行对比分析,得到所述隧道围岩的变形数据。
具体地,本实施例的双目视觉相机是预先设置的,并且可设置有多个,在实际应用时,本实施例可根据隧道围岩的尺寸来间隔设置双目视觉相机,并且每个双目视觉相机都是可以移动的,每个双目视觉相机都设置有固定移动距离,双目视觉相机在其对应的固定移动距离内移动,并在移动的过程中采集到隧道围岩的图像数据。随着采集到的图像数据越来越多,本实施例可对这些图像数据按照时间顺序进行对比分析,确定出随着时间的推移图像数据的变化,并进一步确定隧道围岩的变形数据,本实施例的变形数据反映的就是隧道围岩的尺寸变化以及形状变化等。
在一种实现方式中,本实施例基于图像数据来确定变形数据的过程可采用图像分析技术,通过对图像数据中的形状特征与尺寸特征进行提取,并同时获取形状特征与尺寸特征所对应的时序信息,这样将所有的时序信息按照顺序进行排列,就可以得到随着时间的变化,形状特征的变化以及尺寸特征的变化,进而确定出隧道围岩的尺寸变化以及形状变化,从而得到变形数据。当得到变形数据后,本实施例基于该变形数据进行统计,得到实际累计变形数据,并且根据该变形数据还可以进一步得到变形速度,也就得到了隧道围岩的形变与时间的关系。此外,在一种实现方式中,本实施例还可以将双目视觉相机的采集时间进行分段,得到若干的时间段,然后分别得到每个时间段对应的变形数据,基于每个时间段对应的变形数据,确定每个时间段的变形速度,然后基于每个时间段的变形速度,来判定出隧道围岩的变形速度是否有变化,即得到隧道围岩的匀速变形还是变形加快或者变形减慢,有利于更好地对隧道围岩进行坍塌预警。
步骤S200、基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息。
在具体应用时,本实施例在得到实际累计变形量和实际变形速度后,本实施例可预估出的隧道围岩的坍塌风险等级,该坍塌风险等级反映的是隧道围岩发生坍塌的概率,为了进一步准确地预估出隧道围岩是否发生坍塌,本实施例可获取坍塌风险等级所对应的历史坍塌案例信息。该历史坍塌案例信息表示的是隧道围岩在过去时间内出现的坍塌事故,并且该坍塌事故时与该坍塌风险等级是对应的。比如,当坍塌风险等级为3级风险时,则获取3级风险对应的历史坍塌案例信息。
在一种实现方式中,本实施例在预估坍塌风险等级时,包括如下步骤:
步骤S201、将所述实际累计变形量与预设的变形阈值进行比较;
步骤S202、若所述实际累计变形量小于所述变形阈值,则将所述实际变形速度输入至预设的风险评估模型中,得到与所述实际变形速度所对应的所述坍塌风险等级,其中,所述风险评估模型是基于样本变形速度与样本风险等级之间的对应关系训练得到的模型。
本实施例预先训练一个风险评估模型,该风险评估模型可用于自动分析出坍塌风险等级。具体地,本实施例可预先获取样本坍塌案例的样本风险等级及其对应的样本变形速度,并建立对应关系,将该对应关系输入至预设的神经网络模型中进行训练,就可以训练得到风险评估模型。在具体应用时,本实施例在得到实际累计变形量后,将所述实际累计变形量与预设的变形阈值进行比较。该变形阈值用于痕量隧道围岩是否会发生坍塌风险。如果所述实际累计变形量小于所述变形阈值,则此时可说明隧道围岩的实际累计变形量还没有达到坍塌的风险,但是,为了及时预警出坍塌的可能性,本实施例可进一步对隧道围岩的实际变形速度进行分析。本实施例可将所述实际变形速度输入至预设的风险评估模型中,得到与所述实际变形速度所对应的所述坍塌风险等级,其中,所述风险评估模型是基于样本变形速度与样本风险等级之间的对应关系训练得到的模型。
而在另一种实现方式中,本实施例可将实际累计变形量与变形阈值进行比较,如果本实施例中的实际累计变形量大于或等于所述变形阈值,则说明此时的隧道围岩会坍塌的风险等级比较高,因此,本实施例可确定所述坍塌风险等级为一级风险。本实施例可获取所述一级风险所对应的预警处理方案,并基于所述预警处理方案进行风险预警处理。由此可见,本实施例可准确地对隧道围岩的坍塌风险进行判定,并及时进行预警,保证隧道围岩的安全性。
接着,本实施例可获取历史数据库,该历史数据库中存储有若干坍塌案例以及每一个坍塌案例对应的风险等级。当本实施例确定出坍塌风险等级后,只需要将该坍塌风险等级与历史数据库进行匹配,就可以得到该坍塌风险等级所对应的历史坍塌案例信息,该历史坍塌案例信息中记载了过去发生的与该坍塌风险等级所有坍塌案例,这些坍塌案例中记载了每次发生坍塌事件时隧道围岩的变形量以及变形速度等信息,可将所有坍塌事件的变形量与变形速度分别求取平均值,从而得到案例累计变形量和案例变形速度。
步骤S300、基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。
本实施例在获取到历史坍塌案例信息后,可对该历史坍塌案例信息进行分析,确定该历史坍塌案例信息所记载的案例累计变形量与案例变形速度,此时的案例变形量与案例变形速度均是在过去实际发生的坍塌案例中记录的,该案例变形量与案例变形速度可作为预警参考。因此,本实施例就可以根据所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,在综合分析,从而准确地输出坍塌预警信息。
