基于渣土分析的围岩参数预测方法及装置

1.本技术涉及土木工程技术领域，具体而言，涉及一种基于渣土分析的围岩参数预测方法及装置。


背景技术：

2.全断面隧道掘进机(tunnel boring machine，tbm)是机械化施工中常用的智能化设备。在tbm掘进前会根据掌子面围岩的情况选择掘进参数进行掘进，目前掘进的参数的选择，通常是由施工人员根据经验选择的，发明人发现这种选择上方式会经常引起较为棘手的tbm故障，造成工期的延误及错过最佳的隧道建设时间等。并且随着智能化设备的应用和机械化施工的发展，tbm的综合性能也在不断的提高，相应的设备及施工成本也在提高，解决tbm故障的成本更是增加，严重影响施工的效率。
3.由于掘进参数是基于围岩的情况选择，围岩的情况是由围岩参数决定的，因此如何准确的对围岩参数进行预测是亟需解决的问题。


技术实现要素：

4.本技术的主要目的在于提供一种基于渣土分析的围岩参数预测方法及装置，解决如何更准确的预测围岩情况。
5.为了实现上述目的，根据本技术的第一方面，提供了一种基于渣土分析的围岩参数预测方法。
6.根据本技术的基于渣土分析的围岩参数预测方法包括：获取多个渣土图像，所述渣土图像为掘进机对围岩单次掘进采集到的渣土的图像信息；对每个渣土图像进行图像识别，得到每个渣土图像对应的渣土特征参数，所述渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数；根据所述多个渣土图像对应的渣土特征参数计算单次掘进渣土特征参数；根据所述单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测，所述渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。
7.可选的，所述对每个渣土图像进行图像识别，得到每个渣土图像对应的渣土特征参数包括：对每个渣土图像依次进行二值化分割处理、分水岭算法分割处理得到多个校准的渣土图像；将每个校准的渣土图像中的渣土进行三维形态等效；根据三维形态等效后的渣土计算所述每个渣土图像中渣土的体积和质量；根据渣土的体积和质量分别计算每个渣土图像对应的渣土特征参数。
8.可选的，所述将每个校准的渣土图像中的渣土进行三维形态等效包括：将所述每个校准的渣土图像中的渣土等效为一个椭球，每个渣土对应一个等效椭圆，其中，渣土的长对应于等效椭球的主轴，渣土的横截面等效直径对应于等效椭球的次轴。
9.可选的，所述根据三维形态等效后的渣土计算所述每个渣土图像中渣土的体积和质量包括：根据渣土对应的等效椭球的主轴和次轴计算每个渣土图像中渣土的体积和质量。
10.可选的，所述根据所述多个渣土图像对应的渣土特征参数计算单次掘进渣土特征参数包括：分别计算所述多个渣土图像对应的每个渣土特征参数的平均值；将所述每个渣土特征参数的平均值确定为所述单次掘进渣土特征参数。
11.可选的，所述根据所述单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测包括：根据所述单次掘进渣土特征参数中的不均匀系数、以及不均匀系数分别与围岩强度、围岩完整程度的对应关系预测第一围岩参数；根据所述单次掘进渣土特征参数中的曲率系数、以及曲率系数分别与围岩强度、围岩完整程度的对应关系预测第二围岩参数；根据所述单次掘进渣土特征参数中的最大粒径、以及最大粒径分别与围岩强度、围岩完整程度的对应关系预测第三围岩参数；根据所述单次掘进渣土特征参数中的粗糙度指数、以及粗糙度指数分别与围岩强度、围岩完整程度的对应关系预测第四围岩参数；根据第一围岩参数、第二围岩参数、第三围岩参数、第四围岩参数预测未掘进围岩的围岩参数。
12.可选的，所述方法还包括：确定渣土特征参数与围岩参数间的对应关系。
13.可选的，所述确定渣土特征参数与围岩参数间的对应关系包括：获取样本数据，所述样本数据包括不同级配渣土试验工况对应的渣土图像样本以及渣土图像样本对应的围岩参数；对所述渣土图像样本分别进行二值化分割处理、分水岭算法分割处理得到校准的渣土图像样本；将所述校准的渣土图像样本中的渣土进行三维形态等效；根据三维形态等效后的渣土计算每个渣土图像样本中渣土的体积和质量；根据渣土的体积和质量分别计算每个渣土图像样本对应的渣土特征参数；根据箱型图分析确定渣土图像样本对应的渣土特征参数与围岩参数间的对应关系。
