基于深度学习的盾构隧道衬砌病害识别方法

• 作者: 李宜城 薛亚东
• 来源期刊: 湖南大学学报（自认科学版）
• 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
• 年，卷（期）: 2018,（3）
• 页码范围: 100-109
• 页数: 10页
• 分类号: TU93
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2018.03.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛亚东	同济大学岩土及地下工程教育部重点实验室	56	461	13.0	19.0
5	李宜城	同济大学岩土及地下工程教育部重点实验室	2	20	2.0	2.0