在一种实现方式中,本实施例输出坍塌预警信息时,包括如下步骤:
步骤S301、将所述实际累计变形量与所述案例累计变形量进行比较;
步骤S302、将所述实际变形速度与所述案例变形速度进行比较;
步骤S303、若所述实际累计变形量大于或者等于所述案例累计变形量和/或实际变形速度大于或等于所述案例变形速时,获取所述历史坍塌案例信息所对应的历史预警信息,并将所述历史预警信息作为所述坍塌预警信息。
由于坍塌案例信息反映的是历史发生的坍塌案例中的案例累计变形量和案例变形速度,该案例变形量和案例变形速度可用于作为当前隧道围岩是否会发生坍塌的参考。具体地,本实施例可分别将实际累计变形量与所述案例累计变形量进行比较,以及将所述实际变形速度与所述案例变形速度进行比较。如果实际累计变形量大于或者等于所述案例累计变形量和/或实际变形速度大于或等于所述案例变形速时,则就可判定当前的隧道围岩会发生坍塌风险,因此,本实施例就可以获取历史坍塌案例信息所对应的历史预警信息,并将所述历史预警信息作为所述坍塌预警信息。由于本实施例的坍塌预警信息是来自与历史坍塌案例信息中,因此坍塌预警信息是现成的,只要确定出当前的隧道围岩可能会发生坍塌风险,则就可直接输出坍塌预警信息,从而实现高效预警。从本实施例可看出,只要出现实际累计变形量大于或者等于所述案例累计变形量,或,出现实际变形速度大于或等于所述案例变形速,或,出现实际累计变形量大于或者等于所述案例累计变形量并且实际变形速度大于所述案例变形速,本实施例就可以输出坍塌预警信息,从而及时进行坍塌预警,避免出现漏判或者误判的情况。在具体应用时,本实施例的坍塌预警信息包括了坍塌前的应急方案以及坍塌后的处理方案。
在另一种实现方式中,本实施例还可以基于所述实际累计变形量与所述实际变形速度,计算坍塌概率,该坍塌概率用于反映当前隧道围岩发生坍塌的概率。具体地,本实施例可分别根据实际累计变形量和实际变形速度来设置相应的权重。本实施例可预先设置权重系数表,该权重系数表中设置了每个实际累计变形量的区间所对应的第一权重以及每个实际变形速度的区间所对应的第二权重。本实施例的第一权重和第二权重分别是与实际累计变形量和实际变形速度成正比的,也就是说,实际累计变形量越大,对应的第一权重也就越大;实际变形速度越大,对应的第二权重也就越大。当根据该权重系数表匹配得到第一权重和第二权重后,本实施例可先计算出加权和,由于该加权和是基于实际累计变形量和实际变形速度计算得到的,因此该加权和可反映出当前隧道围岩的坍塌风险系数是高还是低。为了更加直观地反映出坍塌风险,本实施例可根据计算出的加权和确定出坍塌概率。本实施例可预先设置一个概率匹配表,该概率匹配表中设置有各个加权和的区间所对应的概率值,因此,当将加权和与概率匹配表匹配后,就可以得到坍塌概率。进一步地,本实施例就可以基于所述坍塌概率,输出所述坍塌预警信息。具体地,当确定出坍塌概率后,就可以得到与该坍塌概率所对应的坍塌风险等级,进而就可以基于该坍塌风险等级找到对应的历史预警信息,并将所述历史预警信息作为所述坍塌预警信息。
综上,本实施例首先基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度。然后,基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息。最后,基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。与现有技术相比,本实施例采用的视觉检测的方式对隧道围岩进行变形分析,并进行坍塌预警,提高了风险评估的准确性,有利于保证隧道施工的安全。
基于上述实施例,本发明还提供基于视觉检测隧道围岩坍塌风险分析系统,如图2所示,所述系统包括:变形分析模块10、坍塌预估模块20以及坍塌预警模块30。具体地,所述变形分析模块10,用于基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度。所述坍塌预估模块20,用于基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息。所述坍塌预警模块30,用于基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。
在一种实现方式中,本实施例的变形分析模块10包括:
相机设置单元,用于预先间隔预设距离设置所述双目视觉相机,并设置每一个双目视觉相机的固定移动距离;
图像采集单元,用于控制每一个双目视觉相机在对应的固定移动距离内移动,并在移动的过程中采集所述隧道围岩的图像数据;
变形分析单元,用于将采集到的所述图像数据按照时间顺序进行对比分析,得到所述隧道围岩的变形数据。
在一种实现方式中,本实施例的坍塌预估模块20,包括:
阈值比较单元,用于将所述实际累计变形量与预设的变形阈值进行比较;
风险评估单元,用于若所述实际累计变形量小于所述变形阈值,则将所述实际变形速度输入至预设的风险评估模型中,得到与所述实际变形速度所对应的所述坍塌风险等级,其中,所述风险评估模型是基于样本变形速度与样本风险等级之间的对应关系训练得到的模型。
在一种实现方式中,本实施例的坍塌预估模块20,包括:
等级确定单元,用于若所述实际累计变形量大于或等于所述变形阈值,则确定所述坍塌风险等级为一级风险;
