摘要
本发明公开了一种基于深度学习算法的漏渣施工方法及系统,属于数据采集处理技术领域,通过挖机斗齿上集成的传感器采集地质数据,并采用第一深度学习算法对所述地质数据进行识别,确定岩性分层数据,以所述岩性分层数据为基础,智能调整挖机掘进速率,并根据调整之后的掘进速率控制挖机进行漏渣挖掘,可以有效地避免坍塌事故的发生,保证了漏渣施工安全,并在进行漏渣挖掘之后,通过竖向漏渣通道将漏渣运输至外部,并且在漏渣出口采用频闪相机采集实时漏渣图像,以所述实时漏渣图像为基础,采用第二深度学习算法预测当前漏渣量导致漏渣出口堵塞的预测概率,并根据所述预测概率调节漏渣出口的开口大小,避免了扬尘较多或堵塞的问题。
技术关键词
深度学习算法
地铁车站风井
速率控制
施工方法
挖机
分层
现场数据采集
图像采集模块
施工系统
基坑施工现场
基础
LSTM算法
智能优化算法
识别岩性
粉尘传感器
地质雷达
系统为您推荐了相关专利信息
勘探方法
采样率
面波勘探技术
阵列
数据处理算法
施工信息化管理方法
施工信息化管理系统
建筑工程信息化技术
数据采集模块
合规性
系统运维方法
深度学习模型
正则化方法
故障诊断模型
数据预处理方法
灰度共生矩阵
深度学习网络模型
综合评估模型
纹理
深度学习算法
液压同步顶升系统
施工方法
周边结构
支撑柱结构
柱子