Home > Current

基于机器视觉的隧洞掌子面水平层状围岩识别技术

徐小雷 （ 中国水利水电第七工程局有限公司 ）

木乃殷担 （ 中国水利水电第七工程局有限公司 ）

侯博文 （ 中国水利水电第七工程局有限公司 ）

邵　宇 （ 中国水利水电第七工程局有限公司 ）

黄　力 （ 四川大学 ）

https://doi.org/10.37155/3041-0819-0111-30

Abstract

近年来，国内水电、新能源产业发展迅猛。在水平层状掩岩体隧洞爆破施工中，岩层界面软弱、各向异 性明显，爆破开挖易引发超挖、欠挖及局部冒顶等问题。传统爆破参数设计靠经验，难以适应复杂地质条件。本文 针对水平层状围岩隧道爆破施工中地质信息识别精度低、爆破参数适配性差的问题，提出融合深度学习与动态优化技 术的智能决策方法。构建改进的YOLOv8分割模型，精准识别掌子面裂缝与岩层结构；结合分区域岩体完整性分级算 法，开发爆破参数动态优化系统。实测裂缝识别准确率92.3%，岩层分割mAP@0.5为87.6%，爆破超挖量降低35%，为 复杂地质隧道智能施工提供技术支撑。

Keywords

水平层状围岩；层状围岩；YOLOv8-seg；分区域识别

Full Text

PDF

References

[1]中国公路学报编辑部.中国交通隧道工程学术研究
综述·2022[J].中国公路学报,2022,35(04):1-40.
[2]苗晓坤.2020.基于卷积神经网络的隧道表观结构病
害识别方法研究[D].山东大学.
[3]黄音昊.隧道围岩分级特征参数的图像智能识
别及应用[D].成都理工大学,2021.DOI:10.26986/d.cnki.
gcdlc.2021.000755.
[4]]王睿.基于深度学习的地下空间围岩岩体结构自
动识别及工程应用[D].齐鲁工业大学,2024.DOI:10.27278/
d.cnki.gsdqc.2024.000466.
[5]曹朝辉.基于卷积神经网络的道路目标检测研究
[D].郑州大学,2018.
[6]冯卉.基于深度学习的道路裂缝识别算法研究与实
现[D].北京邮电大学,2019.

Copyright © 2025 徐小雷,木乃殷担,侯博文,邵　宇,黄　力 Creative Commons License Publishing time:2025-11-30
This work is licensed under a Creative Commons Attribution 4.0 International License