摘要
本发明涉及建筑工程技术领域,具体涉及一种抽蓄隧洞开挖过程中的多维度动态变形监测方法。该方法对抽蓄隧洞图像以及对应的三维点云数据进行数据处理,并进行整合,生成地质素描和变形监测报告;采用卷积神经网络识别抽蓄隧洞图像中的地质素描,网络的训练过程包括:使用卷积神经网络中的卷积层自动提取抽蓄隧洞图像中的关键特征,在VGGNet和yolov8的基础上添加了DCNv2、DSConv、CBAM模块;使用大量标注好的图像数据集进行训练,通过反向传播算法优化模型参数,以最小化损失函数。本发明以实现对岩壁面的高精度拍照和激光扫描,形成地质素描,并对隧洞的顶拱和侧壁进行实时变形监测,确保施工安全和质量。
技术关键词
变形监测方法
隧洞
三维点云数据
ARIMA模型
卷积神经网络识别
图像
集成学习方法
传播算法
动态
建筑工程技术
报告
特征值
参数
时间段
基础
纹理
裂缝
模块
噪声
系统为您推荐了相关专利信息
三维模型
注浆参数
计算机可执行指令
隧洞施工技术
可读存储介质
碳排放计算方法
抽水蓄能电站
隧洞
长短期记忆网络
灰色关联分析法
臂主体
废渣收集系统
清理设备
设备主体
废料收集箱