基于深度学习的隧道表观病害类型及等级判别方法技术

本发明专利技术公开了一种基于深度学习的隧道表观病害类型及等级判别方法，包括以下步骤：（1）采用搭载三维激光扫描仪的装置采集隧道区间影像；（2）将由人工在隧道巡检过程中确认过类别和程度的病害，在隧道区间影像上标注出位置和范围；按照病害范围截取具备病害类别和程度信息的病害影像作为样本，建立数据集；（3）将所述数据集中的病害类别标签和病害程度标签进行离散化处理，将所述数据集中的样本划分为训练集和测试集；（4）构建深度学习识别模型，利用训练集来学习识别病害类型和病害程度。本发明专利技术的优点是：以隧道三维激光扫描影像为数据源，并卷积神经网络的判别模型，实现隧道病害类别和程度自动判别。和程度自动判别。和程度自动判别。

【技术实现步骤摘要】
基于深度学习的隧道表观病害类型及等级判别方法


[0001]本专利技术属于隧道结构病害检测领域，具体涉及一种基于深度学习的隧道表观病害类型及等级判别方法。

技术介绍

[0002]由于自然条件（地下水、材料、地层、冻融等）的变化，隧道结构发生各种变异现象（如开裂、错位等），导致围岩地下水或地表水直接或间接地以渗漏或涌出的形式进入隧道内，形成隧道渗漏病害，侵蚀隧道结构，并影响隧道的正常运营和洞内设备的使用。
[0003]病害的类型和病害程度分级（如图1）是病害治理至关重要的指标，目前病害的类别和程度还主要依赖于人工判别和评估。
[0004]对于隧道病害的快速准确检测，CN109767426A提出一种基于图像特征识别的盾构隧道渗漏水检测方法，在渗漏水检测前，先对图像进行详细的预处理工作，即通过隧道表观的灰度图像统计先确定隧道特征物识别规则，然后逐一识别隧道特征物，在特征物全部剔除之后，再进行渗漏水的检测。
[0005]CN110909657A公布了基于卷积神经网络的病害识别方法，主要在隧道区间扫描影像上采用卷积神经网络进行图像分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的隧道表观病害类型及等级判别方法，其特征在于所述方法包括以下步骤：（1）采用搭载三维激光扫描仪的装置采集隧道区间影像；（2）将由人工在隧道巡检过程中确认过类别和程度的病害，在所述隧道区间影像上标注出位置和范围；按照病害范围截取具备病害类别和程度信息的病害影像作为原始图像样本，建立数据集，所述数据集中具有病害类别标签和病害程度标签；（3）将所述数据集中的原始图像样本划分为训练集和测试集；（4）构建深度学习识别模型，包括输入层、编码层以及金字塔池化层；所述输入层输入所述数据集中的任意尺寸的原始图像样本，所述编码层采用图像分类网络ResNet，任意尺寸的输入图像样本经所述编码层编码输出一个n*m*128的特征图，作为所述金字塔池化层的输入，其中n为特征图的长度、m为特征图的宽度；将n*m的特征图按n*m、n/2*m/2、n/4*m/4的最大池化核分别池化成1*128、4*128、16*128的特征图，并组合拼接成一个21*128的特征图作为所述金字塔池化层的输出；21*128的特征图经过上、下两路1*1卷积运算后，上路通过softmax分类器得到病害类型的结果，将所述病害类型的结果和下路卷积...

【专利技术属性】
技术研发人员：郭春生，王维，刘蝶，王吉，王令文，高志强，程胜一，
申请(专利权)人：上海勘察设计研究院集团有限公司，
类型：发明
国别省市：