Page 38 - 2024年第55卷第1期

图 １２ ＧＣＮｅｔ注意力模块对提取特征的影响
工统计存在提取效率低、易出错的不足，提出了一种基于改进 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，得到了以下成果：
（ １）将隧洞施工日志中手绘横道图线段记录信息的提取转化为线段检测问题，提出基于改进 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，为实现施工活动信息的准确、高效、智
能提取提供了新思路和新手段。
（２）针对隧洞施工日志图像存在的旋转、倾斜、扭曲等问题，采用单应性变换对原始图像进行预
处理；进一步，构建了用于检测隧洞手绘横道图线段的改进 ＨＴ － ＬＣＮＮ模型，通过将 ＧＣＮｅｔ注意力模
块与 ＨＴ － ＬＣＮＮ残差模块融合，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，提高骨干网络提取目标线段特征的能力，进而降低表格模板与文字的干扰，提升了手绘横
道图线段的检测精度；最后，建立了施工时刻 － 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。
（３）以某长距离输水隧洞 ＴＢＭ施工日志为例，采用本文所提出方法进行施工活动时间信息的智能
提取。通过与 ＬＣＮＮ、ＨＴ － ＬＣＮＮ两个模型的对比，本文方法的线段检测结果 ＡＰ、ＡＰ 和 ＡＰ 均为最
１０
１５
５
高，验证了本文方法在检测施工日志中手绘横道图线段任务上的优越性。与人工提取结果相比，基于
本文方法所得结果的平均绝对误差为 １．８２ｍｉｎ，最大绝对误差为 ９ｍｉｎ，最小绝对误差为 ０ｍｉｎ，具有
较高的提取精 度。本 文所 提出 的方法 能够 在保证 提 取 精 度 的 前 提 下，极 大 提 高 提 取 效 率 和 自 动 化
水平。
本文所提出的隧洞施工活动时间信息提取方法，不仅能够为同类工程的施工活动时间记录与提取
提供新的思路与手段，而且能够为采用符号化、图形化方式记录信息的文档进行高效识别提供方法与
思路借鉴。在未来的研究中，可以进一步研究提高提取准确率的方法，并深入研究对文档内手绘图
形、手写文字与印刷文字等信息的综合全面提取与智能匹配技术，实现工程施工信息更加智能、高效
的提取，提高工程建设的数字化、智能化管理水平。

参 考 文 献：

［ １］ 赵勇，王浩，马浩，等．中国 “双 Ｔ” 型水网经济格局建设构想 ［Ｊ］．水利学报，２０２２，５３（１１）：１２７１ －
１２７９ ，１２９０．
［ ２］ 王建华，赵红莉，冶运涛．智能水网工程：驱动中国水治理现代化的引擎［Ｊ］．水利学报，２０１８，４９（９）：

— ３ ３ —