一种基于数字孪生的隧道施工缺陷检测方法及系统

摘要

本发明提供了一种基于数字孪生的隧道施工缺陷检测方法及系统，涉及数据处理技术领域，方法包括：接收第一隧道区域定位信息下载第一隧道区域基准图像，进行图像抓取生成第一隧道区域监测图像，接收第一隧道区域基准图像、第一隧道区域监测图像，生成图像异常特征区域和区域异常系数，获取安全风险等级，当安全风险等级大于等于安全风险等级阈值，对图像异常特征区域生成危险标识信息，同步至隧道数字孪生模型，发送至用户端，解决现有技术中对隧道施工缺陷监测进行异常识别，但训练数据和实际场景数据具有偏差，导致准确率不足的技术问题，实现利用数字孪生模型得到和场景结合度高的基准图像，达到准确率高的缺陷监测。

权利要求

1.一种基于数字孪生的隧道施工缺陷检测方法，其特征在于，应用于基于数字孪生的隧道施工缺陷检测系统，所述系统包括软件处理中台和硬件执行终端，所述硬件执行终端包括隧道施工缺陷识别机器人和用户端，包括：当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段；

根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像；

获取所述第一隧道区域基准图像的拍摄动作特征，控制所述隧道施工缺陷识别机器人的视觉模块进行图像抓取，生成第一隧道区域监测图像；

激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数；

当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级；

当所述安全风险等级大于或等于安全风险等级阈值，对所述图像异常特征区域生成危险标识信息，同步至所述隧道数字孪生模型，发送至用户端；

其中，所述激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数，包括：根据所述拍摄动作特征，分别对所述第一隧道区域监测图像和所述第一隧道区域基准图像进行分组，获取多组所述拍摄动作特征一致的所述第一隧道区域监测图像和所述第一隧道区域基准图像；

利用所述第一孪生节点对所述第一隧道区域基准图像进行形貌特征提取，获取第一形貌特征信息；

利用所述第二孪生节点对所述第一隧道区域监测图像进行形貌特征提取，获取第二形貌特征信息；

对所述第一形貌特征信息和所述第二形貌特征信息进行偏差计算，获取特征偏差距离大于或等于偏差距离阈值的所述图像异常特征区域；

将所述图像异常特征区域的所述特征偏差距离的均值，设为所述区域异常系数。

2.如权利要求1所述的方法，其特征在于，当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段，包括：通过用户端上传预设隧道的施工设计原图和质量设计标准，构建所述预设隧道的所述隧道数字孪生模型；

将所述预设隧道在网格空间坐标系中进行定位，同步至所述隧道数字孪生模型；

根据所述隧道施工缺陷识别机器人的北斗定位模块，获取识别机器人定位信息，并同步至所述隧道数字孪生模型，当所述隧道施工缺陷识别机器人行驶至所述第一隧道路段时，将机器人转换为静止状态，获取所述第一隧道区域定位信息。

3.如权利要求2所述的方法，其特征在于，根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像，包括：激活所述隧道施工缺陷识别机器人的感光模块，获取传感光照向量信息，其中，所述光照向量信息包括光强传感信息和光照方向传感信息；

基于所述第一隧道区域定位信息，将所述光强传感信息和所述光照方向传感信息同步至所述隧道数字孪生模型，生成所述第一隧道区域基准图像，包括，其中，当接收到所述第一隧道区域定位信息时，获取第一隧道区域初始图像，其中，所述第一隧道区域初始图像具有初始光照向量信息；

激活内嵌于所述隧道数字孪生模型的图像编码器，基于所述初始光照向量信息和所述传感光照向量信息对所述第一隧道区域初始图像进行编码，生成所述第一隧道区域基准图像。

4.如权利要求3所述的方法，其特征在于，激活内嵌于所述隧道数字孪生模型的图像编码器，基于所述初始光照向量信息和所述传感光照向量信息对所述第一隧道区域初始图像进行编码，生成所述第一隧道区域基准图像，包括：获取第一隧道区域标识图像，所述第一隧道区域标识图像包括传感光照记录向量；

通过卷积拓扑网络对所述初始光照向量信息、所述传感光照记录向量和所述第一隧道区域初始图像进行映射，生成第一隧道区域编码图像；

对所述第一隧道区域编码图像和所述第一隧道区域标识图像进行相似度评价，获取映射损失量，其中，所述映射损失量为相似度负值；

当所述映射损失量连续预设次数小于映射预设损失量，生成所述图像编码器。

5.如权利要求1所述的方法，其特征在于，对所述第一形貌特征信息和所述第二形貌特征信息进行偏差计算，获取特征偏差距离大于或等于偏差距离阈值的所述图像异常特征区域，包括：获取第一像素点的所述第一形貌特征信息和所述第二形貌特征信息进行欧式距离计算，获取第一特征偏差距离；

