基于样本自动标注的隧道裂缝病害智能识别

摘要：

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测,提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法;针对隧道裂缝形态特征建立裂缝图像的特征样本库,改进了AlexNet深度卷积网络结构;设计研制了轨道移动式隧道图像采集系统以及巡检车,采集并构建了包含 4500张裂缝图像样本和 1500张测试图像的数据集,用以验证算法的可行性和有效性.研究结果表明:采集的图像清晰度符合要求,所设计算法可完成裂缝目标自动标注;裂缝图像测试集的识别率达到97.8%,证明了算法研究和采集系统的有效性.

关键词：图像采集、图像处理、裂缝病害、深度学习、样本标注

所属期刊栏目：58

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;国家重点研发计划

在线出版日期：2023-11-02（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：1001-1008,1036