隧道表面图像多目标智能识别算法研究

摘要：

隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究.提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别.考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测.试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2％,渗漏水的检测率为96.9％,验证了模型和算法的有效性.

关键词：图像处理、隧道病害、深度学习、卷积网络

所属期刊栏目：44

分类号：TP394.1;TH691.9(计算技术、计算机技术)

资助基金：中央高校基本科研业务费2020JBZD003

在线出版日期：2022-10-21（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：154-162