获取第N像素点的所述第一形貌特征信息和所述第二形貌特征信息进行欧式距离计算，获取第N特征偏差距离；

遍历所述第一特征偏差距离直到所述第N特征偏差距离，将大于或等于所述偏差距离阈值的像素点添加进异常像素点集；

根据区域连续距离阈值，遍历所述异常像素点集的像素点位置信息进行分区，生成所述图像异常特征区域。

6.如权利要求1所述的方法，其特征在于，当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级，包括：根据所述隧道数字孪生模型、所述图像异常特征区域和所述区域异常系数，在隧道工程大数据中进行检索，生成M条施工事务数据，其中，所述M条施工事务数据包括事故触发频率，其中，M≥500，M为整数；

计算安全风险系数，其中，所述安全风险系数为所述事故触发频率与所述M条施工事务数据的比值；

激活安全风险等级表对所述安全风险系数进行处理，获取所述安全风险等级，其中，所述安全风险等级表中所述安全风险系数和所述安全风险等级一一对应。

7.一种基于数字孪生的隧道施工缺陷检测系统，其特征在于，所述系统包括软件处理中台和硬件执行终端，所述硬件执行终端包括隧道施工缺陷识别机器人和用户端，包括：信息接收模块，所述信息接收模块用于当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段；

基准图像模块，所述基准图像模块用于根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像；

图像抓取模块，所述图像抓取模块用于获取所述第一隧道区域基准图像的拍摄动作特征，控制所述隧道施工缺陷识别机器人的视觉模块进行图像抓取，生成第一隧道区域监测图像；

异常模块，所述异常模块用于激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数；

安全风险关联模块，所述安全风险关联模块用于当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级；

第一判断模块，所述第一判断模块用于当所述安全风险等级大于或等于安全风险等级阈值，对所述图像异常特征区域生成危险标识信息，同步至所述隧道数字孪生模型，发送至用户端；

分组模块，所述分组模块用于根据所述拍摄动作特征，分别对所述第一隧道区域监测图像和所述第一隧道区域基准图像进行分组，获取多组所述拍摄动作特征一致的所述第一隧道区域监测图像和所述第一隧道区域基准图像；

第一形貌特征提取模块，所述第一形貌特征提取模块用于利用所述第一孪生节点对所述第一隧道区域基准图像进行形貌特征提取，获取第一形貌特征信息；

第二形貌特征提取模块，所述第二形貌特征提取模块用于利用所述第二孪生节点对所述第一隧道区域监测图像进行形貌特征提取，获取第二形貌特征信息；

偏差计算模块，所述偏差计算模块用于对所述第一形貌特征信息和所述第二形貌特征信息进行偏差计算，获取特征偏差距离大于或等于偏差距离阈值的所述图像异常特征区域；

均值模块，所述均值模块用于将所述图像异常特征区域的所述特征偏差距离的均值，设为所述区域异常系数。

说明书

一种基于数字孪生的隧道施工缺陷检测方法及系统

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种基于数字孪生的隧道施工缺陷检测方法及系统。

背景技术

[0002] 隧道施工是项复杂的建造工程，在施工过程中，需要考虑许多因素，如地质条件、水文情况和可能出现的地震等。隧道施工中最重要的是保证隧道施工的安全和稳定。为了监测隧道施工的安全状况，隧道施工监测技术经历了长期的研究和发展。传统隧道监测技术是基于经验的，大多是在工程施工中根据经验和现场观察判断地质条件和隧道稳定情况。传统技术的主要监测内容包括隧道地质条件、隧道倾斜和位移以及隧道周围地面的沉降等。传统技术存在许多缺陷，如监测周期长，数据精度低，监测结果的判断要考虑施工工艺及监测视角等因素的影响，

[0003] 本发明解决了现有技术中对隧道施工缺陷监测进行异常识别，但训练数据和实际场景数据具有偏差，导致准确率不足的技术问题，实现了利用数字孪生模型得到和场景结合度较高的基准图像，达到准确率较高的缺陷监测。

发明内容

[0004] 本申请提供了一种基于数字孪生的隧道施工缺陷检测方法及系统，用于针对解决现有技术中存在的对隧道施工缺陷监测进行异常识别，但训练数据和实际场景数据具有偏差，导致准确率不足的技术问题。

[0005] 鉴于上述问题，本申请提供了一种基于数字孪生的隧道施工缺陷检测方法及系统。

[0006] 第一方面，本申请提供了一种基于数字孪生的隧道施工缺陷检测方法，所述方法包括：当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段；根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像；获取所述第一隧道区域基准图像的拍摄动作特征，控制所述隧道施工缺陷识别机器人的视觉模块进行图像抓取，生成第一隧道区域监测图像；激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数；当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级；当所述安全风险等级大于或等于安全风险等级阈值，对所述图像异常特征区域生成危险标识信息，同步至所述隧道数字孪生模型，发送至用户端。

