超前預報設備探測信息的解讀一直是困擾隧道建設的一個難題。如果沒有及時發(fā)現(xiàn)隧道前方的富水破碎帶，就會導致隧道后續(xù)支護設置不合理，嚴重時會引起圍巖垮塌、變形，嚴重影響施工質量。

文馬高速和文麻高速作為云南省“十三五”交通規(guī)劃的重點項目，共有隧道28座，總長26.8公里。項目沿線地質復雜，圍巖破碎，巖溶廣布，如何精準探測富水破碎帶分布，成了二航局項目總工李赤謀時刻思考的問題。通過地質雷達進行探測成效固然很好，但是，探測波形圖像需要專業(yè)解析，單靠現(xiàn)場工程人員的經(jīng)驗判斷，不僅工作量大、速度慢，結果的準確性也難以保證。如何開發(fā)一款自動化地質雷達圖像解譯系統(tǒng)，精準探測富水破碎帶區(qū)域分布，成為項目技術人員亟需攻克的難題。

如何辨別圖像特征，進行自動化解譯是研發(fā)路上的一大難關。“既然是給隧道內部做解析，我們是否可以借鑒醫(yī)學上的電子計算機斷層掃描（CT）圖像識別技術呢？”袁青的一句話點醒了眾人。醫(yī)學CT將X射線束轉變?yōu)楹诎讏D像，地質雷達的電磁波信號處理后也是黑白圖像。兩者有一定的相似之處，而成熟完善的CT圖像識別技術正是地質雷達圖像解譯的一個突破方向。

研發(fā)小組通過廣泛調研，確立了以深度學習卷積神經(jīng)網(wǎng)絡為算法基礎的地質雷達智能定位解譯系統(tǒng)設計方案。但是，深度學習算法的首要條件是數(shù)據(jù)，沒有大量樣本的綜合學習，最終的識別精度和效率都難以保證。于是，技術中心研發(fā)小組聯(lián)合多家單位，輾轉多個項目采集了近6000張富水破碎帶地質雷達圖像，標注了其中3000張圖像的不良地質體位置，整理歸納了4類圖像特征，形成了一套地質雷達圖像特征分類方法，最終建立起滿足后續(xù)圖像識別學習的風險源數(shù)據(jù)庫。

解決了數(shù)據(jù)問題后，如何精確提取富水破碎帶特征并讓機器進行領悟學習是重中之重。為此，技術中心研發(fā)小組學習了目前圖像識別的先進算法，深入理解了神經(jīng)網(wǎng)絡技術：它就像人工合成的大腦神經(jīng)元，只有不停地讓它學習，經(jīng)過更深層次的領悟，層層遞進、不斷循環(huán)，才能茁壯成長，最終實現(xiàn)人腦所具備的識別功能。在對地質雷達圖像特征的迭代學習中，他們完成了程序識別精度的不斷提升，實現(xiàn)富水破碎帶的自動化識別。

“核心功能”研發(fā)完成了，但如何將理論與實踐相結合，保證現(xiàn)場工程人員的便捷使用成為又一難題。“如今是大數(shù)據(jù)時代，我們何不打造一個在線平臺，大家各自上傳圖片解譯，各取所需。”技術骨干袁青說道。于是，他將圖像導入、智能解譯、報告生成等主體功能一個個安插進在線平臺，經(jīng)過反復嘗試摸索，滿足工程人員使用習慣的地質雷達智能定位解譯系統(tǒng)終于成型，實現(xiàn)了地質雷達圖像的一體化精細處理，使預報效率、精度均有大幅提升。

如今，伴隨著工程應用的不斷展開與軟件自身的迭代學習，地質雷達智能定位解譯系統(tǒng)已經(jīng)越來越高效，一張圖像從導入識別到報告導出耗時不到半分鐘，平均解譯準確率在95%以上，已為多條隧道規(guī)避地質風險，輔助施工決策。“它就像是我們培養(yǎng)的一名地質工程專業(yè)的‘學生’，擁有人工智能加持的超級“大腦”，經(jīng)過不同項目的磨煉學習,終有一天會變成一個經(jīng)驗豐富的‘地質專家’。”袁青滿懷期待地說道。