TBM岩渣分类CNN

精度91.88%

通过贝叶斯优化和图像增强技术，实现跨工程的高精度岩渣自动分类。

刘洋 · Wang, Di · Hu, Jinlong · 朱国力

Rock Mechanics and Rock Engineering 2024

参数信息

分类精度

91.88 %

迁移学习精度

89.86 %

技术优势

跨工程可迁移

在单一项目数据上预训练后，仅用少量新隧道数据微调，即可在新数据集上达到89.86%精度，无需为新项目从头训练。

抗过拟合设计

采用批归一化、DropBlock和全局平均池化技术，有效缓解CNN在岩渣图像上的过拟合，提升模型泛化能力。

边缘特征增强

通过限制对比度自适应直方图均衡化增强岩渣边缘特征，使模型能区分灰度相近的岩渣和背景，提高分割和分类可靠性。

应用场景

• 隧道掘进监测：实时识别岩渣粒度和均匀性，避免人工取样风险。
• 岩土工程勘察：从岩渣图像自动获取岩体破碎信息，辅助地质勘察。
• 岩渣自动分析：替代人工岩渣分类，快速提供粒度分布数据。