14.可选的，所述根据箱型图分析确定渣土图像样本对应的渣土特征参数与围岩参数间的对应关系包括：将所述围岩参数中的围岩强度、围岩完整程度进行等级划分；根据箱型图分析确定渣土图像样本对应的每种渣土特征参数分别与不同等级的围岩强度和不同等级的围岩完整程度间的对应关系。
15.为了实现上述目的，根据本技术的第二方面，提供了一种基于渣土分析的围岩参数预测装置。
16.根据本技术的基于渣土分析的围岩参数预测装置包括：获取单元，用于获取多个渣土图像，所述渣土图像为掘进机对围岩单次掘进采集到的渣土的图像信息；识别单元，用于对每个渣土图像进行图像识别，得到每个渣土图像对应的渣土特征参数，所述渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数；计算单元，用于根据所述多个渣土图像对应的渣土特征参数计算单次掘进渣土特征参数；预测单元，用于根据所述单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测，所述渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。
17.可选的，所述识别单元包括：分割模块，用于对每个渣土图像依次进行二值化分割处理、分水岭算法分割处理得到多个校准的渣土图像；等效模块，用于将每个校准的渣土图像中的渣土进行三维形态等效；第一计算模块，用于根据三维形态等效后的渣土计算所述每个渣土图像中渣土的体积和质量；第二计算模块，用于根据渣土的体积和质量分别计算每个渣土图像对应的渣土特征参数。
18.可选的，所述等效模块用于：将所述每个校准的渣土图像中的渣土等效为一个椭
球，每个渣土对应一个等效椭圆，其中，渣土的长对应于等效椭球的主轴，渣土的横截面等效直径对应于等效椭球的次轴。
19.可选的，所述第一计算模块用于：根据渣土对应的等效椭球的主轴和次轴计算每个渣土图像中渣土的体积和质量。
20.可选的，所述计算单元包括：第三计算模块，用于分别计算所述多个渣土图像对应的每个渣土特征参数的平均值；确定模块，用于将所述每个渣土特征参数的平均值确定为所述单次掘进渣土特征参数。
21.可选的，所述预测单元包括：第一预测模块，用于根据所述单次掘进渣土特征参数中的不均匀系数、以及不均匀系数分别与围岩强度、围岩完整程度的对应关系预测第一围岩参数；第二预测模块，用于根据所述单次掘进渣土特征参数中的曲率系数、以及曲率系数分别与围岩强度、围岩完整程度的对应关系预测第二围岩参数；第三预测模块，用于根据所述单次掘进渣土特征参数中的最大粒径、以及最大粒径分别与围岩强度、围岩完整程度的对应关系预测第三围岩参数；第四预测模块，用于根据所述单次掘进渣土特征参数中的粗糙度指数、以及粗糙度指数分别与围岩强度、围岩完整程度的对应关系预测第四围岩参数；第五预测模块，用于根据第一围岩参数、第二围岩参数、第三围岩参数、第四围岩参数预测未掘进围岩的围岩参数。
22.可选的，所述装置还包括：确定单元，用于确定渣土特征参数与围岩参数间的对应关系。
23.可选的，所述确定单元包括：样本获取模块，用于获取样本数据，所述样本数据包括不同级配渣土试验工况对应的渣土图像样本以及渣土图像样本对应的围岩参数；样本分割模块，用于对所述渣土图像样本分别进行二值化分割处理、分水岭算法分割处理得到校准的渣土图像样本；样本等效模块，用于将所述校准的渣土图像样本中的渣土进行三维形态等效；第一样本计算模块，用于根据三维形态等效后的渣土计算每个渣土图像样本中渣土的体积和质量；第二样本计算模块，用于根据渣土的体积和质量分别计算每个渣土图像样本对应的渣土特征参数；样本分析模块，用于根据箱型图分析确定渣土图像样本对应的渣土特征参数与围岩参数间的对应关系。
24.可选的，所述样本分析模块，用于：将所述围岩参数中的围岩强度、围岩完整程度进行等级划分；根据箱型图分析确定渣土图像样本对应的每种渣土特征参数分别与不同等级的围岩强度和不同等级的围岩完整程度间的对应关系。
25.为了实现上述目的，根据本技术的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的基于渣土分析的围岩参数预测方法。
26.为了实现上述目的，根据本技术的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的基于渣土分析的围岩参数预测方法。
27.在本技术实施例的基于渣土分析的围岩参数预测方法及装置中，首先根据已掘进的围岩的渣土图像获取渣土的特征参数，然后根据单次掘进渣土特征参数、以及渣岩特征
