残差网络算法在隧道衬砌病害识别中的应用

• 作者: 李夏利 焦良葆 曹雪虹
• 来源期刊: 软件导刊
• 关键词: 深度学习 图像分类 隧道衬砌 残差神经网络 病害识别
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 软件设计、开发与应用
• 页码范围: 168-173
• 页数: 6页
• 分类号: TP319
• 语种: 中文
• DOI: 10.11907/rjdk.202523

摘要

隧道衬砌结构病害检测与诊断是保障其安全运营的重要手段.针对传统探地雷达图像识别方法准确率不高、复杂目标体识别难度大、识别流程较为繁琐、不能实现端到端识别等问题,提出基于残差神经网络(ResNet)的病害识别方法.根据实际检测将隧道衬砌病害归纳为5种类别(包含无病害类型),并采用ResNet对隧道衬砌病害数据集进行有监督的训练,采用准确率、召回率、平均准确率等指标评价分析不同层数残差网络在实测数据集上的表现,测得ResNet-34神经网络在隧道病害数据集上的识别率为98.9％.采用基于ResNet的病害识别算法检测隧道衬砌病害具有识别准确率高、检测误差小的优点,可以满足实际工程需求.