[0007] 第二方面，本申请提供了一种基于数字孪生的隧道施工缺陷检测系统，所述系统包括：信息接收模块，所述信息接收模块用于当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段；基准图像模块，所述基准图像模块用于根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像；图像抓取模块，所述图像抓取模块用于获取所述第一隧道区域基准图像的拍摄动作特征，控制所述隧道施工缺陷识别机器人的视觉模块进行图像抓取，生成第一隧道区域监测图像；异常模块，所述异常模块用于激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数；安全风险关联模块，所述安全风险关联模块用于当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级；第一判断模块，所述第一判断模块用于当所述安全风险等级大于或等于安全风险等级阈值，对所述图像异常特征区域生成危险标识信息，同步至所述隧道数字孪生模型，发送至用户端。

[0008] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

[0009] 本申请提供的一种基于数字孪生的隧道施工缺陷检测方法及系统，涉及数据处理技术领域，解决了现有技术中对隧道施工缺陷监测进行异常识别，但训练数据和实际场景数据具有偏差，导致准确率不足的技术问题，实现了利用数字孪生模型得到和场景结合度较高的基准图像，达到准确率较高的缺陷监测。

附图说明

[0010] 图1为本申请提供了一种基于数字孪生的隧道施工缺陷检测方法流程示意图；

[0011] 图2为本申请提供了一种基于数字孪生的隧道施工缺陷检测方法中获取第一隧道区域定位信息流程示意图；

[0012] 图3为本申请提供了一种基于数字孪生的隧道施工缺陷检测方法中生成第一隧道区域基准图像流程示意图；

[0013] 图4为本申请提供了一种基于数字孪生的隧道施工缺陷检测方法中区域异常系数流程示意图；

[0014] 图5为本申请提供了一种基于数字孪生的隧道施工缺陷检测系统结构示意图。

[0015] 附图标记说明：信息接收模块1，基准图像模块2，图像抓取模块3，异常模块4，安全风险关联模块5，第一判断模块6。

具体实施方式

[0016] 本申请通过提供一种基于数字孪生的隧道施工缺陷检测方法及系统，用于解决现有技术中对隧道施工缺陷监测进行异常识别，但训练数据和实际场景数据具有偏差，导致准确率不足的技术问题。

[0017] 实施例一：

[0018] 如图1所示，本申请实施例提供了一种基于数字孪生的隧道施工缺陷检测方法，该方法应用于基于数字孪生的隧道施工缺陷检测系统，所述系统包括软件处理中台和硬件执行终端，所述硬件执行终端包括隧道施工缺陷识别机器人和用户端，该方法包括：

[0019] 步骤S100：当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段；

[0020] 进一步而言，如图2所示，本申请步骤S100还包括：

[0021] 步骤S110：通过用户端上传预设隧道的施工设计原图和质量设计标准，构建所述预设隧道的所述隧道数字孪生模型；

[0022] 步骤S120：将所述预设隧道在网格空间坐标系中进行定位，同步至所述隧道数字孪生模型；

[0023] 步骤S130：根据所述隧道施工缺陷识别机器人的北斗定位模块，获取识别机器人定位信息，并同步至所述隧道数字孪生模型，当所述隧道施工缺陷识别机器人行驶至所述第一隧道路段时，将机器人转换为静止状态，获取所述第一隧道区域定位信息。

[0024] 具体而言，本申请实施例提供的一种基于数字孪生的隧道施工缺陷检测方法应用于基于数字孪生的隧道施工缺陷检测系统，该基于数字孪生的隧道施工缺陷检测系统包括软件处理中台和硬件执行终端，所述硬件执行终端包括隧道施工缺陷识别机器人和用户端，该软件处理中台和硬件执行终端是用于进行隧道施工缺陷参数的检测采集。

[0025] 当隧道施工缺陷识别机器人行驶至第一隧道路段时，对第一隧道区域定位信息进行接收，第一隧道路段是指将整体隧道均匀划分为多个等长的隧道路段后，在多个等长的隧道路段中任意选取其中一段作为第一隧道路段，且第一隧道区域属于第一隧道路段，进一步的，

