1.一种基于盾构出渣检测的溶洞识别方法，其特征在于，包括以下步骤：S1，根据地质勘察结果，确定盾构掘进过程中的岩溶发育区段；S2，采集岩溶发育区段的盾构掘进出渣图像，制作溶洞充填物目标识别数据集，基于YOLO模型对带有溶洞充填物的图像进行训练，得到相应的模型权重；S3，在连接桥范围内，盾构机螺旋输送机出渣口搭载出渣检测相机以及出渣皮带称重系统；出渣皮带称重系统包括内置有称重传感器的称重桥架、出渣皮带速度传感器以及称重仪表，出渣皮带称重系统用于实时检测出渣量，若遭遇溶洞后能够及时感知出渣量的减少，且输出的称重数据可用于计算开挖面上的溶洞面积；累计渣土重量Q的计算方法为：其中：T为时间；Q为T时间内的累计渣土重量；Rate(t)为某一时刻的渣土重量值，其计算式为：其中：Y为比例系数，为无量纲常数，通过标定和校准得到；v(t)为某一时刻的出渣皮带的瞬时速度；q(t)为某一时刻的出渣皮带单位长度上的渣土瞬时重量；出渣皮带称重系统包括两套，两套出渣皮带称重系统通过相同的标定方法进行标定，并且相互校核；S4，当盾构刀盘扭矩以及推力发生跳动，且跳动幅度超过预设阈值，基于模型权重调用出渣检测相机进行出渣图像检测，并进行出渣重量检测；步骤S4中，当盾构刀盘扭矩以及推力发生跳动，且跳动幅度大于20%，开始进行1min的出渣图像检测以及出渣质量检测，并记录1min内盾构的掘进距离、盾构超挖尺寸、注水重量；出渣图像检测通过YOLO目标检测器中的检测模块调用摄像头完成，检测模块中采用训练好的YOLO模型权重；溶洞充填物的检测和标注结果在上位机显示和存储；出渣图像检测步骤包括：S41，采集图像预处理：对图像进行预处理，预处理包括溶洞充填物目标定位、图像增强和图像去噪；S42，图像特征提取：将预处理后的溶洞充填物图像作为输入图像，在神经网络中进行特征提取；S43，目标边界框的预测：通过转换获取图像中的标签数据，进行目标边界框的预测；S44，损失回归：损失函数的计算；出渣质量检测由出渣皮带称重系统完成，得到1min内皮带渣土累计重量；1min内盾构的掘进距离、盾构超挖尺寸、注水重量，这些信息在盾构机的上位机内会有显示和记录，在实际操作过程中可通过盾构机的上位机导出和使用这些信息；S5，通过出渣图像检测结果以及出渣重量辨别溶洞类别以及计算开挖面上的溶洞面积；步骤S5中，如果出渣检测相机的输出图像中标注出溶洞充填物渣土，则证明遭遇充填型溶洞，通过1min内皮带渣土累计重量与盾构未遭遇溶洞掘进1min理论出渣质量可得出开挖面上的溶洞面积，计算式如下：式中：S c 为开挖面上的溶洞面积，G t 为盾构未遭遇溶洞掘进1min的理论出渣质量，G r 为1min出渣皮带称累计重值，ρ f 为溶洞充填物的密度，L 1 为盾构机1min的掘进长度；其中，盾构未遭遇溶洞掘进1min理论出渣质量G t 的计算式为：式中：D c 为刀盘外直径，δ为盾构超挖尺寸，ρ s 为掘进地层的密度，G w 为盾构掘进1min的注水重量；如果出渣检测相机的输出图像中未标注出溶洞充填物渣土，但是出渣皮带称重质量有明显减少，则证明遭遇空洞或是溶洞充填物较少的溶洞，通过1min内皮带渣土累计重量与盾构未遭遇溶洞掘进1min的理论出渣质量可得出溶洞体积，计算式如下： 。
2.根据权利要求1所述的基于盾构出渣检测的溶洞识别方法，其特征在于，步骤S1中，地质勘察需要确定地层类别、地层的分布、地层的物理力学参数，并确定隧道场地内的溶洞发育范围、溶洞的类型和溶洞充填物的物理力学参数；还包括获得地层的密度、溶洞的充填物类别以及溶洞充填物的密度。
3.根据权利要求1所述的基于盾构出渣检测的溶洞识别方法，其特征在于，步骤S2中，出渣图像需要含有螺旋输送机出渣口以及位于出渣口下部的出渣皮带上的渣土；制作溶洞充填物目标识别数据集包括：数据集增强、数据集标注、数据集划分、数据集转换。
4.根据权利要求3所述的基于盾构出渣检测的溶洞识别方法，其特征在于，步骤S2中，数据集增强用于对出渣图片及图片中的目标进行处理以丰富训练时的样本数量并提升样本质量，包括：使用平铺目标增加溶洞充填物目标在图片中的数量、使用中值滤波提高溶洞充填物目标的边缘轮廓清晰度以及使用Mosaic增强丰富溶洞充填物目标的特征；数据集标注包括对出渣图片中溶洞充填物目标的像素级标注，用点确定粗边缘，再通过连接所有点，以实现详细轮廓勾画；数据集划分将图片数据集划分为训练集、验证集和测试集，训练集用于对YOLO模型的训练阶段，验证集用于YOLO模型的评估阶段，测试集用于YOLO模型对于出渣图像的测试阶段；数据集转换用于将完成标注数据集的文件格式转换为YOLO模型训练所需格式。
5.根据权利要求3所述的基于盾构出渣检测的溶洞识别方法，其特征在于，步骤S2中，基于YOLO模型通过梯度下降和反向传播方法迭代进行深度学习的训练，并通过微调神经元中的权重使得损失函数最小化，损失函数CIoU Loss 的计算式包括：其中：B表示预测框的面积，B i 表示真实框的面积，Distance 2 是预测框与目标框的中心点距离，Distance c 是最小外接矩形对角线长度， 和 分别是预测框和目标框的高宽比。
6.根据权利要求3所述的基于盾构出渣检测的溶洞识别方法，其特征在于，采用YOLO模型对出渣检测相机进行调用，可实时检测渣土的类别，如果渣土中出现溶洞充填物，可自动追踪以及标注出溶洞充填物，并在上位机中显示和储存。
7.根据权利要求6所述的基于盾构出渣检测的溶洞识别方法，其特征在于，出渣检测相机包括高帧率工业相机，连接桥上设置有补光装置，用于对目标区域进行补光，出渣检测相机通过减震垫安装在连接桥上。
