基于改进VGG16网络的TBM围岩识别方法研究

作者：孙凯文; 陶建峰^*; 谷朝臣; 尹德斌

来源：自动化仪表, 2022, 43(07): 6-16.

DOI：10.16086/j.cnki.issn1000-0380.2022010019

• 隧道掘进机
• 深度学习
• 岩渣
• 围岩识别
• 图像处理
• 迁移学习
• 隧道工程
• 知识蒸馏

根据隧道掘进机(TBM)工程对前方地质条件的超前预警需求，开展围岩识别算法研究。针对原始VGG16网络结构待定参数过多以及知识蒸馏训练模式准确率不足的问题，提出一种基于改进VGG16网络的围岩识别方法。基于原始VGG16网络结构，优化其分类层结构，并减少网络复杂度，大幅降低网络待定参数量。基于传统知识蒸馏训练模式，优化其训练逻辑，提升网络对目标任务的特征提取能力。采用某隧道掘进工程的岩渣图像数据集，对上述方法进行验证。试验结果表明，该方法可在小幅提升准确率的同时，大幅减少网络的待确定权值参数。综上所述，该方法创新性地同时改进模型结构和训练模式，更适用于硬岩掘进条件下的围岩识别任务。

• 单位
  上海工业自动化仪表研究院有限公司; 上海交通大学