摘要
本发明提供一种基于机器学习的隧道空洞裂纹病害的评估方法。该方法包括:获取隧道内部的地质信息数据;地质信息数据输入训练好的卷积神经网络模型,输出检测结果;其中,检测结果包含空洞和裂纹的数量、大小及形状参数;检测结果输入训练好的机器学习模型,输出隧道的安全性评估分数;通过修正系数更新安全性评估分数,获得更新后的安全性评估分数。本发明能够解决隧道安全性评估准确性较低的问题,提高安全性评估的准确性和可靠性。
技术关键词
卷积神经网络模型
高密度点云
机器学习模型
隧道
空洞
裂纹
地质勘探数据
输出模块
数据采集装置
标签
可读存储介质
数据获取模块
地质结构
处理器
图像
评估装置
随机森林
参数
存储器
系统为您推荐了相关专利信息
数据收集模块
地理信息数据
逻辑回归模型
风险点
计算方法
视觉识别系统
熔接方法
热气流
机器学习模型
机器人
隧道掌子面
岩性识别方法
图像分割模型
像素
Softmax函数
智能车场管理系统
地下停车场
时序关联分析
通风系统
特征提取单元
隧道工作面
多源信息融合
风险预测方法
图像
地下水