渣土图像分类网络

通过渣土图像实现围岩类别的实时预测，无需人工判读。

Zikai, Dong · 李旭 · Guoshuai, Tian · Yuanen, Pang · Lin, Wang

Yingyong Jichu yu Gongcheng Kexue Xuebao/Journal of Basic Science and Engineering 2023

参数信息

分类精度

0.986

单张图像运行时间

70 ms

技术优势

精度够用

ResNet18和SqueezeNet模型在渣土图像分类上准确率达到0.986，满足现场需求。

出结果快

单张图像推理耗时仅约70 ms，具备实时分类的潜力。

不用人看

自动识别渣土图像，替代人工判读，提高地质工程师工作效率。

应用场景

• 隧道施工监控：用渣土图像实时判识围岩，无需等待实验室结果，辅助调整支护方案。
• 智能建造：将计算机视觉嵌入掘进流程，实现围岩分类自动化，减少人工干预。
• 地质勘查：从渣土图像提取地质信息，为地质编录提供客观数据支持。
• 工程机械智能感知：让TBM具备视觉感知能力，实时识别前方岩体条件。