【技术实现步骤摘要】
本申请涉及隧道掌子面识别，尤其涉及隧道掌子面识别方法、装置、设备、介质以及程序产品。
技术介绍
1、目前，在识别掌子面主结构面倾角的类型时，主要是利用现有的目标检测模型对掌子面图像进行识别，以基于掌子面图像确定掌子面主结构面倾角的类型。
2、但是，在利用目标检测模型对掌子面图像进行识别时，由于隧道洞内环境较差，因此在拍摄掌子面图像时，极易受到粉尘和昏暗的光照环境影响，使得掌子面图像中的干扰因素较多，从而导致识别准确率较低。
技术实现思路
1、本申请的主要目的在于提供一种隧道掌子面识别方法、装置、设备、介质以及程序产品，旨在解决因掌子面图像中干扰因素较多导致识别准确率较低的技术问题。
2、为实现上述目的，本申请提出一种隧道掌子面识别方法，包括：
3、获取掌子面图像；其中，掌子面图像中包括与掌子面结构面相对应的映射区域，掌子面结构面包括裂缝、节理以及层理面；
4、将掌子面图像输入倾角识别模型，得到倾角识别模型输出的检测结果；其中，检测结果包括多个掌子面结构面的识别区域，识别区域用目标预测边界框表示；倾角识别模型包括特征提取模块、目标检测模块以及过滤模块，特征提取模块用于对各掌子面图像进行特征提取，得到图像特征；目标检测模块，用于基于图像特征，通过卷积操作预测掌子面图像中存在掌子面结构面的多个预测区域、各预测区域在掌子面图像中的坐标信息以及各预测区域中存在掌子面结构面的概率，预测区域用预测边界框表示；过滤模块，用于基于各预测边界框的坐标信息
5、基于检测结果，确定掌子面结构面的倾角类型；倾角类型为近水平岩倾角、缓倾岩倾角、陡立岩倾角或者垂直岩倾角。
6、在一实施例中，基于各预测边界框的坐标信息和所述概率，对多个预测边界框进行过滤，得到目标预测边界框，包括：
7、针对每一预测边界框，基于预测边界框的坐标信息，确定预测边界框的长度、宽度以及长度与宽度之间的比值；
8、将比值大于预设比值的预测边界框作为第一预测边界框；
9、基于概率，从多个第一预测边界框中确定出目标预测边界框。
10、在一实施例中，基于概率，从多个第一预测边界框中确定出目标预测边界框包括：
11、从多个第一预测边界框中确定出第二预测边界框；其中，第二预测边界框为多个第一预测边界框中概率最大的第一预测边界框；
12、针对每一第一预测边界框，基于第一预测边界框的坐标信息，确定第一预测边界框的中心点的第一坐标信息；
13、基于第二预测边界框的坐标信息，确定第二预测边界框的中心点的第二坐标信息；
14、基于各第一坐标信息和第二坐标信息，确定各第一预测边界框的中心点与第二预测边界框的中心点之间的中心距离；
15、将第二预测边界框和中心距离大于预设距离的第一预测边界框作为目标预测边界框。
16、在一实施例中，特征提取模块包括方形卷积核、水平卷积核、垂直卷积核以及恒等映射层。
17、在一实施例中，方形卷积核的大小为3×3，水平卷积核的大小为1×9，垂直卷积核的大小为9×1。
18、在一实施例中，倾角识别模型为sp-yolov8模型。
19、此外，为实现上述目的，本申请还提出一种隧道掌子面识别装置，隧道掌子面识别装置包括：
20、获取模块，用于获取掌子面图像；其中，掌子面图像中包括与掌子面结构面相对应的映射区域，掌子面结构面包括裂缝、节理以及层理面；
21、输入模块，用于将掌子面图像输入倾角识别模型，得到倾角识别模型输出的检测结果；其中，检测结果包括多个掌子面结构面的识别区域，识别区域用目标预测边界框表示；倾角识别模型包括特征提取模块、目标检测模块以及过滤模块，特征提取模块用于对各掌子面图像进行特征提取，得到图像特征；目标检测模块，用于基于图像特征，通过卷积操作预测掌子面图像中存在掌子面结构面的多个预测区域、各预测区域在掌子面图像中的坐标信息以及各预测区域中存在掌子面结构面的概率，预测区域用预测边界框表示；过滤模块，用于基于各预测边界框的坐标信息和概率，对多个预测边界框进行过滤，得到目标预测边界框；
22、确定模块，用于基于检测结果，确定掌子面结构面的倾角类型；倾角类型为近水平岩倾角、缓倾岩倾角、陡立岩倾角或者垂直岩倾角。
23、此外，为实现上述目的，本申请还提出一种隧道掌子面识别设备，设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序配置为实现如上文的隧道掌子面识别方法的步骤。
24、此外，为实现上述目的，本申请还提出一种存储介质，存储介质为计算机可读存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上文的隧道掌子面识别方法的步骤。
25、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序被处理器执行时实现如上文的隧道掌子面识别方法的步骤。
26、本申请提出的一个或多个技术方案，至少具有以下技术效果：
27、相较于相关技术中，利用目标检测模型从掌子面图像中确定出多个存在掌子面结构面的预测边界框后，直接将所有的预测边界框作为检测结果并输出检测结果，本申请的倾角识别模型在对掌子面图像进行识别的过程中，根据图像特征从掌子面图像中确定出多个存在掌子面结构面的预测边界框后，再根据各预测边界框的坐标信息以及存在掌子面结构面的概率，对多个预测边界框进行过滤，得到目标预测边界框，将目标预测边界框作为检测结果，也即是本申请在得到存在多个掌子面结构面的预测边界框后，再对多个预测边界框进行过滤处理，可以去除掌子面图像中的干扰因素，从而避免出现虚检、重检现象，以提高识别准确率。
本文档来自技高网...【技术保护点】
1.一种隧道掌子面识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于各预测边界框的坐标信息和所述概率，对多个所述预测边界框进行过滤，得到目标预测边界框，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述概率，从多个所述第一预测边界框中确定出所述目标预测边界框包括：
4.如权利要求1所述的方法，其特征在于，所述特征提取模块包括方形卷积核、水平卷积核、垂直卷积核以及恒等映射层。
5.如权利要求4所述的方法，其特征在于，所述方形卷积核的大小为3×3，所述水平卷积核的大小为1×9，所述垂直卷积核的大小为9×1。
6.如权利要求1所述的方法，其特征在于，所述倾角识别模型为SP-YOLOv8模型。
7.一种隧道掌子面识别装置，其特征在于，所述装置包括：
8.一种隧道掌子面识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至6中任一项所述的隧道掌子面识别方法的步骤。
<...【技术特征摘要】
1.一种隧道掌子面识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于各预测边界框的坐标信息和所述概率，对多个所述预测边界框进行过滤，得到目标预测边界框，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述概率，从多个所述第一预测边界框中确定出所述目标预测边界框包括：
4.如权利要求1所述的方法，其特征在于，所述特征提取模块包括方形卷积核、水平卷积核、垂直卷积核以及恒等映射层。
5.如权利要求4所述的方法，其特征在于，所述方形卷积核的大小为3×3，所述水平卷积核的大小为1×9，所述垂直卷积核的大小为9×1。
6.如权利要求1所述的方法，其特征在于，所述倾角识别模型为sp...
【专利技术属性】
技术研发人员：王平安，王存宝，朱豪洋，常宏涛，杨立燃，李校珂，贺显林，李金魁，张欢，
申请(专利权)人：中铁二十局集团有限公司，
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。