[0026] 通过用户端对预设隧道的施工设计原图和质量设计标准进行上传，预设隧道的施工设计原图和质量设计标准是指在未施工前，隧道的施工设计原图与质量设计标准均为理论值，并在此基础上，与隧道的施工设计原图与质量设计标准等比构建预设隧道的隧道数字孪生模型，即理论隧道数字孪生模型，进一步的，将预设隧道在网格空间坐标系中进行定位，网格空间坐标系的坐标原点位于预设隧道的中心，Z轴指向预设隧道朝向天空的一端，X轴指向预设隧道任意一端的端口且垂直于Z轴，y轴的指向为在预设隧道中垂直于X轴的一端，且Y轴垂直于Z轴，最终在所构建的网络空间坐标系定位预设隧道的各个坐标点，并将所定位的坐标点同步至隧道数字孪生模型中，进一步的，根据隧道施工缺陷识别机器人中的北斗定位模块，北斗定位模块是指在第一隧道区域的导航定位系统，对在第一隧道区域中识别机器人定位信息进行获取，并同步至隧道数字孪生模型中，示例性的，当缺陷识别机器人的定位信息同步至隧道数字孪生模型中后，隧道数字孪生模型内的缺陷识别机器人可以可视化为一个小红点进行显示，最终当隧道施工缺陷识别机器人行驶至第一隧道路段时，将机器人的运动状态转换为静止状态，并根据机器人的定位信息同步获取第一隧道区域定位信息，为后期实现基于数字孪生的隧道施工进行缺陷检测作为重要参考依据。

[0027] 步骤S200：根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像；

[0028] 进一步而言，如图3所示，本申请步骤S200还包括：

[0029] 步骤S210：激活所述隧道施工缺陷识别机器人的感光模块，获取传感光照向量信息，其中，所述光照向量信息包括光强传感信息和光照方向传感信息；

[0030] 步骤S220：基于所述第一隧道区域定位信息，将所述光强传感信息和所述光照方向传感信息同步至所述隧道数字孪生模型，生成所述第一隧道区域基准图像，包括，[0031] 其中，当接收到所述第一隧道区域定位信息时，获取第一隧道区域初始图像，其中，所述第一隧道区域初始图像具有初始光照向量信息；

[0032] 步骤S230：激活内嵌于所述隧道数字孪生模型的图像编码器，基于所述初始光照向量信息和所述传感光照向量信息对所述第一隧道区域初始图像进行编码，生成所述第一隧道区域基准图像。

[0033] 进一步而言，本申请步骤S230包括：

[0034] 步骤S231：获取第一隧道区域标识图像，所述第一隧道区域标识图像包括传感光照记录向量；

[0035] 步骤S232：通过卷积拓扑网络对所述初始光照向量信息、所述传感光照记录向量和所述第一隧道区域初始图像进行映射，生成第一隧道区域编码图像；

[0036] 步骤S233：对所述第一隧道区域编码图像和所述第一隧道区域标识图像进行相似度评价，获取映射损失量，其中，所述映射损失量为相似度负值；

[0037] 步骤S234：当所述映射损失量连续预设次数小于映射预设损失量，生成所述图像编码器。

[0038] 具体而言，为保证后期对隧道施工缺陷检测的准确性，因此需要根据第一隧道区域定位信息，从系统中所包含的软件处理中台内隧道数字孪生模型对第一隧道区域的基准图像进行下载，是指首先对隧道施工缺陷识别机器人内所包含的感光模块进行激活，感光模块是用于对隧道内在光的照射下发生化学或物理性质改变的现象进行记录，从而通过感光模块对传感光照向量信息进行获取，其中，在光照向量信息中可以包括隧道内的光强传感信息以及光照方向的传感信息，光强传感信息是用于标识隧道内光照强度的传感信息，光照方向的传感信息是用于标识光照射到隧道内的方向，且可以用角度表示，进一步的，以第一隧道区域定位信息作为基础，将光强传感信息和光照方向传感信息同步至隧道数字孪生模型内，对第一隧道区域基准图像进行生成，第一隧道区域基准图像中包括，当接收到第一隧道区域定位信息时，对此时的第一隧道区域初始图像进行记录获取，且在第一隧道区域初始图像中存在初始光照向量信息，初始光照向量信息是指构建数字孪生模型时所设定的光照向量。

[0039] 进一步的，对内嵌于隧道数字孪生模型的图像编码器进行激活，其图像编码器是首先通过对第一隧道区域内的标识图像进行获取，且在第一隧道区域标识图像中包括传感光照记录向量，传感光照记录向量是指感光模块所传感记录的光强信息以及光照方向信息，进一步的，通过卷积拓扑网络对初始光照向量信息、传感光照记录向量和第一隧道区域初始图像进行映射，是指根据传感模块所获取的初始光照向量信息，在所获取的初始光照向量信息的基础上，基于传感光照记录向量对该初始光照向量信息进行等分，同时根据初始光照向量信息等分中第一个区域设为起始点，即所获得的第一区域，标识为零点区域，再从第一区域开始进行遍历，将每一个区域中所得到的信息与传感光照记录向量进行匹配，从而生成第一隧道区域初始光照信息，并同时将第一隧道区域初始光照信息与第一隧道区域初始图像进行映射，即在第一隧道区域初始光照信息内取一值，第一隧道区域初始图像有且只有一个值对应，而在第一隧道区域初始图像内取一值，第一隧道区域初始光照信息可以有多个值对应，从而根据映射关系对第一隧道区域编码图像进行生成，进一步的，对第一隧道区域编码图像和第一隧道区域标识图像进行相似度评价，相似度评价是用于测量第一隧道区域编码图像和第一隧道区域标识图像之间的相似度，其相似度越高，则相似度评价值就越高，当相似度评价值为负数时，则将负数值作为进行映射时的映射损失量，且当映射损失量连续预设次数小于映射预设损失量时，对图像编码器进行生成，其中映射预设损失量由相关技术人员根据损失函数对映射损失进行预设，基于初始光照向量信息和传感光照向量信息通过图像编码器对第一隧道区域的初始图像进行编码，将完成图像编码的初始图像作为第一隧道区域基准图像进行输出，进而为实现基于数字孪生的隧道施工进行缺陷检测作保障。

