| 基于深度学习的地铁隧道衬砌病害检测模型优化 |
| |
| 引用本文： | 薛亚东,?覮,高健,李宜城,黄宏伟. 基于深度学习的地铁隧道衬砌病害检测模型优化[J]. 湖南大学学报(自然科学版), 2020, 47(7): 137-146. DOI: 10.16339/j.cnki.hdxbzkb.2020.07.016 |
| |
| 作者姓名： | 薛亚东 ?覮 高健 李宜城 黄宏伟 |
| |
| 作者单位： | 同济大学地下建筑与工程系,上海200092;同济大学岩土及地下工程教育部重点实验室,上海200092,同济大学地下建筑与工程系,上海200092;同济大学岩土及地下工程教育部重点实验室,上海200092,中建丝路建设投资有限公司,陕西西安 710000,同济大学地下建筑与工程系,上海200092;同济大学岩土及地下工程教育部重点实验室,上海200092 |
| |
| 基金项目： | 国家自然科学基金;上海市科委项目 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 地铁盾构隧道 裂缝 渗漏水 深度学习 病害检测 |
Optimization of Shield Tunnel Lining Defect Detection Model Based on Deep Learning |
| |
| XUE Yadong,GAO Jian,LI Yicheng,HUANG Hongwei. Optimization of Shield Tunnel Lining Defect Detection Model Based on Deep Learning[J]. Journal of Hunan University(Naturnal Science), 2020, 47(7): 137-146. DOI: 10.16339/j.cnki.hdxbzkb.2020.07.016 |
| |
| Authors: | XUE Yadong GAO Jian LI Yicheng HUANG Hongwei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《湖南大学学报(自然科学版)》下载全文 |
|
