公路隧道三维精细化综合超前地质预报及地质体智能识别技术
项目概况：
本项目基于人工智能算法的图像识别技术和机器学习多元数据拟合方法，融合隧道施工超前地质预报及监控量测获取的地质素描、物探结果、钻孔参数、监控量测结果等数据，建立掌子面图像智能识别及多元数据拟合模型。基于掌子面围岩图像目标检测算法one-stage（含YOLO系列算法、SSD系列算法和RetinaNet）和two-stage（含R-CNN、Fast R-CNN、Faster R-CNN及Mask R-CNN），并采用two-stage中的Mask R-CNN实例分割算法，结合隧道围岩分级的基本理论及人工智能算法特征，提出了融合地质勘察、超前地质预报、钻孔钻进以及掌子面地质特征素描等多源异构数据的隧道围岩智能分级方法，设计完成了计算机程序实现的总体框架，实现了隧道掌子面围岩级别的综合判定。
项目亮点：
1.本项目在人工智能算法及不同物探方法优化组合的基础上，提出了基于深度学习的隧道掌子面围岩智能识别与分级方法、隧道不良地质雷达图像智能识别和基于洞内外相结合的隧道三维精细化综合地质超前预报技术，建立针对不同类型不良地质的综合预报体系和模式，并研发了公路隧道超前地质预报系统，为减小隧道施工过程中地质灾害发生概率、保障隧道施工安全、为隧道“动态设计变更、动态施工、合理节省工期与投资”提供了有力的技术支撑。
2.建立了掌子面图像智能识别及多元数据拟合模型，提出了多源异构数据的隧道围岩分级方法，实现了隧道掌子面围岩的智能识别和围岩分级综合判定。
3.针对隧道施工高风险区段，提出了洞内外相结合的三维精细化综合地质超前预报模式，并基于不同不良地质（岩溶、断层破碎带、富水）区段物性特征和不同物探方法的优劣势和参数适宜性，针对性地建立了岩溶、断层破碎带、富水等不同类型的不良地质体的综合预报体系，提升了地质预报精度。
4.构建了公路隧道超前地质预报系统，实现了地质预报信息及时上传、及时反馈、快速预警、快速响应，有效提高了隧道超前地质预报项目信息化管理水平和管理成效。
荣誉成果：
中国公路学会2025年公路隧道"四新技术"重点推广成果。