[0040] 步骤S300：获取所述第一隧道区域基准图像的拍摄动作特征，控制所述隧道施工缺陷识别机器人的视觉模块进行图像抓取，生成第一隧道区域监测图像；

[0041] 具体而言，为了更好的对隧道施工进行缺陷检测，因此首先需要对从软件处理中台的隧道数字孪生模型中所下载的第一隧道区域基准图像进行拍摄时的动作特征进行提取，其拍摄动作特征是指在对第一隧道区域基准图像进行拍摄时的拍摄角度、拍摄高度等，从而控制隧道施工缺陷识别机器人中的视觉模块对第一隧道区域基准图像进行拍摄，并通过网络爬虫技术自动化地获取第一隧道区域上的图片资源，并根据所抓取的图片资源，对第一隧道区域进行监测，从而对第一隧道区域监测图像进行生成，为后续实现基于数字孪生的隧道施工进行缺陷检测夯实基础。

[0042] 步骤S400：激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数；

[0043] 进一步而言，如图4所示，本申请步骤S400还包括：

[0044] 步骤S410：根据所述拍摄动作特征，分别所述第一隧道区域监测图像和所述第一隧道区域基准图像进行分组，获取多组所述拍摄动作特征一致的所述第一隧道区域监测图像和所述第一隧道区域基准图像；

[0045] 步骤S420：利用所述第一孪生节点对所述第一隧道区域基准图像进行形貌特征提取，获取第一形貌特征信息；

[0046] 步骤S430：利用所述第二孪生节点对所述第一隧道区域监测图像进行形貌特征提取，获取第二形貌特征信息；

[0047] 步骤S440：对所述第一形貌特征信息和所述第二形貌特征信息进行偏差计算，获取特征偏差距离大于或等于偏差距离阈值的所述图像异常特征区域；

[0048] 步骤S450：将所述图像异常特征区域的所述特征偏差距离的均值，设为所述区域异常系数。

[0049] 进一步而言，本申请步骤S440包括：

[0050] 步骤S441：获取第一像素点的所述第一形貌特征信息和所述第二形貌特征信息进行欧式距离计算，获取第一特征偏差距离；

[0051] 步骤S442：获取第N像素点的所述第一形貌特征信息和所述第二形貌特征信息进行欧式距离计算，获取第N特征偏差距离；

[0052] 步骤S443：遍历所述第一特征偏差距离直到所述第N特征偏差距离，将大于或等于所述偏差距离阈值的像素点添加进异常像素点集；

[0053] 步骤S444：根据区域连续距离阈值，遍历所述异常像素点集的像素点位置信息进行分区，生成所述图像异常特征区域。

[0054] 具体而言，以所下载的第一隧道区域基准图像、所抓取的第一隧道区域监测图像作为对隧道施工缺陷检测的基础图像数据，首先对内嵌于隧道施工缺陷识别机器人的边缘处理器进行激活，其边缘处理器是指独立于机器人的控制中枢以外的计算模块。

[0055] 进一步的，分别根据拍摄动作特征内不同的拍摄高度以及拍摄角度对第一隧道区域监测图像和第一隧道区域基准图像进行分组，是指将相同拍摄高度以及拍摄角度的第一隧道区域监测图像和第一隧道区域基准图像划分为同一组，从而对多组拍摄动作特征一致的第一隧道区域监测图像和第一隧道区域基准图像进行获取同时利用第一孪生节点对第一隧道区域基准图像进行形貌特征提取，获取第一隧道区域基准图像的第一形貌特征信息，再利用第二孪生节点对第一隧道区域监测图像进行形貌特征提取，获取第一隧道区域监测图像的第二形貌特征信息，其中，第一孪生节点与第二孪生节点均为孪生网络模型，通过第一孪生节点从第一隧道区域基准图像中任选多张图像进行训练，在所选的多张图像中至少包含两个类别，从而对所选的多张图像向量差的二范数的平方进行计算，并通过损失函数判断多张图像的样本距离，最终将第一隧道区域基准图像输入至训练完成的第一孪生节点中对第一隧道区域基准图像的形貌特征进行提取，并将所提取的隧道形貌特征记作第一形貌特征信息。