预警处理单元,用于获取所述一级风险所对应的预警处理方案,并基于所述预警处理方案进行风险预警处理。
在一种实现方式中,本实施例的坍塌预估模块20,包括:
数据库获取单元,用于获取历史数据库,所述历史数据库中存储有若干坍塌案例以及每一个坍塌案例对应的风险等级;
数据库匹配单元,用于将所述坍塌风险等级与所述历史数据库进行匹配,得到所述坍塌风险等级所对应的历史坍塌案例信息。
在一种实现方式中,本实施例的坍塌预警模块30,包括:
变形量比较单元,用于将所述实际累计变形量与所述案例累计变形量进行比较;
变形速度比较单元,用于将所述实际变形速度与所述案例变形速度进行比较;
预警输出单元,用于若所述实际累计变形量大于或者等于所述案例累计变形量和/或实际变形速度大于或等于所述案例变形速时,获取所述历史坍塌案例信息所对应的历史预警信息,并将所述历史预警信息作为所述坍塌预警信息。
在一种实现方式中,本实施例系统还包括:
计算模块,用于基于所述实际累计变形量与所述实际变形速度,计算坍塌概率;
预警模块,用于基于所述坍塌概率,输出所述坍塌预警信息。
本实施例的基于视觉检测隧道围岩坍塌风险分析系统中各个模块的工作原理与上述方法实施例中各个步骤的原理相同,此处不再赘述。
基于上述实施例,本发明还提供了一种终端设备,所述终端设备的原理框图可以如图3所示。终端设备可以包括一个或多个处理器100(图3中仅示出一个),存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102,例如,基于视觉检测隧道围岩坍塌风险分析程序。一个或多个处理器100执行计算机程序102时可以实现基于视觉检测的隧道围岩坍塌风险分析方法实施例中的各个步骤。或者,一个或多个处理器100执行计算机程序102时可以实现基于视觉检测隧道围岩坍塌风险分析装置实施例中各模块/单元的功能,此处不作限制。
在一个实施例中,所称处理器100可以是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中,存储器101可以是电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端设备的限定,具体的终端设备以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述方法包括:
基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度;
基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息;
基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。
2.根据权利要求1所述的基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述基于移动的双目视觉相机采集隧道围岩的变形数据,包括:
预先间隔预设距离设置所述双目视觉相机,并设置每一个双目视觉相机的固定移动距离;
控制每一个双目视觉相机在对应的固定移动距离内移动,并在移动的过程中采集所述隧道围岩的图像数据;
将采集到的所述图像数据按照时间顺序进行对比分析,得到所述隧道围岩的变形数据。
3.根据权利要求1所述的基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,包括:
将所述实际累计变形量与预设的变形阈值进行比较;
若所述实际累计变形量小于所述变形阈值,则将所述实际变形速度输入至预设的风险评估模型中,得到与所述实际变形速度所对应的所述坍塌风险等级,其中,所述风险评估模型是基于样本变形速度与样本风险等级之间的对应关系训练得到的模型。
4.根据权利要求3所述的基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,包括:
若所述实际累计变形量大于或等于所述变形阈值,则确定所述坍塌风险等级为一级风险;
获取所述一级风险所对应的预警处理方案,并基于所述预警处理方案进行风险预警处理。
5.根据权利要求1所述的基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述确定与所述坍塌风险等级所对应的历史坍塌案例信息,包括:
获取历史数据库,所述历史数据库中存储有若干坍塌案例以及每一个坍塌案例对应的风险等级;
将所述坍塌风险等级与所述历史数据库进行匹配,得到所述坍塌风险等级所对应的历史坍塌案例信息。
6.根据权利要求1所述的基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息,包括:
将所述实际累计变形量与所述案例累计变形量进行比较;
将所述实际变形速度与所述案例变形速度进行比较;
若所述实际累计变形量大于或者等于所述案例累计变形量和/或实际变形速度大于或等于所述案例变形速时,获取所述历史坍塌案例信息所对应的历史预警信息,并将所述历史预警信息作为所述坍塌预警信息。
7.根据权利要求1所述的基于视觉检测的隧道围岩坍塌风险分析方法,其特征在于,所述方法还包括:
