基于图像处理的盾构壁后注浆缺陷智能识别方法及系统与流程

本发明属于图像识别领域，具体来说，特别涉及基于图像处理的盾构壁后注浆缺陷智能识别方法及系统。

背景技术：

1、现有注浆缺陷检测与修复中依赖人工检测，效率低下且精度受限；物理模型与雷达图像结合不足，导致检测结果不准确；且缺乏实时修复耗时监控机制，无法有效评估修复进度；另外，参数优化与映射模型构建流程繁琐，耗时长且效果不稳定。

技术实现思路

1、针对相关技术中的问题，本发明提出基于图像处理的盾构壁后注浆缺陷智能识别方法及系统，以克服现有相关技术所存在的上述技术问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：本发明为基于图像处理的盾构壁后注浆缺陷智能识别方法，包括以下步骤：

3、s1、建立盾构壁后注浆的三层介质模型并设置真实电磁参数、边界条件以及预设缺陷类型；再构建物理试验模型；

4、s2、基于s1构建的三层介质模型以及物理试验模型获取雷达信号图像并对其进行预处理；

5、s3、预设注浆缺陷类型以及对应的参数，采用s1构建的三层介质模型以及物理试验模型生成注浆雷达图像数据，对生成的数据进行人工标注特征后构建最终注浆缺陷类型及参数映射模型；

6、s4、将现场雷达图像进行预处理并输入至s3中的映射模型中进行缺陷类型及参数的映射；并记录修复耗时且与预设阈值对比，并进行重复检测统计超时概率；若超时概率小于阈值，修复完成；否则，执行s5；

7、s5、通过重复调整s2中预处理的多个操作参数与s4中的映射次数以进行注浆缺陷修复实验，实验过程中记录修复耗时超限数据，基于记录的数据构建最终缺陷修复耗时超限占比映射模型；

8、s6、重复调整s4中重复检测过程中对应的预处理参数以及映射次数并输入至s5中的映射模型中映射，根据映射结果对调整效果进行反馈，直至耗时超限概率低于阈值为止。

9、优选地，所述s1包括以下步骤：

10、s11、采用时域有限差分法建立包括‌隧道管片、壁后注浆体、围岩土体‌的三层介质模型，并为每层介质设置符合其真实物理特性的电磁参数以及对应的边界条件，以及在壁后注浆体中预设模拟缺陷类型，得到盾构隧道管片-注浆层数值模型；所述电磁参数包括‌介电常数、电导率‌等；

11、s12、构建壁后注浆足尺层状介质试验模型；所述壁后注浆足尺层状介质试验模型包括管片、注浆体、填土及固定支撑等部分；通过构建高保真的数值仿真模型与物理足尺试验模型，两种模型的有机结合，不仅能够深入揭示注浆层内部缺陷的反射回波规律，有效识别注浆界面位置和评估注浆饱满度，从而显著提高了盾构隧道施工质量控制水平和安全保障能力。

12、优选地，所述s2包括以下步骤：

13、s21、采用所述盾构隧道管片-注浆层数值模型以及壁后注浆足尺层状介质试验模型获取当前盾构壁后注浆的雷达信号数据，得到当前注浆雷达图像数据；

14、s22、对所述当前注浆雷达图像数据进行去噪、增益校正、背景滤波以及深度图像增强处理，得到当前处理后注浆雷达图像数据；这种多层次、多维度的信号处理策略，不仅大幅提升了雷达图像的质量和可解释性，还为后续智能识别算法的准确性和鲁棒性提供了高质量的数据保障，从而显著增强了盾构隧道壁后注浆质量无损检测的整体技术水平。

15、优选地，所述s3包括以下步骤：

16、s31、预设若干种盾构壁后注浆缺陷类型以及对应的缺陷表征参数类型，得到预设注浆缺陷类型集以及注浆缺陷表征参数类型集；

17、s32、根据所述预设注浆缺陷类型集以及注浆缺陷表征参数类型集，对所述盾构隧道管片-注浆层数值模型以及壁后注浆足尺层状介质试验模型分别预设不同类型的注浆缺陷类型以及对应的表征参数类型，预设完成后执行s21、s22，得到当前实验注浆雷达图像数据集、当前实验注浆缺陷类型数据集以及当前实验注浆缺陷表征参数数据集；采用当前实验注浆缺陷类型数据集以及当前实验注浆缺陷表征参数数据集分别对当前实验注浆雷达图像数据集中部分图像数据进行人工图像特征标注，得到当前标注后实验注浆雷达图像数据集；

18、s33、根据所述当前标注后实验注浆雷达图像数据集，构建输入为注浆雷达图像数据且输出为注浆缺陷类型以及对应的表征参数数据的映射模型，得到最终注浆缺陷类型及参数映射模型；通过在数值仿真和足尺试验模型中精确预设各类缺陷及其参数，能够生成大量包含已知缺陷类型以及参数的雷达图像数据，极大丰富了训练样本的多样性和代表性；通过对部分图像进行人工特征标注，使得训练出的映射模型不仅能够识别缺陷类型，还能精确预测其具体的几何与物理参数，显著提高了检测效率和工程决策的科学性。

19、优选地，所述s4包括以下步骤：

20、s41、采用s22中的方式对从当前盾构施工现场扫描获得的注浆层实际雷达图像进行相同的信号图像处理，得到当前现场注浆雷达图像数据；将所述当前现场注浆雷达图像数据输入至最终注浆缺陷类型及参数映射模型中进行映射，得到当前现场注浆缺陷类型数据以及当前现场注浆缺陷参数数据集；根据所述当前现场注浆缺陷类型数据以及当前现场注浆缺陷参数数据集对当前盾构施工现场的注浆层进行缺陷修复并记录修复耗时，得到当前修复耗时数据；