参数关系对未掘进围岩的围岩参数进行预测，渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。其中，渣岩特征参数关系是提前根据试验样本数据进行规律总结得到的，因此基于渣土的特征参数可以得到较准确的围岩参数。又由于围岩的特性在一定的掘进长度内不会突变，因此已掘进的围岩的围岩参数、与已掘进的围岩相邻的未掘进围岩的围岩参数基本是一致的，所以基于已掘进的围岩的渣土特征参数分析出的围岩参数可以作为未掘进围岩的较准确的围岩参数预测结果。基于较准确的围岩参数可以帮助施工人员选择更适合的掘进参数掘进，从而有效的避免tbm故障，从而提高施工效率。
附图说明
28.构成本技术的一部分的附图用来提供对本技术的进一步理解，使得本技术的其它特征、目的和优点变得更明显。本技术的示意性实施例附图及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
29.图1是根据本技术实施例提供的一种基于渣土分析的围岩参数预测方法流程图；
30.图2是根据本技术实施例提供的一种二值化分割、分水岭算法分割处理的后示意图；
31.图3是根据本技术实施例提供的一种渣土等效示意图；
32.图4是根据本技术实施例提供的一种粒径级配曲线的示意图；
33.图5是根据本技术实施例提供的一种图像识别和现场实测得到的粒径级配曲线的对比图；
34.图6是根据本技术实施例提供的一种不同围岩强度等级下的渣土特征参数箱型图的示意图；
35.图7是根据本技术实施例提供的一种不同围岩完整程度等级下的渣土特征参数箱型图的示意图；
36.图8是根据本技术实施例提供的一种基于渣土分析的围岩参数预测装置的组成框图；
37.图9是根据本技术实施例提供的另一种基于渣土分析的围岩参数预测装置的组成框图。
具体实施方式
38.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
39.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清
楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
40.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
41.根据本技术实施例，提供了一种基于渣土分析的围岩参数预测方法，如图1所示，该方法包括如下的步骤s101-s104：s101.获取多个渣土图像，渣土图像为掘进机对围岩单次掘进采集到的渣土的图像信息；s102.对每个渣土图像进行图像识别，得到每个渣土图像对应的渣土特征参数；其中渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数；s103.根据多个渣土图像对应的渣土特征参数计算单次掘进渣土特征参数；s104.根据单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测；其中，渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。
42.步骤s101中，单次掘进是将tbm从启动到停机视为一次掘进。由于tbm刀盘转速最小值为2r/min，为保证刀盘能运转一圈获取新渣土，可以取30s为图像采集周期获取一个渣土图像，而不同围岩条件下tbm单次掘进时长不同，大致在1800s以内，如过采样周期为30s，单次掘进时长为1800s，则单次掘进会采集到60个渣土图像。渣土图像的采集可以通过安装在渣土输送皮带旁的图像采集设备获取。图像采集设备可以包括高速拍照机、补光灯等。
43.步骤s102中，对每个渣土图像进行图像识别，得到每个渣土图像对应的渣土特征参数具体包括以下步骤：s1021.对每个渣土图像依次进行二值化分割处理、分水岭算法分割处理得到多个校准的渣土图像；s1022.将每个校准的渣土图像中的渣土进行三维形态等效；s1023.根据三维形态等效后的渣土计算每个渣土图像中渣土的体积和质量；s1024.根据渣土的体积和质量分别计算每个渣土图像对应的渣土特征参数。
