基于深度学习的隧道裂缝识别方法

• 作者: 何国华 刘新根 朱爱玺 杨俊 陈莹莹
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 裂缝检测 深度学习 图像分类 图像识别
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 计算机与电子信息科学
• 页码范围: 2243-2251
• 页数: 9页
• 分类号: U45|TP391
• 字数: 4314字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2018.2243

摘要

为提高隧道衬砌裂缝的识别精度和速度,提出一种基于深度学习的隧道衬砌裂缝自动识别算法.该算法使用两个深度卷积神经网络分别实现隧道衬砌图像分类和裂缝识别.首先使用图像分类网络对隧道衬砌图像进行分类,筛选出含有裂缝的图像;然后使用裂缝识别网络,结合滑动窗口扫描的方式对含有裂缝的图像进行裂缝识别,得到初步的裂缝定位结果;最后根据初步的裂缝定位结果进行图像分割,并计算出裂缝的长度值和宽度值.实验结果表明:图像分类和裂缝识别的准确率均达到98％;处理单张不包含裂缝的大尺度图像耗时0.008 s,处理单张包含裂缝的图像耗时0.688 s;施工缝﹑线缆﹑字迹等对裂缝识别的影响减弱.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈莹莹		4	8	2.0	2.0
5	刘新根		13	71	5.0	7.0
7	朱爱玺		6	7	1.0	2.0
13	何国华		9	15	3.0	3.0
14	杨俊		6	13	3.0	3.0