[0056] 通过第二孪生节点从第一隧道区域监测图像中任选多张图像进行训练，在所选的多张图像中至少包含两个类别，从而对所选的多张图像向量差的二范数的平方进行计算，并通过损失函数判断多张图像的样本距离，最终将第一隧道区域监测图像输入至训练完成的第二孪生节点中对第一隧道区域监测图像的形貌特征进行提取，并将所提取的隧道形貌特征记作第二形貌特征信息。

[0057] 进一步的，对第一形貌特征信息和第二形貌特征信息进行偏差计算，是指单项测定值与平均值的偏差取其绝对值的和，相对标准偏差是指标准偏差占平均值的百分率，从而根据偏差计算结果对第一形貌特征信息和第二形貌特征信息的特征偏差距离进行确定，并将特征偏差距离与根据偏差距离阈值进行比较，偏差距离阈值是指根据历史偏差距离数据的上限值以及历史偏差距离数据的下限值进行阈值范围的划定，进一步的将特征偏差距离大于或等于偏差距离阈值的图像特征区域记作图像异常特征区域，将第一像素点的第一形貌特征信息和第二形貌特征信息通过如下公式进行欧式距离计算：

[0058] ；

[0059] 其中，d为第一像素点的第一形貌特征信息和第二形貌特征信息的欧氏距离，为在网络空间坐标系内第一像素点的第一形貌特征信x点的数据， 为在网络空间坐标系内第一像素点的第一形貌特征信y点的数据， 为在网络空间坐标系内第一像素点的第一形貌特征信z点的数据， 为在网络空间坐标系内第一像素点的第二形貌特征信x点的数据， 为在网络空间坐标系内第一像素点的第二形貌特征信y点的数据， 为在网络空间坐标系内第一像素点的第二形貌特征信z点的数据，从而通过所计算出的欧式距离对第一像素点的第一特征偏差距离进行确定。

[0060] 在此基础上进行迭代计算，直至迭代到第N像素点，并同时获取第N像素点的第一形貌特征信息和第二形貌特征信息进行欧式距离计算，获取第N特征偏差距离，N可以是图像中所有像素点的个数，进一步的，对第一特征偏差距离直到第N特征偏差距离进行依次遍历访问，将每次遍历访问的特征偏差距离均与偏差距离阈值进行比较，从而将大于或等于偏差距离阈值的特征偏差距离所对应的像素点添加进异常像素点集中，最终根据区域连续距离阈值，对异常像素点集的像素点位置信息进行遍历分区，是指将像素间距小于或等于区域连续距离阈值的像素点聚集视为相同区域，否则其像素点聚集就视为不同区域，从而对多个连续区域进行获取，根据多个连续区域对图像异常特征区域进行确定，继而计算图像异常特征区域的特征偏差距离的均值，并将计算所获的均值记作设为区域异常系数，实现基于数字孪生的隧道施工进行缺陷检测有着限定的作用。

[0061] 步骤S500：当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级；

[0062] 进一步而言，本申请步骤S500还包括：

[0063] 步骤S510：根据所述隧道数字孪生模型、所述图像异常特征区域和所述区域异常系数，在隧道工程大数据中进行检索，生成M条施工事务数据，其中，所述M条施工事务数据包括事故触发频率，其中，M≥500，M为整数；

[0064] 步骤S520：计算所述安全风险系数，其中，所述安全风险系数为所述事故触发频率与所述M条施工事务数据的比值；

[0065] 步骤S530：激活安全风险等级表对所述安全风险系数进行处理，获取所述安全风险等级，其中，所述安全风险等级表中所述安全风险系数和所述安全风险等级一一对应。

[0066] 具体而言，对上述计算所获的区域异常系数进行判断，当区域异常系数大于等于异常系数临界值时，将图像异常特征区域和所述区域异常系数发送至软件处理中台进行安全风险关联，异常系数临界值是指基于区域异常系数在数据处理、分析或计算中，当区域异常系数达到异常阈值的上限或下限时，这个阈值称为异常数据临界值，进一步的，根据隧道数字孪生模型、图像异常特征区域和区域异常系数，在隧道工程大数据中进行检索，从隧道数字孪生模型、图像异常特征区域和区域异常系数出发，对隧道工程大数据采用隧道异常的比对方法、技术手段，根据隧道异常线索与规则从隧道工程大数据中找出与隧道数字孪生模型、图像异常特征区域和区域异常系数相关的信息，将所找出的相关信息记作M条施工事务数据，其中，M条施工事务数据包括事故触发频率，是指隧道发生事故的频率指标，即在一定时间内事故发生的次数，其中，M≥500，M为整数，进一步的，通过事故触发频率与M条施工事务数据的比值计算获取隧道施工的安全风险系数，并同时对安全风险等级表进行激活，安全风险等级表是指根据多个施工企业构建的安全风险等级标定表，并对安全风险等级进行定期更新，通过安全风险等级表对安全风险系数进行处理，是指将安全风险系数作为索引数据在安全风险等级表内进行匹配，根据匹配结果对隧道的安全风险等级进行获取，且在安全风险等级表中安全风险系数和安全风险等级为一一对应的关系，以便为后期基于数字孪生的隧道施工进行缺陷检测时作为参照数据。