44.步骤s1021中的二值化分割处理是将步骤s101中采集到的rgb类型的渣土图像根据渣土之间明暗区别进行灰度化处理，并把图像中rgb三个分量值设为同一个值后，获得灰度图；然后将处理后的灰度图进行二值化分割，由于在人工光源照射下，渣土亮度高于空隙，因此灰度图中空隙一般偏黑，为了把渣土和空隙分隔开，可采用局部阈值分割的办法，将图像中的空隙标记为黑色，渣土标记为白色，即为图像的二值化分割。设灰度图中某点(i,j)处的灰度值为f(i,j)，阈值为t，二值化后图像中该点的灰度值为g(i,j)，则具体二值化过程如下：如图2所示，(a)图、(b)图为二值化分割处理前后的对比示意图。
45.步骤s1021中的分水岭算法分割处理是为了避免由于渣土距离接近、颗粒接触和重叠遮挡，导致渣土识别过程中对渣片(块)数量和粒径的识别出现偏差，进而造成渣土级配曲线中大渣片(块)的数量和面积偏大。分水岭算法分割是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法是l.vincent提出的。在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(fifo)结构进行判断及标注。如图2所示，其中(c)图为分水岭算法分割处理后的示意图。
46.步骤s1022中的三维形态等效是具体是将所述每个校准的渣土图像中的渣土等效为一个椭球，每个渣土对应一个等效椭圆，其中，渣土的长对应于等效椭球的主轴，渣土的横截面等效直径对应于等效椭球的次轴。如图3所示，(a)图为渣土的二维等效示意图，(b)图为渣土的三维等效示意图。将渣土进行三维等效是因为渣土形态会在渣片与渣块之间相互转变，由于渣片厚度的不均一性，将渣土进行三维等效能够获取较为准确的渣土特征信息。
47.步骤s1023中根据三维形态等效后的渣土计算每个渣土图像中渣土的体积和质量具体为：根据渣土对应的等效椭球的主轴和次轴计算每个渣土图像中渣土的体积和质量。具体计算方式如下：
[0048][0049][0050]
式中，a和b分别为等效椭球的主轴和次轴，v为渣土的真实计算体积，ρ为渣土的密度，m为渣土的真实计算质量。另外，需要说明的是，为了保证每个渣土图像计算比例的统一性，在保证一定的拍摄图像真实空间的宽度获取图像时，保证读取的图片像素宽度为预先设定的值，图片的纵横比也保持一定。
[0051]
步骤s1024中根据渣土的体积和质量分别计算每个渣土图像对应的渣土特征参数具体是：根据渣土的体积和质量分别绘制每个渣土图像对应的粒径级配曲线。如图4所示，为一种粒径级配曲线的示意图，其中，横坐标为渣土的粒径，纵坐标为渣土的质量累积率。本技术实施例中渣土的粒径为渣土的横截面等效直径，渣土的质量累积率为小于某粒径的渣土的质量占总质量的百分比。根据粒径级配曲线可以计算出渣土特征参数：不均匀系数cu，曲率系数cc，最大粒径d
max
，粗糙度指数ci。计算公式如下：曲率系数cc是描述级配曲线平滑程度的指标，计算式为：其中，d
10
、d
30
和d
60
为过筛重量占10％、30％和60％的粒径；不均匀系数cu是反映组成渣土的颗粒均匀程度的指标，计算式为：最大粒径d
max
表示一组渣土颗粒中最大粒径，此处具体为一个渣土图像中渣土颗粒最大粒径。粗糙度指数ci是每个筛分等级中大于该粒径的颗粒数量与总颗粒数的比例之和，计算式为：指数ci是每个筛分等级中大于该粒径的颗粒数量与总颗粒数的比例之和，计算式为：其中，mi为大于第i组粒径的渣土总质量，m为渣土总质量，xi为第i组粒径的质量累积率。
[0052]
步骤s103中根据多个渣土图像对应的渣土特征参数计算单次掘进渣土特征参数，具体为：将由步骤s102中计算得到的多个渣土图像对应的每个渣土特征参数的平均值；将每个渣土特征参数的平均值确定为所述单次掘进渣土特征参数。给出具体的示例进行说明，假设步骤s102有60个渣土图像，计算得到了60个不均匀系数cu，60个曲率系数cc，60个最大粒径d
max
，60个粗糙度指数ci，分别对上述60个特征参数的值求平均得到新的一组不均匀系数cu，曲率系数cc，最大粒径d
max
，粗糙度指数ci的值；这一组特征参数的值分别作为单次掘进渣土的不均匀系数cu，曲率系数cc，最大粒径d
max
，粗糙度指数ci。
[0053]
