盾构机土仓状态检测方法及土仓状态检测系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937200A(43)申请公布日2023.04.07(21)申请号202310017884.0G06V10/774(2022.01)(22)申请日2023.01.06G06N3/0464(2023.01)(71)申请人中国铁建重工集团股份有限公司地址410100湖南省长沙市长沙经济技术开发区东七线88号(72)发明人蔡杰张伟陈强李锟吴春艳连雅茹(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师姚莹丽(51)Int.Cl.G06T7/00(2017.01)G06V10/764(2022.01)G06N3/08(2023.01)G06V10/82(2022.01)权利要求书2页说明书9页附图5页(54)发明名称盾构机土仓状态检测方法及土仓状态检测系统(57)摘要本申请公开了一种盾构机土仓状态检测方法及土仓状态检测系统，所属的技术领域为盾构机技术。上述盾构机土仓状态检测方法包括：确定盾构机土仓内部图像，并对土仓内部图像进行分类标注得到样本数据集；构建包括顺次连接的卷积层、特征提取骨干网络和分类层的土仓状态检测模型；利用样本数据集对土仓状态检测模型的权重参数ω0进行离线迭代训练优化，得到具有最优权重ω的土仓状态检测模型，并将训练后的土仓状态检测模型嵌入至盾构机土仓状态检测系统；将当前土仓内部图像输入土仓状态检测系统，得到盾构机的当前土仓状态。本申请能够提高盾构机土仓状态检测结果的准确率。CN115937200ACN115937200A权利要求书1/2页1.一种盾构机土仓状态检测方法，其特征在于，包括：确定盾构机的土仓内部图像，并对所述土仓内部图像进行分类标注得到样本数据集；构建包括顺次连接的卷积层、特征提取骨干网络和分类层的土仓状态检测模型；利用所述样本数据集对所述土仓状态检测模型的权重参数ω0进行离线迭代训练优化，得到具有最优权重ω的土仓状态检测模型，并将训练后的土仓状态检测模型嵌入至所述盾构机土仓状态检测系统；采集所述盾构机的当前土仓内部图像，并将所述当前土仓内部图像输入所述土仓状态检测系统，得到所述盾构机的当前土仓状态。2.根据权利要求1所述盾构机土仓状态检测方法，其特征在于，在利用所述样本数据集对所述土仓状态检测模型的权重参数ω0进行离线迭代训练优化之前，还包括：利用数据增强技术扩充所述样本数据集得到扩充样本，并将所述扩充样本添加至所述样本数据集内。3.根据权利要求1所述盾构机土仓状态检测方法，其特征在于，所述盾构机与硬件装置连接，所述硬件装置包括搭载装置和摄像机，所述摄像机安装于所述搭载装置前端；相应的，采集所述盾构机的当前土仓内部图像，包括：控制所述摄像机从所述搭载装置的腔体运动至土仓内部，以便拍摄所述盾构机的当前土仓内部图像；相应的，还包括：在拍摄所述盾构机的当前土仓内部图像之后，控制所述摄像机从所述土仓内部缩回至所述搭载装置的腔体。4.根据权利要求3所述盾构机土仓状态检测方法，其特征在于，所述硬件装置还包括交换机、光源控制器、光源以及工控机，所述摄像机、所述交换机和所述工控机依次通过网线连接；所述光源设置于土仓内部，所述光源、所述光源控制器和所述工控机依次连接；相应的，还包括：将所述摄像机采集到的图像传输到所述工控机；利用所述工控机上的监控软件调整所述摄像机的拍摄角度和焦距；利用所述工控机上的监控软件调整所述光源的亮度。5.根据权利要求1所述盾构机土仓状态检测方法，其特征在于，所述构建包括顺次连接的卷积层、特征提取骨干网络和分类层的土仓状态检测模型，包括：构建Resnet‑50图像分类模型；分别对所述Resnet‑50图像分类模型中的第一个卷积层、特征提取骨干网络和分类层进行调整，得到所述土仓状态检测模型。6.根据权利要求5所述盾构机土仓状态检测方法，其特征在于，对所述Resnet‑50图像分类模型中的第一个卷积层进行调整，包括：将所述Resnet‑50图像分类模型中的第一个卷积层替换为3个连续的3×3卷积层；其中，第一个3×3卷积层的步长为2，第二个3×3卷积层和第三个3×3卷积层的步长均为1。7.根据权利要求5所述盾构机土仓状态检测方法，其特征在于，对所述Resnet‑50图像分类模型中的特征提取骨干网络进行调整包括：将所述特征提取骨干网络中的目标残差模块中步长为2的1×1卷积层替换为步长为22CN115937200A权利要求书2/2页的平均池化层和步长为1的1×1卷积层；其中，所述目标残差模块为支路具有下采样操作功能的残差模块；将所述特征提取骨干网络中每一个残差模块的主路的最后一个卷积层连接一个包含注意力机制的软阈值化处理模块。8.根据权利要求5所述盾构机土仓状态检测方法，其特征在于，对所述Resnet‑50图像分类模型中的分