基于所述实际累计变形量与所述实际变形速度,计算坍塌概率;
基于所述坍塌概率,输出所述坍塌预警信息。
8.一种基于视觉检测隧道围岩坍塌风险分析系统,其特征在于,所述系统包括:
变形分析模块,用于基于移动的双目视觉相机采集隧道围岩的变形数据,并基于所述变形数据确定所述隧道围岩在预设时间段内的实际累计变形量以及实际变形速度;
坍塌预估模块,用于基于所述实际累计变形量与所述实际变形速度,预估坍塌风险等级,并确定与所述坍塌风险等级所对应的历史坍塌案例信息;
坍塌预警模块,用于基于所述历史坍塌案例信息,确定案例累计变形量与案例变形速度,并基于所述实际累计变形量、所述实际变形速度、所述案例累计变形量与所述案例变形速度,输出坍塌预警信息。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于视觉检测隧道围岩坍塌风险分析程序,所述处理器执行基于视觉检测隧道围岩坍塌风险分析程序时,实现如权利要求1-7任一项所述的基于视觉检测的隧道围岩坍塌风险分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于视觉检测隧道围岩坍塌风险分析程序,所述基于视觉检测隧道围岩坍塌风险分析程序被处理器执行时,实现如权利要求1-7任一项所述的基于视觉检测的隧道围岩坍塌风险分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311548059.XA CN117787684A (zh) | 2023-11-17 | 2023-11-17 | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311548059.XA CN117787684A (zh) | 2023-11-17 | 2023-11-17 | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117787684A true CN117787684A (zh) | 2024-03-29 |
Family
ID=90400799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311548059.XA Pending CN117787684A (zh) | 2023-11-17 | 2023-11-17 | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117787684A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117993725A (zh) * | 2024-04-07 | 2024-05-07 | 深圳市特区铁工建设集团有限公司 | 一种大断面隧道的稳定性预测方法、系统、终端及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767032A (zh) * | 2017-09-27 | 2018-03-06 | 北京农业信息技术研究中心 | 一种农田土壤重金属污染决策系统及方法 |
US20190305589A1 (en) * | 2016-11-10 | 2019-10-03 | China Electric Power Research Institute Company Limited | Distribution network risk identification system and method and computer storage medium |
CN214330703U (zh) * | 2020-12-30 | 2021-10-01 | 中电建路桥集团有限公司 | 一种强风化花岗岩隧道施工塌方控制预警系统 |
CN115182738A (zh) * | 2022-07-06 | 2022-10-14 | 广西交科集团有限公司 | 一种基于毫米波雷达的隧道掌子面坍塌预警系统及方法 |
CN115638763A (zh) * | 2022-09-09 | 2023-01-24 | 广州市盛通建设工程质量检测有限公司 | 一种三维地铁隧道变形监测方法、系统、设备及存储介质 |
CN115834838A (zh) * | 2022-11-17 | 2023-03-21 | 国网河北省电力有限公司石家庄供电分公司 | 一种隧道内的监控方法、设备和介质 |
CN116299438A (zh) * | 2023-01-13 | 2023-06-23 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于干涉雷达的地表形变监控方法及相关设备 |
-
2023
- 2023-11-17 CN CN202311548059.XA patent/CN117787684A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190305589A1 (en) * | 2016-11-10 | 2019-10-03 | China Electric Power Research Institute Company Limited | Distribution network risk identification system and method and computer storage medium |
