现阶段,我国已经成为世界上修建隧道和地下工程最多的国家,十三五以来,随着我国交通强国战略目标的提出,地下工程建设要求向高质量、精准化、智能化建设方向发展。由于钻孔爆破法施工简便、灵活、造价低和适用性强,铁路、公路及地铁等岩质隧道主要以钻孔爆破法开挖为主,并且以光面爆破技术应用最为广泛。由于地质条件复杂,岩体中常常赋存大量的层理及节理裂隙,应用光面爆破技术开挖隧道时,相应岩性特征下炮孔数量、间距及分布和装药量等参数尚缺乏系统性理论支撑,致使隧道开挖后常会出现严重的超欠挖,甚至会造成隧道塌方等事故。当前,图像分析、深度学习等人工智能方法在隧道衬砌病害检测和隧道内车辆识别等方面己经获得广泛应用。然而,相关技术在隧道智能爆破领域的应用比较缺乏。由于隧道炮孔参数直接影响爆后开挖效果,炮孔数量和间距等参数的智能优化可为实现隧道精细化爆破提供有力的技术支持。本文针对隧道炮孔参数的准确、快速获取及水平层状岩体隧道光面爆破参数优化开展研究,通过现场炮孔图像采集及分类、深度学习方法的改进、理论分析和现场试验及监测等方法,实现了隧道炮孔的自动化识别与位置定位,基于此进一步获得了炮孔数量及间距参数,最终实现了光面爆破参数的智能优化,并进行了工程应用。本文的主要工作及研究成果包括:(1)依托蟠龙山隧道和海螺峪隧道工程构建了隧道炮孔目标检测数据集,包括:单个炮孔图像数据集、多个炮孔图像数据集和多个炮孔困难图像数据集,共计28288幅炮孔图像。该数据集考虑围岩类型、光照强度、拍摄距离、拍摄角度的变化以及阴影、遮挡物等差异因素;提出反映炮孔种类和围岩破碎情况的三类标签:圆形炮孔(circular blasthole,bhc)、椭圆形炮孔(elliptical blasthole,bhe)和不规则形炮孔(irregular blasthole,bhi);统计炮孔孔径尺寸分布范围以及小尺度炮孔数量占比。(2)提出了基于轻量级网络SqueezeNet实现单个炮孔目标检测的改进Faster R-CNN(Region-based Convolutional Neural Network)方法。该深度学习方法集成多尺度输入、自上而下多层特征融合和基于距离约束的NMS(Non-maximum Suppression)炮孔过滤算法等策略,对不同尺度的炮孔均可实现有效识别,对假炮孔和伪炮孔可实现有效剔除;同时基于控制变量法进行了该改进Faster R-CNN模型超参数的选取,确定了适用于炮孔目标检测的训练迭代次数、锚框个数、NMS筛选框个数、学习率策略、分类置信度最小阈值和重合度阈值;最终实现了单个炮孔快速、高精确率和高召回率的识别。(3)提出了基于更深层网络ResNet-51分别实现多个炮孔和多个困难炮孔目标检测的改进Faster R-CNN方法。该类深度学习方法首先集成两阶段训练、自上而下多层特征融合、在线困难样本挖掘和基于距离约束的NMS多个炮孔过滤算法等策略,实现了对弱小、数量多且间隔分布的多个炮孔高召回率和较高精确率的识别;其次集成三阶段训练、top-down特征级联、focal loss损失函数和基于距离约束的NMS多个炮孔过滤算法,实现了对光线阴暗、含阴影遮挡的弱小、分辨率差的多个困难炮孔高召回率和较高精确率的识别。(4)从爆破动力作用和开挖后静力状态下两方面阐释了水平层状岩体隧道围岩损伤及失稳机理,从周边孔爆破损伤范围、周边孔炮孔连线与节理夹角的共同作用方面阐释了水平层状岩体隧道开挖断面不同部位爆破成型机理。通过现场试验,从调整周边孔炮孔间距、光爆层厚度、装药集中度、装药结构、掏槽孔最大装药量以及增设空孔等方面优化了水平层状岩体隧道光面爆破参数。优化后,隧道开挖轮廓成型较好。(5)提出了基于多个炮孔目标检测结果自动获取隧道炮孔数量和间距参数的算法,结合现场试验和监测获得的相关地质参数、装药参数和爆后效果,引入粒子群算法(Particle swarm optimization,PSO)与深层 BP(Deep Back Propagation,DBP)神经网络耦合模型,构建了隧道围岩地质条件、光面爆破炮孔及装药参数与爆后拱顶下沉、超欠挖和块石大小之间的非线性映射关系,并在给定的光面爆破参数搜索范围内,采用PSO算法智能搜索获得了满足围岩稳定条件的光面爆破参数。研究成果在层状岩体分布的蟠龙山隧道进行了成功应用,明显减小了隧道超挖,开挖轮廓成型较好,可为类似工程提供一定借鉴。