一种隧道衬砌超声检测数据智能识别方法与流程

本发明涉及隧道衬砌质量检测，具体地说，涉及一种隧道衬砌超声检测数据智能识别方法。

背景技术：

1、隧道衬砌能够有效支撑隧道围岩，维持隧道结构稳定，保证隧道内行车安全。受到隧道设计、施工工艺、材料质量等方面因素的影响，隧道衬砌可能存在质量缺陷，威胁列车运行安全，需及时发现、及时整治。

2、相控阵超声波是近年发展起来的混凝土无损检测技术，由可发射和接收声波的天线阵列及专用分析软件组成，基于该技术可对混凝土内部裂缝、空洞、含水和钢筋分布进行检测，检测精度较高。超声检测技术的优点主要体现在天线与被测物体耦合接触，基于三向扫描形成检测对象内部2d与3d信息。但是，该技术在大范围隧道衬砌检测中应用较少，衬砌缺陷的识别依赖于技术人员经验，效率低、精度低、稳定性差。

3、针对现有技术的问题，本发明提供了一种隧道衬砌超声检测数据智能识别方法。

技术实现思路

1、为解决现有技术的问题，本发明提供了一种隧道衬砌超声检测数据智能识别方法，所述方法包含以下步骤：

2、s1、使用多种方式得到隧道衬砌超声检测智能识别所需的数据样本，所述数据样本包含超声检测数据以及衬砌缺陷标签；

3、s2、基于所述数据样本，应用机器学习手段建立得到衬砌智能识别模型；

4、s3、通过所述衬砌智能识别模型，开展多种衬砌缺陷的同时识别，确定目标对象可能存在的衬砌缺陷类型及分布。

5、根据本发明的一个实施例，步骤s1包含：

6、对隧道衬砌质量进行实地现场检测，得到所述超声检测数据；

7、基于现场检测结果，确定衬砌缺陷类型及边界的标定解释，以确定所述衬砌缺陷标签。

8、根据本发明的一个实施例，步骤s1包含：

9、设计多种衬砌缺陷类型且不同组合方式的隧道衬砌混凝土物理模型，以确定所述衬砌缺陷标签；

10、应用超声检测设备对所述隧道衬砌混凝土物理模型进行实际检测，获得所述超声检测数据。

11、根据本发明的一个实施例，步骤s1包含：

12、考虑多种衬砌缺陷类型，按照不同发育规模、位置、组合方式设计隧道衬砌混凝土理论模型，以确定所述衬砌缺陷标签；

13、对所述隧道衬砌混凝土理论模型开展数值模拟，得到所述超声检测数据。

14、根据本发明的一个实施例，步骤s2包含：

15、对所述样本数据进行提高信噪比处理、提高分辨率处理以及提升成像效果处理，以得到高质量的样本数据；

16、对所述高质量的样本数据，进行数值尺度化和/或标准化处理，得到前期处理后的样本数据；

17、对前期处理后的样本数据进行随机分割，分割得到训练样本、验证样本与测试样本，分别用于模型训练、验证与质控评价，以得到预处理后的样本数据。

18、根据本发明的一个实施例，步骤s2包含：

19、基于所述预处理后的样本数据，针对多种衬砌缺陷同时识别的任务目标，构建得到相应的深度学习网络模型；

20、基于所述深度学习网络模型，构建得到所述衬砌智能识别模型。

21、根据本发明的一个实施例，步骤s2包含：

22、同时考虑预测正确及预测错误的情况，选用预测结果与真实数据之间的交并比作为所述衬砌智能识别模型的目标函数；

23、基于所述目标函数，开展最优化求解，并进行交叉验证、超参数优选与质控评价，得到训练后的所述衬砌智能识别模型。

24、根据本发明的一个实施例，步骤s3包含：

25、对经过实践积累的所述样本数据开展增量学习，不断更新完善所述衬砌智能识别模型。

26、根据本发明的另一个方面，还提供了一种存储介质，其包含用于执行如上任一项所述的方法步骤的一系列指令。

27、根据本发明的另一个方面，还提供了一种隧道衬砌超声检测数据智能识别方法装置，执行如上任一项所述的方法，所述装置包含：

28、数据样本模块，其用于使用多种方式得到隧道衬砌超声检测智能识别所需的数据样本，所述数据样本包含超声检测数据以及衬砌缺陷标签；

29、模型构建模块，其用于基于所述数据样本，应用机器学习手段建立得到衬砌智能识别模型；

30、模型应用模块，其用于通过所述衬砌智能识别模型，开展多种衬砌缺陷的同时识别，确定目标对象可能存在的衬砌缺陷类型及分布。

31、本发明提供的一种隧道衬砌超声检测数据智能识别方法，具有以下效果：

32、(1)综合多种方案准备模型训练所需的数据样本，现场测量提供了大量真实的隧道衬砌超声检测数据，物理模拟与数值模拟两种方案提供了大量建立超声检测输入数据与衬砌缺陷目标标签之间准确对应关系的数据样本，多种数据准备方案的综合保证了足量的多种来源的训练样本，为基于数据驱动的多种类型衬砌缺陷的同时识别网络训练提供了良好的数据基础。

33、(2)基于深度学习技术构建隧道衬砌超声检测数据智能识别的多分类缺陷分割模型，有助于挖掘超声检测数据与衬砌缺陷目标之间的内在联系，通过对交并比目标函数进行最优化求解，有效避免类别不均衡导致的干扰，提高目标识别的精度，有效实现多种衬砌缺陷类型及分布的同时识别。

34、(3)本发明提出的衬砌智能识别模型会针对不断累积的超声检测数据对所用的深度学习网络模型进行自适应地增量学习，不断优化衬砌智能识别模型的精度与泛化能力。

35、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

技术特征：

1.一种隧道衬砌超声检测数据智能识别方法，其特征在于，所述方法包含以下步骤：

2.如权利要求1所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s1包含：

3.如权利要求1-2中任一项所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s1包含：

4.如权利要求1-3中任一项所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s1包含：

5.如权利要求1-4中任一项所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s2包含：

6.如权利要求5所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s2包含：

7.如权利要求6所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s2包含：

8.如权利要求1-7中任一项所述的一种隧道衬砌超声检测数据智能识别方法，其特征在于，步骤s3包含：

9.一种存储介质，其特征在于，其包含用于执行如权利要求1-8中任一项所述的方法步骤的一系列指令。

10.一种隧道衬砌超声检测数据智能识别装置，其特征在于，执行如权利要求1-8中任一项所述的方法，所述装置包含：

技术总结
本发明提供一种隧道衬砌超声检测数据智能识别方法，其包含：使用多种方式得到隧道衬砌超声检测智能识别所需的数据样本，数据样本包含超声检测数据以及衬砌缺陷标签；基于数据样本，应用机器学习手段建立得到衬砌智能识别模型；通过衬砌智能识别模型，开展多种衬砌缺陷的同时识别，确定目标对象可能存在的衬砌缺陷类型及分布。本发明综合多种方案准备模型训练所需的数据样本，保证了足量的多种来源的训练样本，为基于数据驱动的多种类型衬砌缺陷的同时识别网络训练提供了良好的数据基础。

技术研发人员：马伟斌,安哲立,袁振宇,叶阳升,韩自力,郭小雄,马成贤,王勇,邹文浩,张金龙,田权兴,常凯,徐湉源,彭旸
受保护的技术使用者：中国铁道科学研究院集团有限公司铁道建筑研究所
技术研发日：
技术公布日：2024/1/12