【技术实现步骤摘要】
本专利技术属于不良地质判断，具体地涉及一种目标检测网络训练及不良地质判断方法、设备及介质。
技术介绍
1、随着我国隧道建设规模的不断增大，新建隧道大多处在我国西南山区，西南山区复杂的地质构造给隧道施工带来了巨大的难题和安全隐患。我国深埋隧道中常见地质灾害主要有：高地应力下隧道围岩的变形破坏、隧道突水突泥灾害、隧道高地温、隧道有害气体。在上述隧道灾害中，地下水是主要不利因素，近8成的隧道涌突水灾害会造成巨大的人员和财产损失。隧道的变形破坏会造成初支、二衬的开裂，给施工带来巨大的安全隐患。因此，运用隧道超前地质预报技术，及时、准确地预报掌子面前方不良地质，避免或减小隧道地质灾害造成的危害已经成了建设单位的迫切需求。
2、孟陆波运用bp神经网络对地质雷达图像中溶洞的双曲线特征进行智能识别。童峥利用faster rcnn对地质雷达剖面中的路面结构病害进行智能定位；并在此基础上设计了两种不同结构的回归神经网络。冯德山将yolov3、faster rcnn这两类具有代表性的目标检测模型运用于地质雷达图像的智能识别中。主要对钢拱架、钢筋网、施工缝进行智能识别。齐欣祎运用卷积神经网络，对tsp法中的节理裂隙和岩溶的tsp波速图进行再解译。实现了对隐伏状节理裂隙和岩溶二分类识别、分类的任务。
3、在国外，日本学者kazuya运用深度卷积神经网络来识别地质雷达图像中的特征曲线。在对数千张地质雷达图像进行训练后，结果显示分类准确性为94.5％～97.9％，明显优于传统的神经网络方法。韩国学者park利用地质雷达对结构物进行扫描
4、真正反射层析成像(true reflection tomography，trt)是由美国nsa工程公司近年来开发的，是目前国内外在这个领域最先进的科技成果之一，属于地球物理探查方法的一种。
5、目前对trt图像的智能解译主要停留在图像像素层面上，比较有代表性的便是国内学者江帆提出的运用opencv中hsv直方图比较的方法，即比较与标准trt不良地质图像中的像素差异性。该方法在一定程度上能够对trt不良地质图像进行匹配识别，然而却忽略了trt不良地质成果图特征的多样性。
6、目前对trt探测成果的解译主要依靠人工解译，耗时耗力的同时也存在误检的现象。因此，提出智能化的解译方法对超前地质预报成果图进行准确、批量化地解译是非常有必要的。
技术实现思路
1、为了解决现有方法基于trt图像无法实现不良地质预测的问题,本专利技术提供一种目标检测网络训练及不良地质判断方法、设备及介质,其可实现基于trt图像实现不良地质的准确预测。
2、本专利技术的目的通过以下技术方案来实现：
3、本专利技术的第一方面公开一种目标检测网络训练方法，包括以下步骤：
4、获取数据集，所述数据集中包括至少一张trt图像；
5、对所述数据集中的每张trt图像进行处理得到与每张trt图像中至少一个框选区域对应的量化指标，所述量化指标包括低波阻抗区域与高波阻抗区域像素和的面积占比、低波阻抗区域与高波阻抗区域面积比值、地震波波速值的升降和低波阻抗区域与高波阻抗区域是否错开；
6、将上述量化指标输入已训练完成的分类模型中，得到与每个框选区域对应的不良地质类型及其置信度，所述不良地质类型为裂隙发育带、含水裂隙带、富水带、软弱岩层或者断层；
7、接收根据置信度的高低及对应的不良地质类型确定出的每张trt图像上各不良地质类型及其对应的区域，得到训练集；
8、用所述训练集对目标检测网络进行训练。
9、本专利技术的第二方面公开一种不良地质判断方法，包括以下步骤：
10、获取待判断的trt图像；
11、将所述待判断的trt图像输入采用第一方面中所述的一种目标检测网络训练方法训练得到的目标检测网络中，得到不良地质类型。
12、本专利技术的第三方面公开一种不良地质判断设备，包括依次通信连接的存储器和控制器，所述存储器上存储有计算机程序，所述控制器用于读取所述计算机程序，执行第一方面中所述的一种目标检测网络训练方法
13、本专利技术的第四方面公开一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行第一方面中所述的一种目标检测网络训练方法。
14、本专利技术与现有技术相比，至少具有以下优点和有益效果：
15、本专利技术通过对trt图像进行二值化处理得到4种量化指标以确定出不良地质类型，进而采用trt图像及对应的不良地质类型作为训练集对目标检测网络进行训练，得到的目标检测网络可直接基于trt图像实现不良地质类型预测，为海量trt数据的快速标定提供辅助，大大提高不良地质标定的速度和准确性。
本文档来自技高网...【技术保护点】
1.一种目标检测网络训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种目标检测网络训练方法，其特征在于：所述对所述数据集中的每张TRT图像进行处理得到与每张TRT图像中至少一个框选区域对应的量化指标，包括：
3.根据权利要求2所述的一种目标检测网络训练方法，其特征在于：所述基于色度提取出每张TRT图像中的低波阻抗区域与高波阻抗区域包括：
4.根据权利要求2所述的一种目标检测网络训练方法，其特征在于：提取出每张TRT图像中黄色区域作为低波阻抗区域，提取出每张TRT图像中蓝色区域作为高波阻抗区域。
5.根据权利要求1所述的一种目标检测网络训练方法，其特征在于：所述TRT图像为隧道的俯视图和/或侧视图。
6.根据权利要求1所述的一种目标检测网络训练方法，其特征在于：所述目标检测网络为YOLOv5或者Faster RCNN。
7.一种不良地质判断方法，其特征在于，包括以下步骤：
8.一种不良地质判断设备，包括依次通信连接的存储器和控制器，所述存储器上存储有计算机程序，其特征在于：所述控制器
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于：当所述指令在计算机上运行时，执行权利要求7所述的一种不良地质判断方法或者权利要求1至6任一所述的一种目标检测网络训练方法。
...【技术特征摘要】
1.一种目标检测网络训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种目标检测网络训练方法，其特征在于：所述对所述数据集中的每张trt图像进行处理得到与每张trt图像中至少一个框选区域对应的量化指标，包括：
3.根据权利要求2所述的一种目标检测网络训练方法，其特征在于：所述基于色度提取出每张trt图像中的低波阻抗区域与高波阻抗区域包括：
4.根据权利要求2所述的一种目标检测网络训练方法，其特征在于：提取出每张trt图像中黄色区域作为低波阻抗区域，提取出每张trt图像中蓝色区域作为高波阻抗区域。
5.根据权利要求1所述的一种目标检测网络训练方法，其特征在于：所述trt...
【专利技术属性】
技术研发人员：李天斌，张世殊，孟陆波，陈豪，杨罡，张欢，杨平，肖华波，
申请(专利权)人：中国电建集团成都勘测设计研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。