[0001] 本实用新型涉及隧道探测领域,具体的是利用深度学习算法对掌子面裂隙识别的装置。

[0002] 隧道围岩中存在包括裂隙、断裂破碎带等多种结构面。隧道掌子面裂隙分布情况是评价隧道围岩稳定性的重要依据,现有研究表明裂隙对于围岩力学性质与变形破坏的影响往往大于围岩材料本身，因此了解隧道掌子面中裂隙的分布及特征是围岩稳定控制的重要内容，对隧道安全施工、提高经济效益具有重要的意义。

[0003] 目前，有多种途径可以进行隧道掌子面的裂隙观测。其中，对于隧道掌子面表面的裂隙，可以用肉眼直接观察并通过卷尺、量角器等工具进行定量描述。人工观测需要在施工的间隙由几人进入合作测量,但由于隧道的施工现场环境非常恶劣，浓重的粉尘和昏暗的光照条件非常不方便记录人员进行现场记录测量,会造成在观测裂隙时漏测或者误测。另一方面受现场记录人员的知识水平及工作经验的影响，对裂隙描述的完整性和准确性都无法得到保障，由此获得的数据也缺乏准确性。因此，工程上亟需一种隧道掌子面裂隙识别的装置。深度学习是机器学习领域中一个新的研究方向,计算机通过对已有样本的学习。使得计算机能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习在图像识别方面取得的十分出色效果，其效率和准确率远远超过了现有的人工识别的方法。实用新型内容

[0004] 本实用新型的目的是在于提供一种能快速识别掌子面裂隙的装置,可以克服以往通过现场人工记录测量所导致的效率低下以及准确率低的问题,通过近景摄影测量的方式实时的获得隧道掌子面的图片。物理降尘和计算机去除图片噪点相结合,进一步提高了图片的质量,提高了对裂隙的识别精度。

[0005] 为了实现上述的目的,本实用新型是这样实现的:一种隧道掌子面裂隙识别的装置,其特征在于:包括摄影相机,传输线缆,计算机,洒水喷枪,抽水泵，磁化装置，碘钨灯组成。其中摄影相机与计算机相连，碘钨灯和抽水泵与计算机相连。根据隧道内的光线条件通过计算机调节灯光的功率，根据隧道内的粉尘浓度调节抽水泵抽水的持续时间。然后通过近景摄影测量相机及时的获取掌子面的图像，获得的图像传输到计算机进行图像预处理，图像预处理系统将图像进行图像灰度化, 图像去噪,图像增强处理。将处理完的图像传输到图像识别系统。由识别系统对图像进行识别。

[0006] 所述的摄影相机为普通的非量测相机或是手机。

[0007] 所述的洒水喷枪由计算机系统直接控制，水由储水器进入磁化装置。将水进行磁化后通过喷头喷出，磁化水其降尘率为普通水的1.5‑2.5倍。

[0008] 所述的碘钨灯由计算机系统直接控制，可以根据隧道内的光线来调节灯光，避免亮度过大产生的过曝问题或亮度小导致的图片不清晰的问题。

[0009] 所述的图像预处理系统对图像进行图像灰度化,图像去噪,图像增强处理，其中图像灰度化采用加权平均法处理，图像去噪采用全变分法去噪,相比于其他办法全变分法能平滑噪声,同时对边缘保持,图像增强采用直方图均衡法。

[0010] 所述的图像识别系统是采用深度学习的方法训练计算机，使计算机能识别目标物的特征，本实用新型使用深度学习的方法使得计算机能识别掌子面岩石的裂隙。

[0011] 所述的洒水喷枪降尘和图像预处理系统为将物理降尘和计算机去除噪点相结合的手段来提升图片的质量，提高图像的识别精度。

[0012] 所述的快速识别掌子面裂隙的装置能快速准确的识别掌子面裂隙，本装置具有便捷，可控，成本低，准确率高等优点，便于在较为恶劣的环境中使用。

[0016] 下列结合本使用新型的附图，对本实用新型实施进行完整的清楚地描述，显然所描述的实施例仅仅为本发明的一部分。而不是全部的实施例子。基于本发明的实施例，本领域的普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例都属于本发明的保护的范围。

[0017] 如图1所示，由计算机3控制碘钨灯4的功率，由计算机3控制水泵6的抽水量的大小和洒水喷枪9喷洒时间，水由储水装置5进入磁化装置8，然后通过洒水喷枪9喷出。摄影相机1水平放置于掌子面11前方，摄影相机1平行于隧道掌子面11的轴线方向，由摄影相机1实时获得掌子面11的图片通过传输电缆 2将图片传输到计算机3,由计算机3进行图像预处理后的图片再通过计算机3 完成图像识别。

[0018] 在掌子面排险时，技术人员通过隧道内的光线强度来调试碘钨灯到合适的灯光亮度，避免拍摄的图片因为光线太强出现的照片过曝问题和因为亮度不足所导致的图片清晰度降低的问题，灯光调试完成后根据现场的粉尘的浓度来设定水泵的出水量及洒水喷枪的持续时间，水由储水装置进入磁化装置经过磁化后通过洒水喷枪喷出, 降隧道内的粉尘降至合适的浓度范围。完成灯光调试和物理降尘后将相机水平的放置在隧道中，应保证相机的摄像头平行于隧道掌子面的轴线，由相机实时的获取掌子面的图像，将图像实时的传至计算机中由计算机完成对图像的预处理，处理后的图像由计算机对图片进行裂隙识别。

[0019] 以上显示和描述了本实用新型的基本原理和主要特征和本实用新型的主要优点。本行业的技术人员应该了解，本实用新型不受上述实施例的限制，上述实施例和说明书中描述只是说明本实用新型的原理，本实用新型还会有各种改进和变化，本实用新型要求保护范围由所附权利要求书界定。