基于U-Net++网络的隧道排水孔堵塞检测方法

摘要：

为提高传统基于图像检测的隧道排水孔堵塞识别效率,利用U-Net++神经网络模型的人工智能语义分割方法对隧道排水孔堵塞图像进行处理,并引入淤堵程度评估指标,对不同淤堵程度的排水孔进行准确分类.结果表明,所提方法的损失曲线显示出较好的收敛趋势,同时训练集和验证集上的准确率均呈现出稳定提升的趋势,在准确率、召回率和F1分数等指标上优于其他常用图像分割方法,分别达到96%、95%和95%.模型在IoU和Dice系数方面同样表现优异,分别达到了91%和95%.此外,模型对光照变化以及不同噪声环境都具有一定的适应能力,在不同场景下依然表现出较好的性能.所提出的基于U-Net++神经网络的智能识别方法在准确性、鲁棒性和适应性方面均表现出较高的水平,为隧道排水孔堵塞检测任务提供了一种有效的解决方案.

关键词：隧道排水孔堵塞、图像识别、卷积神经网络、语义分割、U-Net++网络模型

所属期刊栏目：60

分类号：U456(隧道工程)

资助基金：甘肃省重点研发计划21YF1GA381

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10页

页码：76-85