超前预报设备探测信息的解读一直是困扰隧道建设的一个难题。如果没有及时发现隧道前方的富水破碎带，就会导致隧道后续支护设置不合理，严重时会引起围岩垮塌、变形，严重影响施工质量。

文马高速和文麻高速作为云南省“十三五”交通规划的重点项目，共有隧道28座，总长26.8公里。项目沿线地质复杂，围岩破碎，岩溶广布，如何精准探测富水破碎带分布，成了二航局项目总工李赤谋时刻思考的问题。通过地质雷达进行探测成效固然很好，但是，探测波形图像需要专业解析，单靠现场工程人员的经验判断，不仅工作量大、速度慢，结果的准确性也难以保证。如何开发一款自动化地质雷达图像解译系统，精准探测富水破碎带区域分布，成为项目技术人员亟需攻克的难题。

如何辨别图像特征，进行自动化解译是研发路上的一大难关。“既然是给隧道内部做解析，我们是否可以借鉴医学上的电子计算机断层扫描（CT）图像识别技术呢？”袁青的一句话点醒了众人。医学CT将X射线束转变为黑白图像，地质雷达的电磁波信号处理后也是黑白图像。两者有一定的相似之处，而成熟完善的CT图像识别技术正是地质雷达图像解译的一个突破方向。

研发小组通过广泛调研，确立了以深度学习卷积神经网络为算法基础的地质雷达智能定位解译系统设计方案。但是，深度学习算法的首要条件是数据，没有大量样本的综合学习，最终的识别精度和效率都难以保证。于是，技术中心研发小组联合多家单位，辗转多个项目采集了近6000张富水破碎带地质雷达图像，标注了其中3000张图像的不良地质体位置，整理归纳了4类图像特征，形成了一套地质雷达图像特征分类方法，最终建立起满足后续图像识别学习的风险源数据库。

解决了数据问题后，如何精确提取富水破碎带特征并让机器进行领悟学习是重中之重。为此，技术中心研发小组学习了目前图像识别的先进算法，深入理解了神经网络技术：它就像人工合成的大脑神经元，只有不停地让它学习，经过更深层次的领悟，层层递进、不断循环，才能茁壮成长，最终实现人脑所具备的识别功能。在对地质雷达图像特征的迭代学习中，他们完成了程序识别精度的不断提升，实现富水破碎带的自动化识别。

“核心功能”研发完成了，但如何将理论与实践相结合，保证现场工程人员的便捷使用成为又一难题。“如今是大数据时代，我们何不打造一个在线平台，大家各自上传图片解译，各取所需。”技术骨干袁青说道。于是，他将图像导入、智能解译、报告生成等主体功能一个个安插进在线平台，经过反复尝试摸索，满足工程人员使用习惯的地质雷达智能定位解译系统终于成型，实现了地质雷达图像的一体化精细处理，使预报效率、精度均有大幅提升。

如今，伴随着工程应用的不断展开与软件自身的迭代学习，地质雷达智能定位解译系统已经越来越高效，一张图像从导入识别到报告导出耗时不到半分钟，平均解译准确率在95%以上，已为多条隧道规避地质风险，辅助施工决策。“它就像是我们培养的一名地质工程专业的‘学生’，拥有人工智能加持的超级“大脑”，经过不同项目的磨炼学习,终有一天会变成一个经验丰富的‘地质专家’。”袁青满怀期待地说道。