步骤s104中渣岩特征参数关系是基于样本数据进行总结规律得到的，具体的确定渣土特征参数与围岩参数间的对应关系包括：s1041.获取样本数据，样本数据包括不同级配渣土试验工况对应的渣土图像样本以及渣土图像样本对应的围岩参数；s1042.对渣土图像样本分别进行二值化分割处理、分水岭算法分割处理得到校准的渣土图像样本；s1043.将校准的渣土图像样本中的渣土进行三维形态等效；s1044.根据三维形态等效后的渣土计算每个渣土图像样本中渣土的体积和质量；s1045.根据渣土的体积和质量分别计算每个渣土图像样本对应的渣土特征参数；s1046.根据箱型图分析确定渣土图像样本对应的渣土特征参数与围岩参数间的对应关系。
[0054]
步骤s1042-s1045的实现方式与前述步骤s1021-s1024的实现方式相同，此处不再赘述。另外还需要说明的是，在通过步骤s1042-s1045中图像识别的方式得到渣土特征参数的方式后，还需要对该种方式进行验证，以验证其可行性，只有可行了才可以实际应用，即步骤s1021-s1024获取到的渣土特征参数才是可靠的。具体的验证方式为，将通过图像识别获取到的渣土特征参数与通过现场实测得到的渣土特征参数进行对比，根据对比的结果来验证图像识别的可行性。如图5所示，为图像识别和现场实测得到的粒径级配曲线的对比图，可以看到，两者几乎重合，由于渣土特征参数是通过经过粒径级配曲线计算得到的，在粒径级配曲线几乎重合的前提下，计算得到的渣土特征参数也应该是一致的。因此可以验证本技术实施例中通过图像识别获取到的渣土特征参数的实现方式是可行的，得到的渣土特征参数是较为准确的特征参数。
[0055]
步骤s1046中根据箱型图分析确定渣土图像样本对应的渣土特征参数与围岩参数间的对应关系包括：将围岩参数中的围岩强度、围岩完整程度进行等级划分；根据箱型图分析确定渣土图像样本对应的每种渣土特征参数分别与不同等级的围岩强度和不同等级的围岩完整程度间的对应关系。其中，本技术实施例提供一种围岩强度、围岩完整程度的等级划分，具体如下表所示：表1为围岩强度的等级划分，分为4个等级，不同等级对应不同的围岩强度范围。表2为围岩完整度的等级划分，分为5个等级，不同的等级对应不同的围岩完整度范围，需要说明的是表2中的体积节理数即为围岩完整程度。另外还需要说明的是，本技术实施例中提供的上述的等级划分不是固定，在实际应用中，用户可以根据实际的需要对等级的数量以及不同等级对应的范围进行调整。
[0056]
表1围岩强度等级划分
[0057][0058]
表2围岩完整程度划分
[0059][0060]
在对围岩强度、围岩完整程度进行等级划分后，可以对样本数据中渣土图像样本
对应的围岩参数按照上述方式进行等级的划分，得到渣土图像样本对应的围岩强度等级和围岩完整程度等级。然后根据箱型图的分析方式总结渣土图像样本对应的每种渣土特征参数分别与不同等级的围岩强度和不同等级的围岩完整程度间的对应关系。如图6所示，是本技术实施提供的一种不同围岩强度等级下的渣土特征参数箱型图的示意图，根据箱型图可以确定围岩强度与各渣土特征参数之间的对应关系。图6中(a)、(b)、(c)、(d)图分别为不同的围岩强度下粗糙度指数ci、最大粒径d
max
、不均匀系数cu、曲率系数cc对应的箱型图。图6中，各渣土特征参数的箱型图中箱子内部的线对应的渣土特征参数的值为中位数。在确定渣土特征参数分别与不同等级的围岩强度的对应关系时以中位数来描述，给出具体的示例进行说明，比如对于图6中的(a)图，左侧第一个箱子对应的粗糙度指数ci的中位数为220％，则表示粗糙度指数ci为220％对应的围岩的强度等级为i级。同理，如图7所示，是本技术实施提供的一种不同围岩完整度等级下的渣土特征参数箱型图的示意图，根据箱型图可以确定围岩完整程度与各渣土特征参数之间的对应关系。图7中(a)、(b)、(c)、(d)分别为不同的围岩强度下粗糙度指数ci、最大粒径d
max
、不均匀系数cu、曲率系数cc对应的箱型图。图7中，各渣土特征参数的箱型图中箱子内部的线对应的渣土特征参数的值为中位数。在确定渣土特征参数分别与不同等级的围岩完整程度的对应关系时以中位数来描述，给出具体的示例进行说明，比如对于图7中的(b)图，左侧第一个箱子对应的最大粒径d
max
的中位数为7cm，则表示最大粒径d
max
为7cm对应的围岩的强度等级为i级。需要说明的是，图6和图7中的箱型图为示意性的图，实际应用中以实际的数值为准。
[0061]
