基于全景图像CNN的隧道病害自动识别方法

• 作者: 汤一平 胡克钢 袁公萍
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 隧道 全景图像 病害检测 卷积神经网络
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 模式识别与图像处理
• 页码范围: 207-211,250
• 页数: 6页
• 分类号: TH183
• 字数: 6785字
• 语种: 中文

摘要

针对目前隧道衬砌病害检测过程中难以快速、方便地获取隧道内壁全景图像以及难以自动检测识别各种病害等问题,提出一种基于全景图像CNN的隧道病害自动识别方法.首先通过一种全景视觉传感器快速获取隧道内壁的全景图像;然后对全景图像进行处理,主要通过全景图像展开、图像预处理、二值化处理等操作来提取疑似病害区域;最后,采用卷积神经网络对病害进行自动检测分类识别.实验结果表明,所提方法极大程度地简化了检测装置在获取隧道内壁全景图像的结构,通过端对端的卷积神经网络实现了各种隧道病害特征的自动提取、检测和识别,并具有88％的检测识别精度,为隧道的维护、竣工验收提供了有效的技术支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤一平	浙江工业大学信息工程学院	108	966	16.0	24.0
2	袁公萍	浙江工业大学信息工程学院	13	67	4.0	8.0
3	胡克钢	浙江工业大学信息工程学院	6	63	5.0	6.0