排序方式： 共有33条查询结果，搜索用时 15 毫秒
31.
地铁盾构隧道衬砌病害检测面临的最主要问题是如何获取高质量的病害图片以及如何快速、准确实现病害检测.基于CCD线阵相机设计制造了地铁隧道病害检测车,并针对上海运营地铁1、2、4、7、8、10、12等线路采集了大量的衬砌图像,通过手工标注建立高质量隧道病害样本库.基于卷积神经网络Faster R-CNN(Faster Region-based Convolutional Neural Network),构建了病害自动检测深度学习框架.考虑到裂缝及渗漏水病害的特殊性,采用数据统计分析及K-means聚类算法分析其几何特征,结合病害特征优化VGG-16网络模型中的anchor box相关参数.结果表明,修正后的模型病害检测准确度有明显的提升(约7%),同时模型的训练时间减少.经验证,上述方法同样可提高裂缝或渗漏水单一病害识别模型的准确度. 相似文献
32.
裂缝是隧道衬砌最常见的病害之一,裂缝检测是后期隧道养护的前提。在图像采集过程中对隧道衬砌裂缝进行实时快速识别,对提高隧道病害检测效率具有重要的意义。针对传统的裂缝图像识别方法存在运行速度慢、效率低等缺点,提出基于图像结构信息的隧道衬砌裂缝实时快速识别方法。首先将图像结构信息用图像像素的灰度均值、标准差和结构元素掩码表示,随后采用不同方向的结构元素掩码对采集的当前图像进行卷积运算,并计算当前图像与样本图像之间的亮度信息和对比度信息,最后计算图像结构信息因子,可实时快速识别出衬砌裂缝,并通过接受者操作特征曲线估计最优参数和最佳阈值。现场实验结果表明,算法的识别时间远小于图像的采集和存储时间,识别速度快且准确性高,可显著提高隧道衬砌病害的检测效率,具有一定的工程应用价值。 相似文献
33.
为分析地铁隧道中浮置板轨道的减振特性，基于轨道-隧道-地基二维耦合模型，通过引入位移势函数和双重傅里叶变换，推导了移动简谐荷载作用下二维耦合模型的位移响应解答，研究了浮置板轨道参数敏感性.研究表明，二维耦合模型存在3个自振频率，地层的位移响应以低频为主，峰值频率在1Hz左右，不同荷载频率下地层竖向位移沿深度的变化规律不同.地层加速度响应以中低频为主，第二自振频率对应的地层加速度峰值最大，采用浮置板轨道并不能减少地层振动位移，但可以有效降低1.414倍第二自振频率以上地层振动的加速度响应.增加浮置板质量和降低钢弹簧刚度可以减少地层的加速度响应达到减振目的，改变钢轨扣件刚度和浮置板抗弯刚度对地层加速度响应的影响很小.研究可为地铁环境振动的快速评估提供参考. 相似文献