1.一种基于图像识别的隧道岩体主要结构面判识方法，其特征在于，包括以下步骤：S1、获取开挖面图像，记为第一图像，对所述第一图像进行切片分割，形成多个第二图像；S2、基于预先训练好的岩体结构面迹线判识模型识别所述多个第二图像，形成多个第三图像，所述多个第三图像为二值图，并带有预测迹线；S3、将所述多个第三图像拼接还原组成第四图像，所述第四图像与所述第一图像大小相等，为二值图，并带有预测迹线；S4、对所述第四图像中的预测迹线进行聚类拟合处理，获取结构面迹线，所述聚类拟合处理包括基于密度的空间聚类算法处理和基于霍夫空间的直线拟合。
2.根据权利要求1所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述S2具体包括：S21、输入所述多个第二图像进行轮循，并对每个第二图像调用所述预先训练好的岩体结构面迹线判识模型进行预测，输出对应的预测图像；S22、基于平均值池化处理所述预测图像，再对处理后的预测图像二值化，形成迹线预测图像；S23、轮循结束后，得到每个第二图像对应的所有迹线预测图像，将所有迹线预测图像组合得到第三图像。
3.根据权利要求1所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，通过以下步骤构建所述预先训练好的岩体结构面迹线判识模型，包括：获取原始图像作为训练集，并进行人工标注；采用交叉熵作为损失函数，用于计算每层损失并修改权重；基于所述训练集对岩体结构面迹线判识初始模型进行训练，得到训练好的岩体结构面迹线判识模型。
4.根据权利要求1所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述预先训练好的岩体结构面迹线判识模型包括5个3×3卷积层、对应的5个Relu函数激活层、对应的5个反卷积层、1个全连接层、1个1×1卷积层以及1个最大池化层。
5.根据权利要求1～4任一所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述S4具体包括：S41、设定基于密度的空间聚类算法参数，输入所述第四图像；S42、结合所述第四图像中的信号区域，聚类属于同一迹线的点，得到若干分类组成的分类空间，所述分类空间的质心点为迹线点；S43、基于霍夫空间轮循各个分类的分类空间，得到所有分类的拟合直线；S44、对所述所有分类的拟合直线进行噪音过滤，得到结构面迹线。
6.根据权利要求5所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述基于密度的空间聚类算法参数，包括：样本的领域距离，以及该领域距离内的样本个数。
7.根据权利要求5所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述S43具体包括：S431、将若干分类组成的分类空间进行坐标转换，转换为极坐标霍夫空间；S432、以某个分类下的分类空间的质心点做直线，固定角度进行旋转，同时取该分类内其他分类空间的质心点到所述直线的距离；S433、当所述距离不超过设定阈值时，所述直线上的点集数量加1，当达到最大旋转次数时，获取点集数量最大的直线，为该分类的拟合直线；S434、重复步骤S432-S433，直到获取所有分类的拟合直线。
8.根据权利要求1所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述对所述第一图像进行切片分割具体包括：获取第一图像的长度和宽度，并设定切片数量，以所述宽度与所述切片数量的比值进行切片分割；所述S3中，根据所述切片数量和所述比值将所述多个第三图像拼接还原组成第四图像。
9.根据权利要求1所述的基于图像识别的隧道岩体主要结构面判识方法，其特征在于，所述二值图中，0表示非迹线，1表示迹线。
10.一种基于图像识别的隧道岩体主要结构面判识装置，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
