基于全景图像的隧道渗漏水病害识别方法

摘要：

针对隧道衬砌结构渗漏水形态复杂,光照与背景干扰强,样本不平衡导致的误识别与漏识别问题,为提高渗漏水自动识别准确率和效率,提出基于全景图像的渗漏水病害快速检测方法.首先,依据自主研发的隧道检测车采集结构表观全景图像,构建专属的渗漏水定位检测及分割样本库;然后,针对渗漏水这类形态非刚性目标,改进了 DeepLab V3+分割网络,引入可变形卷积以提高感受野尺度变化自适应能力,同时融合逐像素交叉熵损失函数与Focal Loss损失函数;最后,提出方向区域搜索算法,解决因窗口滑动预测方式而造成分割断裂的问题.研究结果表明:与UNet、DeepLab V3+相比,提出的改进算法分割精度平均交并比为91.02％,提高了 3.3％;同时平均每张2 560×2 048像素图片识别耗时0.30 s,降低了 23％.方法已集成于同济曙光病害自动识别软件,并已用于隧道检测工程作业中,取得良好的应用效果.

关键词：隧道检测、渗漏水、深度学习、目标检测、精细分割

所属期刊栏目：45

分类号：U457.2(隧道工程)

资助基金：山东省重点研发计划;国家重点研发计划

在线出版日期：2023-09-15（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：184-192