基于深度学习的地铁隧道衬砌病害检测模型优化

• 作者: 李宜城 薛亚东 高健 黄宏伟
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 地铁盾构隧道 裂缝 渗漏水 深度学习 病害检测
• 年，卷（期）: 2020,（7）
• 页码范围: 137-146
• 页数: 10页
• 分类号: U456.3
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2020.07.016

摘要

地铁盾构隧道衬砌病害检测面临的最主要问题是如何获取高质量的病害图片以及如何快速、准确实现病害检测.基于CCD线阵相机设计制造了地铁隧道病害检测车,并针对上海运营地铁1、2、4、7、8、10、12等线路采集了大量的衬砌图像,通过手工标注建立高质量隧道病害样本库.基于卷积神经网络Faster R-CNN(Faster Region-based Convolutional Neural Net-work),构建了病害自动检测深度学习框架.考虑到裂缝及渗漏水病害的特殊性,采用数据统计分析及K-means聚类算法分析其几何特征,结合病害特征优化VGG-16网络模型中的anchor box相关参数.结果表明,修正后的模型病害检测准确度有明显的提升(约7％),同时模型的训练时间减少.经验证,上述方法同样可提高裂缝或渗漏水单一病害识别模型的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄宏伟	同济大学地下建筑与工程系	219	6715	45.0	74.0
5	薛亚东	同济大学地下建筑与工程系	56	461	13.0	19.0
9	高健	同济大学地下建筑与工程系	7	11	2.0	3.0
13	李宜城		1	0	0.0	0.0