一种基于深度学习的地铁盾构隧道病害检测方法技术

一种基于深度学习的地铁盾构隧道病害检测方法，具体实施步骤如下：A.架设摄像头并进行摄像；B.测区数据的过拟合处理；C.模型的评价与修正；D.隧道损伤的识别与定位；E.隧道测区位置损伤自动在线监测与实时存储。本发明专利技术的优点是：1.解决了传统人工巡检效率低、数字化程度低、不利于检测的信息化、自动化的缺点；2.解决了传统隧道损伤监测方法中图像传输距离受限的问题，提高测量精度；3.通过加入深度学习算法，可以大大减轻由于环境因素导致的识别失误；4.采用高速千兆以太网将摄像头采集到的图像信息传输到计算机，实时传输快，实现数据在线即时处理，可以将监控视频与拉索实时应力状态结合查看，可以实现事件全信息回放。

A Method of Disease Detection for Metro Shield Tunnel Based on Deep Learning

【技术实现步骤摘要】
一种基于深度学习的地铁盾构隧道病害检测方法
本专利技术涉及一种对盾构损伤进行实时监测的方法。
技术介绍
近年来，随着地铁盾构隧道技术的不断发展，盾构法作为一种高效的地下施工方式，已经成为我国大部分城市的地下和水下隧道工程的主要施工方法。但目前国内大部分是用的是混凝土制的管片，其在生产、运输、施工和服役的过程中都有可能发生破坏产生损伤和其他的损害。目前的人工巡检方式效率低、数字化程度低、不利于检测的信息化、自动化；而随着隧道历程的增加，人力成本的不断上升，使用人工巡检越来越不能满足检修的需要。1、一般隧道及盾构隧道的损伤研究目前国内对于隧道损伤的研究主要包括隧道病害检测技术、方法、程序与制度；隧道病害成因研究；病害分类方法；病害健康诊断方法的研究；隧道安全性分析和计算模型；隧道维修加固技术等。我国自从1998年开始实施的《桥隧建筑物劣化评定标准》中详细划分了隧道病害的种类，分别为隧道衬砌裂损、衬砌结构漏水、衬砌劣化三大类病害，并按照严重程度划分为A、B、C、D四个等级。针对隧道病害的检测的研究集中在两方面：一是对于检测规章制度的研究，二是具体病害检测方法和检测技术的研究。目前使用的技术本文档来自技高网...

【技术保护点】
1.一种基于深度学习的地铁盾构隧道病害检测方法，具体实施步骤如下：A.架设摄像头并进行摄像；A1.将摄像头对隧道损伤测试区域；A2.反复调整调节摄像头的镜头焦距、光圈大小和放大倍数等，使得完整损伤出现在显示器视野中；A3.调整摄像头曝光时间和增益值，得到隧道被测区域的清晰图像并使得其位于图像的合适位置，最终得到隧道损伤的最佳图像；B.测区数据的过拟合处理；B1.收集更多的盾构损伤数据；B2.充分利用已有的损伤数据集和其他建材数据集；B3.充分利用转移学习和数据增强技术；C.模型的评价与修正；C1.通过摄像头收集到的数据分布形成训练集和验证集；C2.对数据进行初始化，并使用PyTorch使用深度...

【技术特征摘要】
1.一种基于深度学习的地铁盾构隧道病害检测方法，具体实施步骤如下：A.架设摄像头并进行摄像；A1.将摄像头对隧道损伤测试区域；A2.反复调整调节摄像头的镜头焦距、光圈大小和放大倍数等，使得完整损伤出现在显示器视野中；A3.调整摄像头曝光时间和增益值，得到隧道被测区域的清晰图像并使得其位于图像的合适位置，最终得到隧道损伤的最佳图像；B.测区数据的过拟合处理；B1.收集更多的盾构损伤数据；B2.充分利用已有的损伤数据集和其他建材数据集；B3.充分利用转移学习和数据增强技术；C.模型的评价与修正；C1.通过摄像头收集到的数据分布形成训练集和验证集；C2.对数据进行初始化，并使用PyTorch使用深度学习模型进行训练并识别；C3.采用ROC曲线和PrecisionRecall曲线对模型进行评价；D隧道损伤的识别与定位；D1.调取隧道测区的初始化图案三维图像模型和实际空间对应模型；D2.抽取初始化图案三维图像模型中多个特征点，这几个特征点可以充分表征隧道测区的三维几何形态，并将这些特征点作为三维数字图像相关的基准；D3.将基准模...

【专利技术属性】
技术研发人员：叶肖伟，丁杨，金涛，陈鹏宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33