地铁盾构隧道裂缝与渗漏水图像采集与智能识别算法研究
简介：隧道病害是地铁运营人员定期巡检的主要任务之一,提出一种深度学习与像素级图像处理算法相结合的隧道表面病害识别方法.首先,利用自主研究的高速采集系统采集大量隧道表面图像,通过像素级标定构建高质量语义分割样本库;然后,针对裂缝和渗漏水的形态特点,提出一种改进的DeepLabV3+算法,从主干特征网络、空洞卷积金字塔模块和解码器多尺度融合3个方面进行改进;最后,提出一种基于像素级图像处理的算法,计算简单背景及病害混叠情况下的裂缝长度和渗漏水面积参数.研究结果表明,提出的改进算法使平均准确度达85.26%,平均交并比达73.62%,相较于其他5种模型,分割结果更为精细,对于复杂背景和裂缝与渗漏水混叠的复杂病害仍有很好的分割效果.同时,像素级处理可以完成典型病害及复杂情况的参数提取,实现整体地铁隧道表面病害的智能识别.研究成果不仅可以实现裂缝和渗漏水的准确检测,而且能用于分析复杂背景和2种病害混叠情况的复杂病害.展开
关键词：图像采集语义分割病害参数计算隧道裂缝隧道渗漏水复杂病害
在线出版日期：2025-03-05 （网站首发日期）
