隧道火成岩风化程度确定系统及方法技术方案

本公开提供了一种隧道火成岩风化程度确定系统及方法，通过构建深度学习模型，基于已存储的图像扫描结果和岩石成分信息进行训练，得到各图像扫描结果和岩石成分信息与相应风化程度的对应关系；获取掌子面前方岩石试样，对岩石试样进行图像扫描和成分检测，利用训练后的模型，对检测的结果进行分析，得到隧道前方火成岩风化程度。本公开能够实时快捷的确定前方火成岩风化程度，提高掘进效率，且结果较为准确。

Determination system and method of weathering degree of tunnel igneous rock

【技术实现步骤摘要】
隧道火成岩风化程度确定系统及方法
本公开属于隧道岩石风化检测
，涉及一种隧道火成岩风化程度确定系统及方法。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。TBM(岩石掘进机TunnelBoringMachine)，已广泛应用于隧道施工，具有降低人工劳动强度、施工速度快、对环境扰动小、安全性高等优点。在TBM掘进过程中，前方岩石的风化程度对岩体硬度及完整性影响很大，这对是否能顺利掘进具有关键作用。在火成岩石中，矿物在不同的温度下结晶形成，不同的长石其结晶顺序有明显的先后关系。长石不仅分布范围大，且由于其存在类质同象问题导致其种类也较为繁杂。长石是一类常见的含钙、钠和钾的铝硅酸盐类造岩矿物，可划分为两个系列：碱性长石系列(即Or-Ab系列)和斜长石系列(即Ab-An系列)(Or、Ab和An分别代表KAlSi3O8、NaAlSi3O8和CaAl2Si2O8)。不同系列的长石硬度有差异，抗风化能力也截然不同，这对火成岩石抗风化能力造成很大影响。据专利技术人了解，目前的前方岩石的风化程度判断主要是依托于人为观察，其结果依赖于操作人员的专业性，具有很大的局限性，且观测结果不精确。
技术实现思路
本公开为了解决上述问题，提出了一种隧道火成岩风化程度确定系统及方法，本公开能够实时快捷的确定前方火成岩风化程度，提高掘进效率，且结果较为准确。根据一些实施例，本公开采用如下技术方案：一种隧道火成岩风化程度确定系统，包括：数据采集系统，被配置为获取掌子面前方岩石试样，对岩石试样进行图像扫描和成分检测，并将部分样品制成玻片；数据传输模块，被配置为将数据采集系统获取的玻片标本通过履带传输给数据分析系统，获取的图像扫描结果和岩石成分信息通过无线传输给数据分析系统；数据分析系统，被配置为构建深度学习模型，所述模型基于已存储的图像扫描结果和岩石成分信息进行训练，得到各图像扫描结果和岩石成分信息与相应风化程度的对应关系，并接收待确定的前方岩石图像扫描结果和岩石成分信息，利用训练后的模型进行分析，得到隧道前方风化程度。作为进一步的限定，所述数据采集系统包括岩石取样模块、图像扫描模块和岩石测试模块，其中，所述岩石取样模块对隧洞掘进过程中的岩石进行取样及制片，取样机构搭载于机械臂，包括拾取装置和钻机，拾取装置直接对传送带上岩渣进行拾取，钻机对位于掌子面附近的岩壁进行岩芯钻取，制片机构利用现有方式，装置包括球磨机、剖光机和压片机，随机选取所获取的岩渣或岩芯进行玻片制作，取样机械臂可多维运动；所述图像扫描模块配置为照相机，对所取岩石样品外表形貌进行拍照扫描，获取岩石外表形貌特征；所述岩石测试模块包括XRF测试装置和XRD测试装置，XRF测试装置利用手持式设备，现有的测试箱可直接获取样品火成岩中的元素种类及丰度信息，XRD装置配置样品收取钵，可直接对岩渣岩粉进行测试，基于长石的不同化学成分，鉴定区分出不同的长石端元。作为进一步的限定，所述数据分析系统，包括显微图像模块、计算机分析模块和深度学习模块，其中，所述显微图像模块为偏光显微装置，对经由履带传输过来的数据采集系统制成的岩石玻片样品进行显微成像，获取岩石偏光显微镜下图像，辅助挑选长石颗粒；所述计算机分析模块被配置为基于XRF及XRD装置的相关数据，通过测试获取长石种类及含量衍射图谱数据，并统计长石类别及含量，对比书籍文献中长石元素含量类型及X射线装置厂家所提供的衍射图谱数据，对XRF及XRD装置获取的数据进行处理修正；所述深度学习模块，被配置为基于神经网络模型对数据进行学习训练。作为进一步的限定，所述深度学习模块在形成火成岩石不同风化程度判别模型时，根据预设的不同长石特征级别标准阈值，整合训练的特征量，按照预置的分类标准，建立火成岩石风化程度自动模型评价器。所述数据输出系统，输出模型将待评价的火成岩中所含的长石特征与数据存储中心中的各种信息进行对比，通过火成岩石自动模型评价器对待评价的火成岩风化程度进行评价，并根据不同阈值作具体规定。作为可选择的实施方式，所述数据采集系统搭载于TBM机械臂上。作为可选择的实施方式，还包括数据存储中心，被配置为存储已有隧道岩石样本图像扫描结果和岩石成分信息与相应风化程度，预设的不同长石特征标准阈值。一种隧道火成岩风化程度确定方法，包括以下步骤：构建深度学习模型，基于已存储的图像扫描结果和岩石成分信息进行训练，得到各图像扫描结果和岩石成分信息与相应风化程度的对应关系；获取掌子面前方岩石试样，对岩石试样进行图像扫描和成分检测，利用训练后的模型，对检测的结果进行分析，得到隧道前方火成岩风化程度。火成岩风化程度的分级包括：当长石中仅含有K元素时，其抗风化能力最强，Na元素其次，仅含有Ca元素时其抗风化能力最差，当同时含有Na和Ca元素时，其抗风化能力随着Ca元素含量的增多而增强，即正长石(钾长石)>酸性斜长石(钠长石)>中性斜长石(中长石)>基性斜长石(钙长石)；岩体的晶体结构保存的越完好，风化程度越低；长石所占的含量百分比越高，风化程度越低。依据上述分级标准，提出如下判别等级：火成岩中长石元素及成分类型为主要考虑标准，若长石类型仅为钾长石—A级；钾长石>斜长石—B级；钾长石<斜长石—C级；仅为斜长石—D级。长石的晶体结构，自形含量占比最高—a级；半自形含量占比最高、自行＞它形—b级，半自形含量占比最高、自行＜它形—c级，它形含量占比最高—d级。若长石在火成岩中含量超过60％—a级；20％-60％—b级；5％-20％—c级；<5％-d级。按上述标准，最终定出长石特性对岩层风化程度的最后判断级别：至少存在一个A级或B+a级或2个a级则为弱风化，仅存在1个a级或2个b级则为中风化，不存在任何一个A/a级或B/b级则强风化。一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种隧道火成岩风化程度确定方法的部分或全部步骤。一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种隧道火成岩风化程度确定方法的部分或全部步骤。与现有技术相比，本公开的有益效果为：本公开对隧洞掘进中遇到的火成岩石进行风化程度评价，为掘进方式提供指导，本公开通过研究隧道围岩中长石的含量来判断其风化程度，填补了隧道围岩风化程度方面研究的空白；本公开利用长石成分及含量结合火成岩石风化图像建立评价模型，不仅实现了对火成岩石风化程度的定性评价，而且实现了定量评价，并且定性更为准确，得到评价模型后，可实现连续测试，能够服务于隧洞快速掘进的工程进度；本公开更多利用岩石原位测试，为TBM掘进提供良好测试手段。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，本文档来自技高网...

