基于深度学习的隧道不良地质体超前预报图像智能预测算法

作     者：蒋源 王海林 陈兆 JIANG Yuan;WANG Hailin;CHEN Zhao

作者机构：湖南省交通规划勘察设计院有限公司长沙410075 

基　　金：湖南省科技人才托举工程(2023TJ-Z02) 湖南省重点领域研发计划(2020SKC2010) 

出 版 物：《现代隧道技术》 (Modern Tunnelling Technology)

年 卷 期：2024年第61卷第3期

页      码：148-156页

摘      要：针对隧道不良地质体超前预报图像分析方法中存在的主观性大、效率低下等问题,构建一种名为IRTAG的隧道不良地质体超前预报图像智能预测算法。该算法包括一种基于多重交叉注意力的特征编码结构,能有效弥补卷积神经网络固有局部性的归纳偏置导致难以充分提取全局上下文信息的不足,然后引入具有良好分类性能和效率的EffcinetNet-v2作为骨干网络,提升模型对于不良地质体特征的提取能力。结果表明:在检测精度方面,IR-TAG的mAP和F_(1)分别为84.09%和83.63%,高于其他常用深度学习模型;在检测效率方面,IR-TAG具有更小的模型大小(73.5 MB)以及更快的图像处理速度(38.87 f/s),适用于隧道施工中的不良地质体超前预报图像智能、快速检测任务。

主 题 词：隧道工程 超前地质预报 深度学习 智能预测 

学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.13807/j.cnki.mtt.2024.03.016

馆 藏 号：203128425...