買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜同濟大學申請的專利一種土壓平衡盾構開挖面土質類型識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114972906B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210479274.8，技術領域涉及：G06V10/774；該發明授權一種土壓平衡盾構開挖面土質類型識別方法是由張東明;傅蕾;黃宏偉設計研發完成，并于2022-05-05向國家知識產權局提交的專利申請。

本一種土壓平衡盾構開挖面土質類型識別方法在說明書摘要公布了：本發明涉及土壓平衡盾構法隧道施工領域。提出了一種土壓平衡盾構開挖面土質類型識別方法，其特征在于，包括以下步驟：步驟1、建立渣土分類系統；步驟2、建立渣土識別數據庫；步驟3、渣土識別模型的構建。本發明方法既能科學地反映土體自身的性質又適用于盾構施工的實際需要，構建的渣土目力鑒別準則為數據集標簽的制作提供了依據；利用深度學習算法通過對出渣土圖像進行識別能夠快速、準確地得到開挖面前方土質類型信息，并具有實時、成本低的特點。

本發明授權一種土壓平衡盾構開挖面土質類型識別方法在權利要求書中公布了：1.一種土壓平衡盾構開挖面土質類型識別方法，其特征在于，包括以下步驟：步驟1、建立渣土分類系統1.1收集盾構施工所在地區的地質勘察報告，整理其中的靜力觸探分層參數表，統計各鉆孔經過地層的貫入阻力值，剔除異常值，即明顯不合理的數據；1.2計算各地層貫入阻力指標的統計特征值，包括均值、標準差以及變異系數；首先根據各層的土層名稱進行大類劃分；再根據能夠反映土體工程性質的貫入阻力均值進行詳細劃分；依據此方法，將某一地區的地層根據其工程性質進行合并分類，獲得適用于土壓平衡盾構參數調整的土質類型劃分；1.3對某地區土質類型劃分后，在此基礎上確定渣土的類別劃分；首先考慮是否存在對土壓平衡盾構施工影響較大的特殊土或承壓水情況，若存在此類有特殊性質的地層，而在根據貫入阻力值進行分類時又將此類地層與其他地層合并為一類，則應該將這類地層單獨劃分；除此之外，考慮盾構法施工時常出現開挖面經過多層地層的情況，此時排出的渣土可定為“混合土”這一特殊的類型；至此，在土質類別劃分的基礎上進行調整即可獲得同時考慮土體自身工程性質以及施工經驗的渣土類別劃分結果；1.4由基于渣土的視覺特征來構建目力鑒別渣土類別的準則，便于后續標簽的制作；步驟2、建立渣土識別數據庫2.1廣泛收集該方法應用地區的渣土監控視頻；2.2收集到視頻數據后對數據進行預處理；將穩定出土階段的有效視頻截取出來，再以每30幀一張的頻率抽取視頻幀，具體取幀頻率可根據盾構機推進速度進行調整；依據渣土形態和圖像背景盡量變化多樣的原則選取圖像，剔除鏡頭污損下拍攝的圖像以及由于視頻卡頓造成的馬賽克不良圖像和冗余圖像；2.3采用LabelImg圖像標注軟件對渣土圖像進行手工標注，用矩形框框出每張圖像內的渣土體目標，并輸入每個目標框的渣土類別；標簽信息為PASCALVOC格式，每張圖片真實的目標框位置信息和相應的渣土類別信息都被保存為XML文件；在訓練集和驗證集中，每張圖像都必須帶有標簽，里面記錄的信息被稱為真實值，該真實值提供給3.3.4的訓練過程；2.4獲得的渣土圖片文件及對應的標簽文件即為渣土數據集，將其按8：1：1的比例劃分為訓練集、驗證集和測試集；步驟3、渣土識別模型的構建所述渣土識別模型包括：自定義數據集模塊、