基于级联神经网络的隧道衬砌裂缝识别算法研究

摘要：

为提高隧道衬砌裂缝自动识别效率及裂缝区域提取的准确度,针对隧道内环境较为复杂、隧道衬砌裂缝形态多样化且在图像中占比较小的特点,提出基于特征提取、区域分类与区域分割的三级联网络结构.特征提取网络获取多尺度特征图,融合深浅层特征,解决裂缝特征表征较弱无法有效提取的问题.区域分类网络基于多尺度区域筛查,利用非极大值抑制剔除不同区域间的重复锚框,并通过自适应区域扩张确保裂缝的完整性.在区域分割网络中,融合多尺度特征图获得更准确的分类结果,最终将小区域分割结果映射到整张图像实现裂缝识别.在相同条件下将网络分割结果与FCN、UNet网络进行对比分析,结果表明:裂缝分类网络识别精度可达98.97％,分割网络精度达94.44％,比FCN及UNet分别提高了6.83％及4.42％.

关键词：隧道衬砌;裂缝;级联式神经网络;多尺度;自适应区域扩张

所属期刊栏目：43

分类号：U457.5(隧道工程)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2021-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：127-135