(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211121434.8 (22)申请日 2022.09.15 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 潘东东　李轶惠　许振浩　王孝特　 贺迎春　余腾飞　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 祖之强 (51)Int.Cl. G06T 7/00(2017.01) G06T 17/05(2011.01) G06T 17/30(2006.01) G06V 10/26(2022.01)G06V 10/82(2022.01) G06V 20/70(2022.01) G06N 3/04(2006.01) (54)发明名称 掌子面裂隙图像与前方三维结构参数预测 方法及系统 (57)摘要 本发明提供了一种掌子面裂隙图像与前方 三维结构参数预测方法及系统， 根据获取的对应 已开挖掌子面图像以及语义分割模 型， 得到裂隙 识别图像， 将裂隙识别图像与获取的对应已开挖 掌子面图像的裂隙像素点矩阵进行替换， 得到融 合图像； 根据融合图像与第一预测模型， 得到前 方掌子面裂隙分布图预测结果； 根据融合图像进 行岩体三维重构， 利用 岩体三维重构， 将裂隙划 分为以迹线形态出露和以面状形态出露各种， 分 别提取得到不连续参数； 根据不连续参数与第二 预测模型， 得到前方岩体裂隙三维参数预测结 果； 本发明实现了隧道掌子面近前方裂隙二维与 三维参数预测， 能够为工程施工提供有效的指 导。 权利要求书2页 说明书12页 附图4页 CN 115546113 A 2022.12.30 CN 115546113 A 1.一种掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： 包括以下 过程： 获取已开挖掌子面图像； 根据获取的对应已开挖掌子面图像以及语义分割模型， 得到裂隙识别图像， 将裂隙识 别图像与获取的对应已开挖掌子面图像的裂隙像素点矩阵进行替换， 得到融合图像； 根据融合图像与第一预测模型， 得到前 方掌子面裂隙分布图预测结果； 根据融合图像进行岩体三维重构， 利用岩体三维重构， 将裂隙划分为以迹线形态出露 和以面状形态出露各种， 迹线形态出露的裂隙采用不规则多边形拟合算法进行拟合， 面状 形态出露的裂隙利用共面 性检验算法进行提取， 得到不连续 参数； 根据不连续 参数与第二预测模型， 得到前 方岩体裂隙三维参数 预测结果。 2.如权利要求1所述的掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： 获取已开挖掌子面图像之后， 还包括图像预处理过程， 所述图像预处理至少包括： 图像 分割、 图像旋转和图像标注； 根据预处 理后的图像进行裂隙识别。 3.如权利要求1所述的掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： 第一预测模型为SA ‑RNN神经网络模型， SA ‑RNN神经网络模型包括多个SA ‑LSTM单元， SA‑LSTM单元中， ConvLSTM的存储模式为双状态信息流模式， 包括时间信息流和 空间信息 流， 将时间信息流中序列进行互变价 值。 4.如权利要求3所述的掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： SA‑RNN神经网络模型中， 每层卷积层都与最后一层卷积层的输入层相连。 5.如权利要求1所述的掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： 第二预测模型为 WD‑ARIMA‑LSTM神经网络模型， WD ‑ARIMA‑LSTM神经网络模型中： 利用小波去噪进行融合图像预处理得到时空序列数据集， 将ARIMA模型与LSTM模型相 结合， 利用裂隙三维参数数据序列的相关性， 通过ARIMA模型进行参数预测， 通过LSTM模型 进行误差修 正， 以获得最终预测值。 6.如权利要求1所述的掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： 迹线形态出露的裂隙采用不 规则多边形拟合 算法进行拟合， 包括： 根据裂隙拟合 面在x和y坐标轴上的截距得到 迹线形态出露的裂隙走向； 根据裂隙拟合 面在x、 y和z坐标轴上的截距得到 迹线形态出露的裂隙倾向； 根据裂隙拟合面在x、 y和z坐标轴上的截距以及迹线形态出露的裂隙走向， 得到迹线形 态出露的裂隙倾角； 通过裂缝像素点累加得到 迹长， 以单位空间裂隙数为裂隙密度。 7.如权利要求1所述的掌子面裂隙图像与前 方三维结构参数 预测方法， 其特 征在于： 面状形态出露的裂隙利用共面 性检验算法进行提取， 包括： 利用出露 的面状裂隙对掌子面平行方向的不连续面进行提取， 迹长为平面内最远两点 之间的距离 。 8.一种掌子面裂隙图像与前 方三维结构参数 预测系统， 其特 征在于： 包括以下 过程： 数据获取模块， 被 配置为： 获取已开挖掌子面图像； 裂隙识别模块， 被配置为： 根据获取的对应已开挖掌子面图像以及语义分割模型， 得到权　利　要　求　书 1/2 页 2 CN 115546113 A 2裂隙识别图像， 将裂隙识别图像与获取的对应已开挖掌子面图像的裂隙像素点矩阵进 行替 换， 得到融合图像； 裂隙图像预测模块， 被配置为： 根据融合图像与第 一预测模型， 得到前方掌子面裂隙分 布图预测结果； 三维裂隙提取模块， 被配置为： 根据融合图像进行岩体三维重构， 利用岩体三维重构， 将裂隙划分为以迹线 形态出露和以面状形态出 露各种， 迹线 形态出露的裂隙采用不规则多 边形拟合算法进行拟合， 面状形态出露的裂隙利用共面性检验算法进行提取， 得到不连续 参数； 三维结构预测模块， 被配置为： 根据不连续参数与第 二预测模型， 得到前方岩体裂隙三 维参数预测结果。 9.一种计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实 现如权利要求1 ‑7任一项所述的掌子面裂隙图像与前 方三维结构参数 预测方法中的步骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程 序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7任一项所述的掌子面裂隙 图像与前 方三维结构参数 预测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115546113 A 3