原文传递
山区公路隧道衬砌裂缝快速检测及智能识别技术研究
| 题名： | 山区公路隧道衬砌裂缝快速检测及智能识别技术研究 |
| 作者： | 高嵩 1,2 朱德翔 1,2 谢雄耀 3,4 周彪 3,4 周应新 2 王皓正 5 罗世卫 3,4 |
| 作者单位： | 1. 云南云路工程检测有限公司2. 云南省交通投资建设集团有限公司3. 同济大学岩土及地下工程教育部重点实验室4. 同济大学土木工程学院5. 浙江省交通运输科学研究院 |
| 关键词： | 隧道工程;裂缝检测;深度学习;机器视觉; |
| 摘要： | 为满足隧道表观病害检测的巨大需求，助力数字中国发展战略，自主研发了山区隧道快速检测车，详细介绍了检测车机器视觉模块的总体架构和工作原理。通过分析由检测车采集的海量隧道衬砌图像，总结了4条山区公路隧道衬砌图像特征。为了解决现有改进的Faster R-CNN裂缝识别原始模型在新的场景下的裂缝识别精度下降的问题，需进一步提升原模型泛化性能，由此展开两阶段研究工作：第一阶段对使用原模型识别出的裂缝图像进行标注，形成基于新场景的小样本数据集；第二阶段展开模型优化训练试验，基于迁移学习和增量学习相关理论提出4种模型训练策略，用于更新原模型，并将新模型的准确率和收敛时间与原模型对比。研究结果表明：运用迁移学习和混合20%原数据训练集的增量学习所对应的两种训练策略是经济可行的，与直接训练新数据集的训练策略相比，平均精准率分别提升了17.77%和17.95%,可大幅度提高识别准确率；将对比得到的新模型用于云南楚姚高速公路10条隧道的检测，取得了良好的效果。 |
| 期刊名称： | 公路 |
| 出版日期： | 202404 |
| 出版年： | 2024 |
| 期： | 7 |
检索历史
应用推荐