通过样本数据确定渣土特征参数分别与不同等级的围岩强度和不同等级的围岩完整程度间的对应关系后，就可以基于该对应关系实现对步骤s104中根据单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测。具体的包括：根据单次掘进渣土特征参数中的不均匀系数、以及不均匀系数分别与围岩强度、围岩完整程度的对应关系预测第一围岩参数；根据单次掘进渣土特征参数中的曲率系数、以及曲率系数分别与围岩强度、围岩完整程度的对应关系预测第二围岩参数；根据单次掘进渣土特征参数中的最大粒径、以及最大粒径分别与围岩强度、围岩完整程度的对应关系预测第三围岩参数；根据单次掘进渣土特征参数中的粗糙度指数、以及粗糙度指数分别与围岩强度、围岩完整程度的对应关系预测第四围岩参数；根据第一围岩参数、第二围岩参数、第三围岩参数、第四围岩参数预测未掘进围岩的围岩参数。需要说明的是，第一围岩参数、第二围岩参数、第三围岩参数、第四围岩参数以及未掘进围岩的围岩参数都包括围岩强度等级和围岩完整程度等级。基于前述不同围岩强度等级下的渣土特征参数箱型图的示意图可以确定，每种渣土特征参数都可以确定一组围岩强度等级和围岩完整程度等级，总共可以得到四组，即第一围岩参数、第二围岩参数、第三围岩参数、第四围岩参数。基于这四组中的围岩参数的等级结果来确定未掘进围岩的围岩参数，理论上这四组结果中围岩参数的等级应该是一致的，但是如果出现不一致的情况，可以将相同结果的组数多的围岩参数的等级作为未掘进围岩的围岩参数，未掘进围岩的围岩参数等级确定后，就可以确定围岩强度范围和围岩完整程度范围，根据围岩强度范围和围岩完整程度范围就可以确定较为合适的tbm掘进参数，从而指导tbm掘进施工，保证隧道的安全高效施工。还需要说明的是，虽然是基于已掘进的围岩的渣土特征参数确定的围岩参数等级，但是围岩的特性在一定的掘进长度内不会突变，因此已掘进的围岩的围岩参数、与已掘进的围岩相邻的未掘进围岩的围岩参数基本是
一致的，所以基于已掘进的围岩的渣土特征参数分析出的围岩参数可以作为未掘进围岩的较准确的围岩参数预测结果。
[0062]
从以上的描述中，可以看出，本技术实施例的基于渣土分析的围岩参数预测方法中，首先根据已掘进的围岩的渣土图像获取渣土的特征参数，然后根据单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测，渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。其中，渣岩特征参数关系是提前根据试验样本数据进行规律总结得到的，因此基于渣土的特征参数可以得到较准确的围岩参数。又由于围岩的特性在一定的掘进长度内不会突变，因此已掘进的围岩的围岩参数、与已掘进的围岩相邻的未掘进围岩的围岩参数基本是一致的，所以基于已掘进的围岩的渣土特征参数分析出的围岩参数可以作为未掘进围岩的较准确的围岩参数预测结果。基于较准确的围岩参数可以帮助施工人员选择更适合的掘进参数掘进，从而有效的避免tbm故障，从而提高施工效率。
[0063]
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0064]
根据本技术实施例，还提供了一种用于实施上述图1-7方法的基于渣土分析的围岩参数预测装置200，如图8所示，该装置包括：获取单元21，用于获取多个渣土图像，所述渣土图像为掘进机对围岩单次掘进采集到的渣土的图像信息；识别单元22，用于对每个渣土图像进行图像识别，得到每个渣土图像对应的渣土特征参数，所述渣土特征参数包括不均匀系数、曲率系数、最大粒径、粗糙度指数；计算单元23，用于根据所述多个渣土图像对应的渣土特征参数计算单次掘进渣土特征参数；预测单元24，用于根据所述单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测，所述渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。
[0065]
具体的，本技术实施例的装置中各单元、模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
[0066]
从以上的描述中，可以看出，本技术实施例的基于渣土分析的围岩参数预测装置中，首先根据已掘进的围岩的渣土图像获取渣土的特征参数，然后根据单次掘进渣土特征参数、以及渣岩特征参数关系对未掘进围岩的围岩参数进行预测，渣岩特征参数关系为渣土特征参数与围岩参数间的对应关系。其中，渣岩特征参数关系是提前根据试验样本数据进行规律总结得到的，因此基于渣土的特征参数可以得到较准确的围岩参数。又由于围岩的特性在一定的掘进长度内不会突变，因此已掘进的围岩的围岩参数、与已掘进的围岩相邻的未掘进围岩的围岩参数基本是一致的，所以基于已掘进的围岩的渣土特征参数分析出的围岩参数可以作为未掘进围岩的较准确的围岩参数预测结果。基于较准确的围岩参数可以帮助施工人员选择更适合的掘进参数掘进，从而有效的避免tbm故障，从而提高施工效率。