[0067] 步骤S600：当所述安全风险等级大于或等于安全风险等级阈值，对所述图像异常特征区域生成危险标识信息，同步至所述隧道数字孪生模型，发送至用户端。

[0068] 具体而言，对上述将图像异常特征区域和区域异常系数发送至软件处理中台进行安全风险关联，所获取的安全风险等级进行判断，当安全风险等级大于或等于安全风险等级阈值时，对图像异常特征区域进行危险标识信息的生成，安全风险等级阈值是依据在隧道内施工时的行业安全标准，来制定安全风险等级的规范，设置一个合理的临界数值。当上述所获的安全风险等级大于或等于安全风险等级的时候，就需要采取缓解措施和应急措施，即对图像异常特征区域通过标签的行驶进行危险标识，实现隧道内的风险在可控范围内，并将存在危险标识信息的图像异常特征区域数据同步至所构建的隧道数字孪生模型中，使得隧道数字孪生模型内也存在同样的标签标识信息，最终将具有危险标识标签的隧道数字孪生模型发送至用户端，从而实现对用户在隧道内的危险区域进行提醒，提高后期实现基于数字孪生的隧道施工进行缺陷检测的准确率。

[0069] 综上所述，本申请实施例提供的一种基于数字孪生的隧道施工缺陷检测方法，至少包括如下技术效果，接收第一隧道区域定位信息下载第一隧道区域基准图像，进行图像抓取生成第一隧道区域监测图像，接收第一隧道区域基准图像、第一隧道区域监测图像，生成图像异常特征区域和区域异常系数，获取安全风险等级，当安全风险等级大于等于安全风险等级阈值，对图像异常特征区域生成危险标识信息，同步至隧道数字孪生模型，发送至用户端，实现了利用数字孪生模型得到和场景结合度高的基准图像，达到准确率高的缺陷监测。

[0070] 实施例二：

[0071] 基于与前述实施例中一种基于数字孪生的隧道施工缺陷检测方法相同的发明构思，如图5所示，本申请提供了一种基于数字孪生的隧道施工缺陷检测系统，系统包括：

[0072] 信息接收模块1，所述信息接收模块1用于当隧道施工缺陷识别机器人行驶至第一隧道路段时，接收第一隧道区域定位信息，其中，第一隧道区域属于所述第一隧道路段；

[0073] 基准图像模块2，所述基准图像模块2用于根据所述第一隧道区域定位信息，从软件处理中台的隧道数字孪生模型下载第一隧道区域基准图像；

[0074] 图像抓取模块3，所述图像抓取模块3用于获取所述第一隧道区域基准图像的拍摄动作特征，控制所述隧道施工缺陷识别机器人的视觉模块进行图像抓取，生成第一隧道区域监测图像；

[0075] 异常模块4，所述异常模块4用于激活内嵌于所述隧道施工缺陷识别机器人的边缘处理器的第一孪生节点接收所述第一隧道区域基准图像，激活所述边缘处理器的第二孪生节点接收所述第一隧道区域监测图像，生成图像异常特征区域和区域异常系数；

[0076] 安全风险关联模块5，所述安全风险关联模块5用于当所述区域异常系数大于或等于异常系数临界值，将所述图像异常特征区域和所述区域异常系数发送至所述软件处理中台进行安全风险关联，获取安全风险等级；

[0077] 第一判断模块6，所述第一判断模块6用于当所述安全风险等级大于或等于安全风险等级阈值，对所述图像异常特征区域生成危险标识信息，同步至所述隧道数字孪生模型，发送至用户端。

[0078] 进一步而言，系统还包括：

[0079] 模型构建模块，所述模型构建模块用于通过用户端上传预设隧道的施工设计原图和质量设计标准，构建所述预设隧道的所述隧道数字孪生模型；

[0080] 定位模块，所述定位模块用于将所述预设隧道在网格空间坐标系中进行定位，同步至所述隧道数字孪生模型；

[0081] 状态转换模块，所述状态转换模块用于根据所述隧道施工缺陷识别机器人的北斗定位模块，获取识别机器人定位信息，并同步至所述隧道数字孪生模型，当所述隧道施工缺陷识别机器人行驶至所述第一隧道路段时，将机器人转换为静止状态，获取所述第一隧道区域定位信息。