渣土檢測網絡搭建模塊、構建訓練過程模塊、模型測試及評估指標模塊和渣土識別結果可視化模塊；3.1在自定義數據集模塊中3.1.1需要從數據集存儲路徑上載入渣土圖像數據以及相應的標簽信息，分別保存在列表中；3.1.2接著對圖像數據和標簽數據進行一定的處理和轉換；將圖像數據從PIL格式轉換成形狀為C,H,W的Tensor格式，其中C代表圖像通道數，H代表圖片高度，W代表圖片寬度，并將所有像素值除以255歸一化到0-1之間；3.1.3接著在圖像輸入網絡之前對其進行一定的隨機圖像增強操作，以0.5的概率對圖像進行水平翻轉、網格掩碼、隨機裁剪、色彩抖動以及模糊五種數據增強，提高數據庫圖片的多樣性，增強模型的魯棒性；3.1.4計算出整個數據集中圖片三通道像素值的均值和標準差，對圖片進行標準化處理以便于模型的學習，提供給步驟3.3；3.2在渣土檢測網絡搭建模塊中，網絡分為三個部分：骨干網絡、頸部網絡以及頂部網絡，提供給步驟3.3；骨干網絡的主要功能為提取圖像特征，其基本結構為卷積層、批標準化層以及激活層的組合，將此基本結構進行堆疊即可完成骨干網絡的搭建；在骨干網絡中加入殘差連接能夠增加網絡的深度，有效提高其特征提取的能力；頸部網絡功能為特征增強和融合；頂部網絡為檢測器，其功能為對渣土位置及類別信息做最終的回歸預測；更高分辨率的輸出特征圖包含了輸入圖像更詳細的特征，善于小目標的檢測，更低分辨率的輸出特征圖包含輸入圖像更粗略的特征，善于大目標的檢測；3.3在構建訓練過程模塊中3.3.1首先導入自定義數據集模塊以及渣土檢測網絡搭建模塊，實例化渣土數據集以及渣土檢測網絡，構建數據加載器以自定義圖片及標簽數據輸入網絡的方式；3.3.2設計網絡的損失函數，所使用目標檢測網絡的損失函數分為三部分：渣土定位損失、目標框置信度損失以及渣土分類損失，如公式（1）所示， （1）目標框置信度代表目標框是否包含渣土體以及包含時目標框與真實框交并比的大小；3.3.3網絡訓練時需要設置超參數，包括：學習率初值及其隨訓練循環次數增加的變化方式、優化器以及優化器的參數、輸入圖片批大小、訓練循環次數和損失函數各項的權值；設置好損失函數及超參數后進入步驟3.3.4開始訓練；3.3.4每一批圖像輸入網絡中都會得到預測結果，將預測值與步驟2.3標簽中的真實值輸入損失函數能夠算得當前損失值，也就是預測值和真實值之間的距離；計算損失值對于所有網絡參數的導數，利用優化器對網絡參數進行優化更新，即為一輪訓練迭代；當把訓練集中所有圖片都輪次輸入網絡中進行訓練后，即為一個訓練循環；結束一個訓練循環后，再將驗證集的圖片輪次輸入網絡中計算網絡精度，據此觀察網絡訓練情況并作為下次網絡訓練調整超參數的依據；當損失下降收斂至某個穩定值后，訓練結束，保存訓練后的網絡參數，即獲得可準確定位渣土目標和判斷渣土類型的識別模型；3.4在模型測試及評估指標模塊中，加載訓練好的模型和參數，輸入需要測試的渣土圖片即可獲得回歸出的渣土定位信息以及類別信息；編寫評估指標計算代碼，對測試集的檢測結果進行定量評估，可評價檢測模型的效果；3.5在渣土識別結果可視化模塊中，將網絡回歸得到的渣土體目標框定位信息以及類別信息繪制在原圖像上進行識別結果可視化；利用網絡回歸出的目標框中心點位置信息x0、y0以及長寬信息h、w在原圖中繪制目標框，將回歸得到的渣土類別信息及相應的置信度以文字形式寫在每一個目標框的左上角，同時不同渣土類型的目標框和類別信息采用不同顏色進行繪制和書寫。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。