【技术保护点】
1.一种隧道火成岩风化程度确定系统，其特征是：包括：/n数据采集系统，被配置为获取掌子面前方岩石试样，对岩石试样进行图像扫描和成分检测，并将部分样品制成玻片；/n数据传输模块，被配置为将数据采集系统获取的玻片标本通过履带传输给数据分析系统，获取的图像扫描结果和岩石成分信息通过无线传输给数据分析系统；/n数据分析系统，被配置为构建深度学习模型，所述模型基于已存储的图像扫描结果和岩石成分信息进行训练，得到各图像扫描结果和岩石成分信息与相应风化程度的对应关系，并接收待确定的前方岩石图像扫描结果和岩石成分信息，利用训练后的模型进行分析，得到隧道前方风化程度。/n

【技术特征摘要】
1.一种隧道火成岩风化程度确定系统，其特征是：包括：
数据采集系统，被配置为获取掌子面前方岩石试样，对岩石试样进行图像扫描和成分检测，并将部分样品制成玻片；
数据传输模块，被配置为将数据采集系统获取的玻片标本通过履带传输给数据分析系统，获取的图像扫描结果和岩石成分信息通过无线传输给数据分析系统；
数据分析系统，被配置为构建深度学习模型，所述模型基于已存储的图像扫描结果和岩石成分信息进行训练，得到各图像扫描结果和岩石成分信息与相应风化程度的对应关系，并接收待确定的前方岩石图像扫描结果和岩石成分信息，利用训练后的模型进行分析，得到隧道前方风化程度。


2.如权利要求1所述的一种隧道火成岩风化程度确定系统，其特征是：所述数据采集系统包括岩石取样模块、图像扫描模块和岩石测试模块，其中，所述岩石取样模块对隧洞掘进过程中的岩石进行取样及制片，取样机构搭载于机械臂，包括拾取装置和钻机，拾取装置直接对传送带上岩渣进行拾取，钻机对位于掌子面附近的岩壁进行岩芯钻取，制片机构利用现有方式，装置包括球磨机、剖光机和压片机，随机选取所获取的岩渣或岩芯进行玻片制作，取样机械臂可多维运动；所述图像扫描模块配置为照相机，对所取岩石样品外表形貌进行拍照扫描，获取岩石外表形貌特征；所述岩石测试模块包括XRF测试装置和XRD测试装置，XRF测试装置利用手持式设备，现有的测试箱可直接获取样品火成岩中的元素种类及丰度信息，XRD装置配置样品收取钵，可直接对岩渣岩粉进行测试，基于长石的不同化学成分，鉴定区分出不同的长石端元。


3.如权利要求1所述的一种隧道火成岩风化程度确定系统，其特征是：所述数据分析系统，包括显微图像模块、计算机分析模块和深度学习模块，其中，所述显微图像模块为偏光显微装置，对经由履带传输过来的数据采集系统制成的岩石玻片样品进行显微成像，获取岩石偏光显微镜下图像，辅助挑选长石颗粒；所述计算机分析模块被配置为基于XRF及XRD装置的相关数据，通过测试获取长石种类及含量衍射图谱数据，并统计长石类别及含量，对比书籍文献中长石元素含量类型及X射线装置厂家所提供的衍射图谱数据，对XRF及XRD装置获取的数据进行处理修正；所述深度学习模块，被配置为基于神经网络模型对数据进行学习训练。<...

【专利技术属性】
技术研发人员：许振浩，刘福民，邵瑞琦，余腾飞，许建斌，潘东东，王文扬，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37