[0082] 进一步而言，系统还包括：

[0083] 第一激活模块，所述第一激活模块用于激活所述隧道施工缺陷识别机器人的感光模块，获取传感光照向量信息，其中，所述光照向量信息包括光强传感信息和光照方向传感信息；

[0084] 第一同步模块，所述第一同步模块用于基于所述第一隧道区域定位信息，将所述光强传感信息和所述光照方向传感信息同步至所述隧道数字孪生模型，生成所述第一隧道区域基准图像，包括，

[0085] 其中，当接收到所述第一隧道区域定位信息时，获取第一隧道区域初始图像，其中，所述第一隧道区域初始图像具有初始光照向量信息；

[0086] 编码模块，所述编码模块用于激活内嵌于所述隧道数字孪生模型的图像编码器，基于所述初始光照向量信息和所述传感光照向量信息对所述第一隧道区域初始图像进行编码，生成所述第一隧道区域基准图像。

[0087] 进一步而言，系统还包括：

[0088] 标识模块，所述标识模块用于获取第一隧道区域标识图像，所述第一隧道区域标识图像包括传感光照记录向量；

[0089] 映射模块，所述映射模块用于通过卷积拓扑网络对所述初始光照向量信息、所述传感光照记录向量和所述第一隧道区域初始图像进行映射，生成第一隧道区域编码图像；

[0090] 相似度评模块，所述相似度评模块用于对所述第一隧道区域编码图像和所述第一隧道区域标识图像进行相似度评价，获取映射损失量，其中，所述映射损失量为相似度负值；

[0091] 第二判断模块，所述第二判断模块用于当所述映射损失量连续预设次数小于映射预设损失量，生成所述图像编码器。

[0092] 进一步而言，系统还包括：

[0093] 分组模块，所述分组模块用于根据所述拍摄动作特征，分别所述第一隧道区域监测图像和所述第一隧道区域基准图像进行分组，获取多组所述拍摄动作特征一致的所述第一隧道区域监测图像和所述第一隧道区域基准图像；

[0094] 第一形貌特征提取模块，所述第一形貌特征提取模块用于利用所述第一孪生节点对所述第一隧道区域基准图像进行形貌特征提取，获取第一形貌特征信息；

[0095] 第二形貌特征提取模块，所述第二形貌特征提取模块用于利用所述第二孪生节点对所述第一隧道区域监测图像进行形貌特征提取，获取第二形貌特征信息；

[0096] 偏差计算模块，所述偏差计算模块用于对所述第一形貌特征信息和所述第二形貌特征信息进行偏差计算，获取特征偏差距离大于或等于偏差距离阈值的所述图像异常特征区域；

[0097] 均值模块，所述均值模块用于将所述图像异常特征区域的所述特征偏差距离的均值，设为所述区域异常系数。

[0098] 进一步而言，系统还包括：

[0099] 第一欧式距离计算模块，所述第一欧式距离计算模块用于获取第一像素点的所述第一形貌特征信息和所述第二形貌特征信息进行欧式距离计算，获取第一特征偏差距离；

[0100] 第二欧式距离计算模块，所述第二欧式距离计算模块用于获取第N像素点的所述第一形貌特征信息和所述第二形貌特征信息进行欧式距离计算，获取第N特征偏差距离；

[0101] 遍历模块，所述遍历模块用于遍历所述第一特征偏差距离直到所述第N特征偏差距离，将大于或等于所述偏差距离阈值的像素点添加进异常像素点集；

[0102] 分区模块，所述分区模块用于根据区域连续距离阈值，遍历所述异常像素点集的像素点位置信息进行分区，生成所述图像异常特征区域。

[0103] 进一步而言，系统还包括：

[0104] 检索模块，所述检索模块用于根据所述隧道数字孪生模型、所述图像异常特征区域和所述区域异常系数，在隧道工程大数据中进行检索，生成M条施工事务数据，其中，所述M条施工事务数据包括事故触发频率，其中，M≥500，M为整数；

[0105] 第一计算模块，所述第一计算模块用于计算所述安全风险系数，其中，所述安全风险系数为所述事故触发频率与所述M条施工事务数据的比值；

[0106] 第二激活模块，所述第二激活模块用于激活安全风险等级表对所述安全风险系数进行处理，获取所述安全风险等级，其中，所述安全风险等级表中所述安全风险系数和所述安全风险等级一一对应。

[0107] 本说明书通过前述对一种基于数字孪生的隧道施工缺陷检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于数字孪生的隧道施工缺陷检测系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0108] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。