1.一种隧道围岩多模态智能精细分级方法，其特征在于，包括以下步骤：S1、构建样本库，该样本库包括掌子面的原始随钻参数、数码图像以及对应的掌子面围岩级别；S2、构建随钻参数精细化分级特征体系；具体包括如下：S21、基于4项原始随钻参数，计算等效推进力、等效冲击力、难钻进指标、E指标、等效进给速度5项岩石可钻性指标；S22、以掌子面开挖循环为单位，统计4项原始随钻参数和5项岩石可钻性指标的6项统计特征，具体包括均值、第一四分位数、第二四分位数、第三四分位数、标准差和变异系数6项；S23、以掌子面开挖循环为单位，根据原始随钻参数、岩石可钻性指标、统计特征，生成9×2×3的随钻参数三维特征向量；S3、构建多模态数据融合的围岩智能分级模型；具体包括如下：S31、通过双卷积神经网络进行特征提取，并获取每个模态的分级概率；S32、建立掌子面数码图像模态和随钻参数模态的权重自适应调整机制，以实现多模态模型的自动训练；S4、根据隧道轮廓和炮孔分布特点，将掌子面前方岩体划分为若干个三维空间单元体；具体包括如下：S41、在掌子面二维横向方向上，沿隧道的宽度和高度，根据隧道轮廓和炮孔分布情况，将掌子面划分为18个横向分块；S42、沿隧道掘进方向，对掌子面区域进行进一步分段，最终构成若干个三维空间单元体；S5、基于围岩智能分级模型，精细化智能判识掌子面围岩级别；具体包括：构建每块单元体随钻参数三维特征向量，将掌子面数码图像按照相同的横向分块方式进行拆分，将每块单元体的随钻参数三维特征向量和对应的横向分块掌子面数码图像输入隧道围岩多模态智能分级模型，获得任意单元体的围岩级别，实现掌子面围岩级别的精细化智能判识。
2.根据权利要求1所述的隧道围岩多模态智能精细分级方法，其特征在于：所述步骤S1中样本库的掌子面原始随钻参数包括智能型凿岩台车自动化采集进给速度、冲击压力、推进压力以及回转压力；掌子面数码图像采集于台车的机载式工业相机；掌子面围岩级别通过规范方法确定，包括II级、III级、IV级和V级。
3.根据权利要求1所述的隧道围岩多模态智能精细分级方法，其特征在于：在步骤S21中，5项岩石可钻性指标以及推进力F f 、冲击力F h 和回转扭矩M r 的计算公式为:Γ ff ＝F f /(M r /D)Γ fh ＝F h /(M r /D)Γ v ＝V p /(V r D)Γ hard ＝Γ ff Γ fh /Γ v式中：Γ ff 是等效推进力；F f 是推进力；D是钻头直径；M r 是回转扭矩；Γ fh 是等效冲击力；F h 是冲击力；Γ v 是等效进给速度；V p 是进给速度；V r 是钻具钻速；Γ hard 是难钻进指标；E是E指标；D f 是活塞后端直径；P f 是推进压力；D hB 是活塞后端直径；m h 是活塞质量；P h 是冲击压力；S h 是冲击行程；t h 是撞击纤尾时间；P r 是回转压力；q r 是马达排量；i r 是减速比；在步骤S22中，四分位数是通过将数据从小到大排序后，再将排序后的数据分成四等份而获得的，其中第一四分位数Q1对应的是第25％位置的值，第二四分位数Q2是中位数，对应第50％位置的值，第三四分位数Q3则对应第75％位置的值，均值、标准差、变异系数计算公式为：式中：u c 是数据点均值；c i 是单个数据点；n c 是数据点总数；σ c 是数据点标准差；c v,c 是数据点变异系数；在步骤S23中，将原始随钻参数和岩石可钻性指标共计9项特征，首先分别与第一四分位数和第二四分位数组合，构成第一个二维特征向量，其次与第三四分位数和标准差组合，构成第二个二维特征向量，最后与均值和变异系数组合，构成第三个二维特征向量，然后将这3个二维特征向量在二维平面上纵向堆叠，构建生成9×2×3的随钻参数三维特征向量。
4.根据权利要求1所述的隧道围岩多模态智能精细分级方法，其特征在于：在步骤S31中，采用双卷积神经网络算法，将掌子面数码图像和随钻参数三维特征向量作为输入，每个模态的网络都设置有一层卷积层和池化层，在全连接层中进行线性变换，并使用Softmax函数计算每种模态的4种围岩级别的分级概率；在步骤S32中，通过交叉熵损失函数，建立掌子面数码图像模态和随钻参数模态的权重自适应调整机制，即不同模态的分级概率与交叉熵函数的映射关系：式中：L是损失率；y i 是实际的标签；p i 是模型预测概率；K是标签类别总数；i是索引变量，由1到K；weight c 是c模态的权重；L c 是c模态的损失率；基于每个模态的权重，分别计算4种围岩级别的加权分级概率，将两个模态下相同围岩级别的加权分级概率相加，得到隧道围岩多模态智能分级模型的4种围岩级别的分级概率，使用交叉熵损失函数计算隧道围岩多模态智能分级模型的总损失率，并根据每个模态的权重分配损失率，进行反向传播以更新模型参数。
5.根据权利要求1所述的隧道围岩多模态智能精细分级方法，其特征在于：所述步骤S41具体包括：以隧道的中线和坑底面为基准，先绘制水平线和竖直线，然后分别向上下、左右方向偏移2至4m，单块最大尺寸设定为2至4m，直到覆盖隧道的轮廓边界；最终将整个隧道轮廓划分为18个区块，编号依次为K-1到K-18，面积在3m 2 至8m 2 之间。
6.根据权利要求1所述的隧道围岩多模态智能精细分级方法，其特征在于：所述步骤S42具体包括：将纵向分段的间距设定为0.4m，通过在掌子面横向的宽度和高度方向分块，结合纵向的分区，最终将这些二维分区沿掌子面前方的深度延伸，形成若干个三维空间单元体。
7.一种根据权利要求1-6中任一项所述隧道围岩多模态智能精细分级方法的系统，其特征在于：包括如下模块：样本库构建模块(110)：构建样本库，样本库包括掌子面的随钻参数、数码图像以及对应的掌子面围岩级别；特征构建模块(120)：构建随钻参数精细化分级特征体系；围岩智能分级模型构建模块(130)：构建多模态数据融合的围岩智能分级模型；掌子面前方岩体划分模块(140)：根据隧道轮廓和炮孔分布特点，将掌子面前方岩体划分为若干个三维空间单元体；掌子面围岩级别智能精细化判识模块(150)：基于围岩智能分级模型，精细化智能判识掌子面围岩级别。
