一种基于深度学习的隧道衬砌病害智能检测方法技术

本发明专利技术公开了一种基于深度学习的隧道衬砌病害智能检测方法，其包括S1：制作由经过标注的病害图像样本构成的隧道衬砌病害数据集；S2：将隧道衬砌病害数据集中的病害图像样本划分为训练集与测试集；S3：搭建深度学习模型；S4：通过训练集对所搭建的深度学习模型进行训练及参数迭代，通过测试集评估经训练后的深度学习模型的检测效果，选择最终应用的深度学习模型；S5：用经选择得到的深度学习模型检测隧道图像中病害，输出病害类别与位置信息。本发明专利技术以隧道图像为数据源，通过深度学习模型对隧道表观病害进行智能识别并分类，并对病害位置进行定位，相对于现有依靠人工判别和评估病害，其工作效率大大提高。其工作效率大大提高。其工作效率大大提高。

An intelligent detection method of tunnel lining diseases based on deep learning

【技术实现步骤摘要】
一种基于深度学习的隧道衬砌病害智能检测方法


[0001]本专利技术涉及隧道病害检测
，特别涉及一种隧道衬砌病害检测方法。

技术介绍

[0002]隧道受施工质量、运营年限以及外界环境影响会产生裂缝、变形、破损、掉块和渗漏水等病害，威胁隧道结构的安全性、稳定性以及耐久性。
[0003]病害的类型和发展程度是隧道安全性评价的重要的指标，目前病害的检测主要依赖于人工判别和评估，主观性强，效率低，隧道病害智能化、连续快速识别迫在眉睫。

技术实现思路

[0004]有鉴于此，本专利技术的目的是提供一种基于深度学习的隧道衬砌病害智能检测方法，以解决现有技术中由人工判别病害主观性强，效率低的技术问题。
[0005]本专利技术基于深度学习的隧道衬砌病害智能检测方法包括以下步骤：
[0006]S1：采集隧道拱顶、拱腰以及边墙图像，再经人工检测选出存在病害的图像，裁剪病害图像，并标注病害类别及位置信息，再制作由经过标注的病害图像样本构成的隧道衬砌病害数据集；
[0007]S2：将隧道衬砌病害数据集中的病害图像样本划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的隧道衬砌病害智能检测方法，其特征在于：包括以下步骤：S1：采集隧道拱顶、拱腰以及边墙图像，再经人工检测选出存在病害的图像，裁剪病害图像，并标注病害类别及位置信息，再制作由经过标注的病害图像样本构成的隧道衬砌病害数据集；S2：将隧道衬砌病害数据集中的病害图像样本划分为训练集与测试集；S3：搭建深度学习模型，所述深度学习模型包括输入层、与输入层连接的编码层、与编码层连接的位置敏感分析层、与位置敏感分析层连接的非极大线性抑制层和与非极大线性抑制层连接的输出层；所述输入层用于接受图片输入；所述编码层用于对输入图片进行处理，以提取到感兴趣区域；所述位置敏感分析层用于对生成的感兴趣区域进行位置敏感得分映射和边界框回归；所述非极大线性抑制层用于对位置敏感分析层的输出进行过滤；所述输入层用于输出感兴趣区域的病害类别预测值与病害定位预测值；S4：通过训练集对所搭建的深度学习模型进行训练及参数迭代，通过测试集评估经训练后的深度学习模型的检测效果，选择最终应用的深度学习模型；S5：用经选择得到的深度学习模型检测隧道图像中病害，输出病害类别与位置信息。2.根据权利要求1中所述的基于深度学习的隧道衬砌病害智能检测方法，其特征在于：所述步骤S3中的位置敏感得分映射具体过程为：第一步：将感兴趣区域划分为k
×
k个格子，则每个格子的大小为其中w为感兴趣区域的宽度，h为感兴趣区域的长度，对某个格子进行的池化操作定义为：其中，r
c
(i,j)是在第(i,j)个格子下第c个类别的响应值，0≤i，j≤k
‑
1；z
i,j,c
指k2(C+...

【专利技术属性】
技术研发人员：李眉慷，涂歆玥，朱倩雯，
申请(专利权)人：重庆大学，
类型：发明
国别省市：