|
|||||
|
|
| 基于深度学习的盾构隧道衬砌病害识别方法 | |
| 作者姓名： | 薛亚东 李宜城 |
| 作者单位： | (1.同济大学 岩土及地下工程教育部重点实验室,上海 200092;2.同济大学 土木工程学院,上海 200092) |
| 摘 要： | 隧道衬砌病害的检测是隧道维护和保障运营安全的重要环节.以基于CCD线阵相机移动式地铁衬砌病害检测系统的采集图片为研究对象,利用计算机科学最前沿的深度学习方法,提出了一种完全区别于传统手段的隧道病害识别方法,通过提取并建立隧道病害样本库,搭建深度学习框架,利用深度卷积神经网络(Convolutional Neural Network,CNN)训练样本,建立隧道衬砌特征图像分类系统.针对既有的CNN模型GoogLeNet,采用优化的卷积核,并改进了其inception模块与网络结构,获得了准确率超过95%的网络模型.通过实例对目前流行的深度学习框架(Caffe与Torch)以及图像对比度增强处理方法(如直方图均衡化处理(Histogram Equalization,HE))进行了测试.测试结果表明,深度学习方法用于隧道衬砌图像处理,具有准确率高,速度快,可扩展性好等特点,特别是对背景复杂条件下的图像处理更具鲁棒性. |
| 关 键 词： | 盾构隧道 衬砌病害 深度学习 卷积神经网络 图像分类 |
| 本文献已被 CNKI 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)》下载免费的PDF全文 | |