[0067]
进一步的，如图9所示，所述识别单元22包括：分割模块221，用于对每个渣土图像依次进行二值化分割处理、分水岭算法分割处理得到多个校准的渣土图像；等效模块222，用于将每个校准的渣土图像中的渣土进行三维形态等效；第一计算模块223，用于根据三维形态等效后的渣土计算所述每个渣土图像中渣土的体积和质量；第二计算模块224，用于根
据渣土的体积和质量分别计算每个渣土图像对应的渣土特征参数。
[0068]
进一步的，如图9所示，所述等效模块222用于：将所述每个校准的渣土图像中的渣土等效为一个椭球，每个渣土对应一个等效椭圆，其中，渣土的长对应于等效椭球的主轴，渣土的横截面等效直径对应于等效椭球的次轴。
[0069]
进一步的，如图9所示，所述第一计算模块223用于：根据渣土对应的等效椭球的主轴和次轴计算每个渣土图像中渣土的体积和质量。
[0070]
进一步的，如图9所示，所述计算单元23包括：第三计算模块231，用于分别计算所述多个渣土图像对应的每个渣土特征参数的平均值；确定模块232，用于将所述每个渣土特征参数的平均值确定为所述单次掘进渣土特征参数。
[0071]
进一步的，如图9所示，所述预测单元24包括：第一预测模块241，用于根据所述单次掘进渣土特征参数中的不均匀系数、以及不均匀系数分别与围岩强度、围岩完整程度的对应关系预测第一围岩参数；第二预测模块242，用于根据所述单次掘进渣土特征参数中的曲率系数、以及曲率系数分别与围岩强度、围岩完整程度的对应关系预测第二围岩参数；第三预测模块243，用于根据所述单次掘进渣土特征参数中的最大粒径、以及最大粒径分别与围岩强度、围岩完整程度的对应关系预测第三围岩参数；第四预测模块244，用于根据所述单次掘进渣土特征参数中的粗糙度指数、以及粗糙度指数分别与围岩强度、围岩完整程度的对应关系预测第四围岩参数；第五预测模块245，用于根据第一围岩参数、第二围岩参数、第三围岩参数、第四围岩参数预测未掘进围岩的围岩参数。
[0072]
进一步的，如图9所示，所述装置还包括：确定单元25，用于确定渣土特征参数与围岩参数间的对应关系。
[0073]
进一步的，如图9所示，所述确定单元25包括：样本获取模块251，用于获取样本数据，所述样本数据包括不同级配渣土试验工况对应的渣土图像样本以及渣土图像样本对应的围岩参数；样本分割模块252，用于对所述渣土图像样本分别进行二值化分割处理、分水岭算法分割处理得到校准的渣土图像样本；样本等效模块253，用于将所述校准的渣土图像样本中的渣土进行三维形态等效；第一样本计算模块254，用于根据三维形态等效后的渣土计算每个渣土图像样本中渣土的体积和质量；第二样本计算模块255，用于根据渣土的体积和质量分别计算每个渣土图像样本对应的渣土特征参数；样本分析模块256，用于根据箱型图分析确定渣土图像样本对应的渣土特征参数与围岩参数间的对应关系。
[0074]
进一步的，如图9所示，所述样本分析模块256，用于：将所述围岩参数中的围岩强度、围岩完整程度进行等级划分；根据箱型图分析确定渣土图像样本对应的每种渣土特征参数分别与不同等级的围岩强度和不同等级的围岩完整程度间的对应关系。
[0075]
具体的，本技术实施例的装置中各单元、模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
[0076]
根据本技术实施例，还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述方法实施例中的基于渣土分析的围岩参数预测方法。
[0077]
根据本技术实施例，还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器
执行上述方法实施例中的基于渣土分析的围岩参数预测方法。
[0078]
显然，本领域的技术人员应该明白，上述的本技术的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本技术不限制于任何特定的硬件和软件结合。
[0079]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。