21、s42、根据历史经验设定各种注浆缺陷类型以及相应的缺陷参数对应的注浆层缺陷修复耗时阈值，得到注浆缺陷修复耗时阈值集；并重复s41若干次；

22、s43、设定缺陷修复超时概率阈值；若所述当前修复耗时数据大于注浆缺陷修复耗时阈值集中对应的耗时阈值的次数占s42中总重复次数的比例大于或者等于缺陷修复超时概率阈值，执行s5；否则，修复完成；通过多轮重复检测，动态校验修复效果，避免因环境干扰或操作失误导致的误判，提升修复成功率；引入缺陷修复超时概率阈值，当修复耗时超过阈值的次数超过预设比例时，自动触发紧急响应，避免因单次检测误差导致的误操作。

23、优选地，所述s5包括以下步骤：

24、s51、设定s22中进行去噪、增益校正、背景滤波以及深度图像增强处理操作过程对应的若干种操作参数类型，得到缺陷图像处理操作参数类型集；

25、s52、基于缺陷图像处理操作参数类型集，采用s41、s42、s43的方式且每次将所述当前现场注浆雷达图像数据输入至最终注浆缺陷类型及参数映射模型中进行映射的次数均设置为不同，记录多组当前修复耗时数据大于注浆缺陷修复耗时阈值集中对应的耗时阈值的次数占s42中总重复次数的比例、映射次数以及对应的缺陷图像处理操作参数数据，得到当前记录耗时超限占比数据集、当前记录映射次数集以及当前记录操作参数数据集；

26、s53、根据所述当前记录耗时超限占比数据集、当前记录映射次数集以及当前记录操作参数数据集，构建输入为映射次数、操作参数数据且输出为耗时超限占比数据的映射模型，得到最终缺陷修复耗时超限占比映射模型；进行导致在缺陷修复过程中只考虑了单一缺陷，未考虑复合缺陷，进而导致缺陷修复耗时超限占比增加，进而影响整个盾构壁后注浆工程的进度；实时记录修复耗时并反馈，形成闭环优化机制，持续提升模型的鲁棒性和预测精度。

27、优选地，所述s6包括以下步骤：

28、s61、基于缺陷图像处理操作参数类型集，对s42中所述重复s41若干次过程中对应的去噪、增益校正、背景滤波以及深度图像增强处理的操作参数以及将所述当前现场注浆雷达图像数据输入至最终注浆缺陷类型及参数映射模型中进行映射的次数进行重复调整，得到当前调整后操作参数集以及当前调整后映射次数；

29、s62、将所述当前调整后操作参数集以及当前调整后映射次数输入至最终缺陷修复耗时超限占比映射模型中映射，得到当前调整后记录耗时超限占比数据；直到所述当前调整后记录耗时超限占比数据小于缺陷修复超时概率阈值为止，得到当前最终操作参数集以及当前最终映射次数；

30、s63、根据所述当前最终操作参数集以及当前最终映射次数对s42中所述重复s41若干次过程中对应的去噪、增益校正、背景滤波以及深度图像增强处理的操作参数以及将所述当前现场注浆雷达图像数据输入至最终注浆缺陷类型及参数映射模型中进行映射的次数进行实际设置。

31、基于图像处理的盾构壁后注浆缺陷智能识别系统，包括双拟合模型构建模块、图像预处理模块、参数映射模型构建模块、修复超时判定模块、占比映射模型构建模块以及参数调整模块；双拟合模型构建模块，用于构建物理试验模型；图像预处理模块，用于对雷达信号图像进行预处理；参数映射模型构建模块，用于构建最终注浆缺陷类型及参数映射模型；修复超时判定模块，用于对现场雷达图像进行修复过程进行超时判定；占比映射模型构建模块，用于构建最终缺陷修复耗时超限占比映射模型；参数调整模块，用于重复调整检测过程中对应的预处理参数以及映射次数。

32、本发明具有以下有益效果：

33、1.本发明中通过建立三层介质模型并结合物理试验与雷达信号图像，实现注浆缺陷的精准检测与修复；首先，通过真实电磁参数和边界条件的设置，确保模型的物理准确性；预设缺陷类型后，生成的雷达图像数据经过人工标注，构建缺陷类型及参数映射模型；现场雷达图像预处理后输入模型，实时检测缺陷类型及参数，记录修复耗时并对比阈值，自动判断修复完成或需进一步调整；通过多次参数优化与映射，最终构建耗时超限占比映射模型，实现高效缺陷修复；从而显著提升了检测精度与修复效率，减少人工干预，降低了修复时间成本，适用于复杂注浆工程；

34、2.本发明中通过重复调整雷达图像数据处理过程中的操作参数以及将采集且预处理后的雷达图像重复输入至最终注浆缺陷类型及参数映射模型中映射的次数，以调整雷达图像预处理的强度以及确定最优的重复映射次数以最好地保证映射结果的全面性，从而将对注浆层缺陷进行修复的耗时超限占比缩短至阈值以下，保证了整个盾构壁后注浆工程的进度；其中，通过采用预先构建最终缺陷修复耗时超限占比映射模型对应调整后的雷达图像预处理的参数以及重复映射次数进行实时映射，无需重复先前的实际采集图像以及映射等步骤，仅需输入模型中映射即可，从而保证了调整效率；

35、3.本发明中通过引入缺陷修复超时概率阈值，当修复耗时超过阈值的次数超过预设比例时，自动触发紧急响应，避免因单次检测误差导致的误操作。

36、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。