(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210991425.8 (22)申请日 2022.08.01 (71)申请人 浙江有色地球物理技 术应用研究院 有限公司 地址 312000 浙江省绍兴 市越城区环城东 路2082号 (72)发明人 王海明　徐铮　张建华　张伟　 韩巍伟　 (74)专利代理 机构 绍兴锋行知识产权代理事务 所(普通合伙) 33460 专利代理师 徐锋 (51)Int.Cl. G06V 20/56(2022.01) G06V 20/52(2022.01) G06T 7/00(2017.01)G06N 20/00(2019.01) E21F 17/18(2006.01) (54)发明名称 公路隧道远程 监控系统 (57)摘要 公路隧道远程监控系统， 其包括， 中央工作 站； 以无线或有线方式与中央工作站相连的网 络； 车辆， 设置在车辆上的影像采集装置； 和设置 在公路隧道表 面或附近的位置标记和/或位置传 感器， 位置传感器经发射终端向网络发送位置信 息或测量所得的位置信息； 中央工作站能通过网 络接收影像采集装置发来的影像信息； 中央工作 站能通过网络接收位置信息。 车辆搭载影像采集 装置及时获取图像信息， 将影像信息进行筛选， 得到具有破裂轮廓线的影像信息并标引后发出， 中央工作站进行大数据的机器学习， 并结合测量 模拟数据进行学习模型的激励； 在运维监控时， 通过车辆的影像采集装置巡检获得的标引影像 信息进行高风险裂纹的识别。 权利要求书1页 说明书7页 附图4页 CN 115359447 A 2022.11.18 CN 115359447 A 1.公路隧道远程 监控系统， 其特 征是： 包括， 中央工作站(1)； 以无线或有 线方式与所述的中央工作站(1)相连的网络(2)； 车辆(3)， 设置在所述的车辆(3)上的影像采集装置(31)， 用于将获得车辆巡检影像信息， 并筛选 并标引具有破裂 轮廓线的部分影 像信息； 和设置在公路隧道表面或附近的位置标记(6)和/或位置传感器(5)， 所述的位置传感 器(5)经发射终端(4)向所述的网络(2)发送位置信息或测量所 得的位置信息； 所述的中央工作站(1)能通过网络(2)接收所述的影像采集装置(31)发来的影像信息； 所述的中央工作站(1)能通过网络(2)接收所述的位置信息 。 2.根据权利要求1所述的公路隧道远程监控系统， 其特征是： 所述的中央工作站(1)通 过所述的影像信息训练进行机器学习； 所述的位置信息经数值模拟后， 生成最大偏移距离 信息或围岩变形云图信息或变形沉降数值信息， 并作为所述的机器学习的奖励信息， 形成 机器学习模型； 将所述的机器学习模型用于对影 像信息的风险检测。 3.根据权利要求1所述的公路隧道远程监控系统， 其特征是： 所述的车辆(3)上的影像 采集装置(31)对影 像信息进行采集后采用如下步骤： 1)信息捕获步骤： 读取公路隧道巡检或固定摄 像头获取的所述的影 像信息； 2)信息标引步骤： 提取所述的影像信息中的破裂轮廓线， 将所述的破裂轮廓线存储为 切分图像； 将有破裂轮廓线的切分图像进行标引； 然后， 将标引后的切分图像进行传输发 射。 4.根据权利要求1所述的公路隧道远程监控系统， 其特征是： 所述的中央工作站(1)对 影像信息进行远程 监控采用如下步骤： 3)机器学习步骤： 将接收到的经标引的切分图像转化为张量作为训练集， 将具有标引 的切分图像相应断面形变的数值模拟结果信息作为奖励信息； 使用机器学习模型对训练集 进行训练， 且所述的奖励信息用于调整所述的机器学习模型； 将具有标引的切分图像相应断面形变的数值模拟结果信 息作为奖励信 息， 将所述的具 有标引的切分图像的张量作为训练集； 直到满足预 先设定的准确率； 4)检测步骤： 将需要检测的隧道的巡检照片按照步骤2)处理并切分， 然后使用步骤3) 对每一张图像进行处 理并识别。 5.根据权利要求1所述的公路隧道远程监控系统， 其特征是： 所述的机器学习的 softmax层采用的概 率分布函数为： 权　利　要　求　书 1/1 页 2 CN 115359447 A 2公路隧道远 程监控系统 技术领域 [0001]本发明涉及公路隧道监测技 术领域， 尤其涉及公路隧道远程 监控系统。 背景技术 [0002]随着隧道的建设难度在不断增加， 所以对公路隧道结构的稳定性检测尤为重要。 传统公路隧道稳定性检测中， 常采用目视、 破检或者人工无损检测方法对隧道进 行检测， 这 些方法的检测 不稳定， 且检测效率低下， 因此如何快速准确 地检测隧道稳定性是一个研究 热点。 现有技术如公告号为CN114296079A的中国发明专利申请， 一种基于雷达的公路隧道 结构稳定性检测系统及方法， 包括若干雷达和数据分析单元组成的雷达检测模块； 其在隧 道中设置有若干雷达， 通过若干雷达定时或者实时采集 目标检测 点的距离数据， 然后将根 据距离数据生成的目标检测序列与标准检测序列进行对比获取稳定性分析结果， 能够提高 检测精度和检测效率； 该发明中的雷达检测模块可整合关联， 生成雷达检测系统； 雷达检测 系统可对监测 区域内的多个公路隧道进行精确检测， 检测结果也可以及时反馈给工作人 员， 扩展了检测范围， 提高了大范围区域公路隧道的检测效率。 然而， 现有技术存在需要在 大范围设置多种传感器， 建 设和运维成本高的问题。 发明内容 [0003]本发明的目的在于针对现有技术提供一种能持续智能监测潜在裂缝风险、 传输信 息冗余小、 实现图像识别公路隧道代替传感器检测、 实现建设和 运维成本大大降低的公路 隧道远程 监控系统。 [0004]公路隧道远程 监控系统， 其包括， [0005]中央工作站； [0006]以无线或有 线方式与中央工作站相连的网络； [0007]车辆， 设置在车辆上的影 像采集装置； [0008]和设置在公路隧道表面或附近 的位置标记和/或位置传感器， 位置传感器经发射 终端向网络发送位置信息或测量所 得的位置信息； [0009]中央工作站能通过网络接收影像采集装置发来的影像信息； 中央工作站能通过 网 络接收位置信息 。 [0010]车辆搭载影像采集装置及时获取 图像信息， 将影像信息进行筛选， 得到具有破裂 轮廓线的影像信息并标引后 发出， 中央工作站进行大数据的机器学习， 并结合测量模拟数 据进行学习模型 的激励； 在运维监控时， 通过车辆的影像采集装置巡检获得 的标引影像信 息进行高风险裂纹的识别。 [0011]为了进一 步优化本技 术方案， 采取的措施还 包括： [0012]中央工作站通过影 像信息训练进行机器学习； [0013]位置信息经数值模拟后， 生成最大偏移距离信息或围岩变形云图信息或变形沉降 数值信息， 并作为机器学习的奖励信息， 形成机器学习模型；说　明　书 1/7 页 3 CN 115359447 A 3