CN107767032A (zh) * | 2017-09-27 | 2018-03-06 | 北京农业信息技术研究中心 | 一种农田土壤重金属污染决策系统及方法 |
CN214330703U (zh) * | 2020-12-30 | 2021-10-01 | 中电建路桥集团有限公司 | 一种强风化花岗岩隧道施工塌方控制预警系统 |
CN115182738A (zh) * | 2022-07-06 | 2022-10-14 | 广西交科集团有限公司 | 一种基于毫米波雷达的隧道掌子面坍塌预警系统及方法 |
CN115638763A (zh) * | 2022-09-09 | 2023-01-24 | 广州市盛通建设工程质量检测有限公司 | 一种三维地铁隧道变形监测方法、系统、设备及存储介质 |
CN115834838A (zh) * | 2022-11-17 | 2023-03-21 | 国网河北省电力有限公司石家庄供电分公司 | 一种隧道内的监控方法、设备和介质 |
CN116299438A (zh) * | 2023-01-13 | 2023-06-23 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于干涉雷达的地表形变监控方法及相关设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117993725A (zh) * | 2024-04-07 | 2024-05-07 | 深圳市特区铁工建设集团有限公司 | 一种大断面隧道的稳定性预测方法、系统、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9361702B2 (en) | Image detection method and device | |
EP2927871A1 (en) | Method and device for calculating number of pedestrians and crowd movement directions | |
CN117787684A (zh) | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 | |
CN110335313B (zh) | 音频采集设备定位方法及装置、说话人识别方法及系统 | |
CN111811567B (zh) | 一种基于曲线拐点比对的设备检测方法及相关装置 | |
CN110008247B (zh) | 异常来源确定方法、装置、设备及计算机可读存储介质 | |
CN116308305B (zh) | 一种桥梁健康监测数据管理系统 | |
CN111833594B (zh) | 车流量预测方法、装置、电子设备及存储介质 | |
CN111914656A (zh) | 一种人员行为检测方法、装置、电子设备及存储介质 | |
JP2019505892A (ja) | ビッグデータに基づいて道路状態を予測する方法及び装置 | |
CN116343436A (zh) | 一种山体滑坡检测的方法、装置、设备及介质 | |
CN109308225B (zh) | 一种虚拟机异常检测方法、装置、设备及存储介质 | |
CN110866428A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN111200780B (zh) | 定位数据的异常检测方法、装置和计算机可读存储介质 | |
CN110795324A (zh) | 一种数据处理方法及装置 | |
CN111695735A (zh) | 一种基于流计算的铁路弓网实时预警方法、系统及装置 | |
CN111626189A (zh) | 一种路面异常检测方法、装置、电子设备及存储介质 | |
CN111597889A (zh) | 一种视频中目标移动的检测方法、装置及系统 | |
CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
CN113434823A (zh) | 数据采集任务异常预警方法、装置、计算机设备和介质 | |
CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
CN113761981A (zh) | 一种自动驾驶视觉感知方法、装置及存储介质 | |
CN111835830B (zh) | 一种数据感知系统、方法及装置 | |
CN110969402A (zh) | 标准工时的测定装置、方法及电子设备 | |
CN115862339B (zh) | 车辆监管方法、装置、电子设备及计算机可读取存储介质 |
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 |