Page 29 - 2024年第55卷第1期

水 利 学 报

２０２４年 １月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５５卷 第 １期

文章编号：０５５９ － ９３５０（２０２４）０１ － ００２４ － １０

基于改进 ＨＴ － ＬＣＮＮ线段检测模型的

隧洞施工活动时间信息智能提取方法

１
１
３
１
２
肖 尧 ，钟登华 ，余 佳 ，胡奕可 ，徐国鑫 ，陈秋同 １
（１．天津大学 水利工程智能建设与运维全国重点实验室，天津 ３０００７２；２．中国农业大学 水利与土木工程学院，北京 １０００８３；
３．陕西省引汉济渭工程建设有限公司，陕西 西安 ７１０３０２）
摘要：施工活动时间信息的有效提取是隧洞施工进度分析与决策的重要前提，目前常采用的一种隧洞施工活动时
间记录方式是绘制横道图线段。针对传统依赖于人工统计的方式存在效率低、易出错等问题，提出基于改进深度
霍夫线条先验网络（ＨｏｕｇｈＴｒａｎｓｆｏｒｍ － ＬｉｎｅＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＨＴ － ＬＣＮＮ）线段检测模型的隧洞施工活动
时间信息智能提取方法。首先，采用单应性变换手段进行施工日志图像预处理，解决原始图像存在的倾斜、旋
转、扭曲等问题；其次，利用全局上下文注意力模块（ ＧｌｏｂａｌＣｏｎｔｅｘｔＮｅｔｗｏｒｋ，ＧＣＮｅｔ）改进 ＨＴ － ＬＣＮＮ模型的残差
模块，通过建立和共享全局注意力图，获得目标线段在特征图和通道间的长距离依赖关系，提高模型对目标手绘线
段的注意力，克服原有 ＨＴ － ＬＣＮＮ方法容易受到表格线段和文字干扰的不足，实现手绘线段的高精度智能检测；进
一步地，建立施工时刻－ 活动坐标系，根据所检测的手绘横道图线段的端点坐标位置特征，将其自动转化为施工活
动时间信息。将该方法应用于某长距离引水隧洞 ＴＢＭ施工日志活动时间提取，本文提出的改进 ＨＴ － ＬＣＮＮ模型的检
测精度 ＡＰ、ＡＰ 、ＡＰ 值分别为 ９４．７％、９５．０％、９５．１％，均高于 ＨＴ － ＬＣＮＮ和 ＬＣＮＮ；基于本文方法自动提取的
１０
５
１５
施工活动时间与人工提取结果相比，平均绝对误差仅为 １．８２ｍｉｎ。本研究为隧洞施工活动时间信息准确高效提取
提供了新思路。
关键词：隧洞施工活动时间；信息智能提取；线段检测；深度霍夫线条先验网络；注意力机制
文献标识码：Ａ
中图分类号：ＴＶ５１２；ＴＰ３９１ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０２８８

１ 研究背景

隧洞工程是国家水网建设的重要构成，其施工进度制约着国家水安全保障规划的实施和水网经济
带的构建 ［１ － ２］ 。准确获取施工活动时间信息是隧洞施工进度分析与决策的重要基础 ［３］ 。施工日志是记
录施工过程的重要载体，从大量施工日志中提取施工活动时间是获取隧洞活动时间信息最常用的方式
之一。该工作是一种知识抽取 ［４］ ，其重复性高、作业量大。然而，当前主要依赖于人工阅读和手动统
计 ［５］ 的提取方式，过程繁琐、可追溯性差，且效率低、易出错，难以兼顾提取的效率与准确性。因
此，有必要提出一种针对隧洞施工日志中的活动时间信息智能高效提取的方法，进一步提升活动时间
信息获取的效率、准确性和智能化水平 ［６］ 。
隧洞活动时间记录的一种常见形式是在施工日志中制作一个表格模板（下文称 “时刻－ 活动表”），
并在其中通过绘制横道图线段记录施工活动时间。提取此类活动时间信息的关键在于检测 “时刻 － 活
动表” 中的手绘横道图线段并将其转换为施工活动时间信息。线段检测是计算机视觉中一个广泛研究

收稿日期：２０２３ － ０５ － １８；网络首发日期：２０２３ － １１ － ０７
网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２３１１０６．１０３０．００２．ｈｔｍｌ
基金项目：国家自然科学基金项目（５２２７９１３７，５２００９０９０）
作者简介：肖尧（ １９９３ － ），博士生，主要从事水利地下工程施工智能仿真与风险分析研究。Ｅ － ｍａｉｌ：ｔｊｕ＿ｓｈａｗ＠ｔｊｕ．ｅｄｕ．ｃｎ
通信作者：余佳（１９９２ － ），助理研究员，主要从事水利地下工程智能建设与管理研究。Ｅ － ｍａｉｌ：ｙｕｊｉａ＠ｔｊｕ．ｅｄｕ．ｃｎ
— ２ ４ —