摘要
围岩分级是水工隧洞设计、施工中重要的、关键性基础工作，是确定水工隧洞围岩稳定性及其支护方式的重要依据。然而现有水工隧洞围岩分级方法存在分级指标获取方式难度大、时间周期长，且易受人为因素影响等问题。因此，为建立一种准确、高效的围岩质量评价方法，本文开展了水工隧洞围岩云分级方法研究。 本文综合运用了云计算技术、迁移学习技术及数字图像处理技术对水工隧洞掌子面图像进行处理分析来判定围岩的岩性和破碎系数，从而获取围岩强度与完整性程度，并以HC法为基础进行围岩分级，最终利用AndroidStudio平台和Java语言开发了水工隧洞围岩云分级系统，并将云分级结果与实际工程分级结果进行了对比分析。本文的主要研究成果如下: （1）构建了基于Iception-ResNet-V2网络的岩性识别迁移学习模型。综合运用迁移学习技术和子图像法构建了基于Iception-ResNet-V2网络的岩性识别模型，该模型对花岗岩、石灰岩、玄武岩、页岩四类岩石岩性识别的准确率可达到90％以上，其中由于花岗岩具有较为独特的构造、结构、纹理及颜色等外部特征，使得模型对花岗岩的识别准确率可达到95％以上。 （2）编写了基于Canny算子和Otsu法的岩体节理裂隙自动提取算法。首先对掌子面图像进行灰度化与降噪处理，其次使用Canny算子对图像进行裂隙边缘检测，然后运用Otsu法实现了裂隙主体分割，最终利用云计算方法统计出围岩节理裂隙的面积、长度等参数。 （3）提出了基于HC法的水工隧洞围岩分级方法。先后建立了岩性与岩石强度，节理裂隙的面积、长度与岩体破碎系数之间的相关性联系，以此获取围岩强度与完整性程度两项主要分级指标，结合人工获取的地下水状态、结构面状态及主要结构面产状等修正指标，依据HC分级方法实现对水工隧洞围岩的准确分级。 （4）开发了基于云计算技术的水工隧洞围岩分级系统。利用AndroidStudio平台和Java语言建立了水工隧洞围岩分级客户端，将岩性识别模型和岩体节理裂隙自动提取算法部署于云端服务器，并实现客户端与云端的交互连接。并将云分级结果与实际工程分级结果进行对比分析,其分级准确率为88％,验证了水工隧洞云分级系统的分级准确性。
NETL