基于MobileNet隧道围岩完整性程度的确定方法

摘要

为更高效率地确定隧道围岩完整性程度，该文提出了一种基于轻量级神经网络MobileNet-v2的隧道围岩岩体完整性程度的精确确定方法。首先，将图像进行灰度化、图像降噪以及裂隙边缘检测处理；然后，利用MobileNet-v2轻量级神经网络模型在Image-Net数据集上进行预训练，并与迁移学习相结合完成训练集、验证集以及测试集的数据检测；最后，与传统神经网络RestNet-50、VGG16做对比试验。通过裂隙面积、宽度和长度的识别，引入裂隙比K_s作为评判围岩完整性程度的指标。结果表明：（1）在准确率、损失值和训练时间等方面，MobileNet-v2模型明显优于VGG16和RestNet-50模型；（2） MobileNet-v2模型的准确率最高，验证集准确率可达到94%左右；（3）与现场试验结果对比表明，使用数字图像处理方法评判岩体完整性具有较高的准确性和可行性。

关键词

隧道工程 / 岩体完整性 / MobileNet-v2 / 数字图像处理 / 裂隙比K_s