System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及目标检测,具体涉及一种基于数据增强与多约束损失函数的隧道渗漏水检测方法。
技术介绍
1、地铁是城市轨道交通系统的重要一环,随着城市的不断扩张,地铁盾构隧道里程逐年激增,隧道病害也大量出现。渗漏水是隧道病害的重要组成,地铁盾构隧道的渗漏水问题随运营时间的增长而日益突出。渗漏水直接侵蚀隧道内部结构,损害电缆及附属装置,对行车安全造成极大的隐患。因此高效、准确渗漏水检测技术对盾构隧道安全运营起着至关重要的作用。
2、隧道影像采集方式包括人工拍照或移动扫描技术,获取影像后采用目标识别与检测的方法提取渗漏水病害分布。传统目标识别方法采用人工特征设计,通过设计几何形状、纹理、灰度等语义特征来识别渗漏水区域,如采用灰度拉伸与边缘检测、区域生长算法等。在无遮挡且光线较好情况下,此类方法能够有效检测,但算法需要较多的先验知识,且难以解决附属装置遮挡与弱光情况下的检测任务。
3、随着深度学习在目标检测方面的快速发展,深度网络能够更自主学习多语义、高层次的特征。基于卷积神经网络(convolutional neural networks,cnn)的目标检测可分为以直接定位和分类的单阶段网络与先发现目标区域再分类和定位的双阶段网络。单阶段网络包括overfeat、单次检测(you only look once,yolo)系列、单步多框目标检测(single shot multibox detector,ssd)等,具有检测速度快的优点;双阶段网络包括sppnet、faster r-cnn、mask r-cnn等,其
技术实现思路
1、本专利技术的目的在于克服现有方法的不足,提供一种基于数据增强与多约束损失函数的隧道渗漏水检测方法。
2、为此,本专利技术采用以下技术方案:
3、一种基于数据增强与多约束损失函数的隧道渗漏水检测方法,包括以下步骤:
4、s1,采用镶嵌cutmix方法对隧道图像进行数据增强,拼接融合成具有综合特征的新样本
5、s2,将s1得到的新样本加入yolov7深度学习网络;
6、s3,在所述yolov7深度学习网络的输出端设计多约束几何条件的损失函数,用于改进预测框结果,具体为:
7、以iou、中心点距离和最小外包矩形的长宽作为渗漏水目标检测的损失函数约束条件,计算公式如下式所示:
8、l=liou+lp2p+lasp;
9、
10、
11、其中,l表示改进yolov7的损失函数,liou、lp2p、lasp分别表示预测框与真实框之间的iou、中心点距离与mbr长宽比,b、bgt分别表示预测框和真实框中心点,ρ表示计算两点间欧式距离,c表示包含预测框和真实框最小闭包区域对角线,cw、ch是包含两个框组成的mbr的宽度和高度,h、hgt分别表示预测框和真实框的高,w、wgt分别表示预测框和真实框的宽;
12、由此获得改进之后的预测框。
13、优选的,s1具体为:
14、采用基于cutmix的数据增强方法组合两个训练样本(xa,ya)和(xb,yb)来生成新的训练样本x∈rw×h×c和y分别表示盾构隧道强度图像及盾构隧道渗漏水标签,首先在xa和xb上的裁剪相同大小的区域ba和区域bb,区域ba和区域bb的边界框坐标为(rx,ry,rw,rh);把xa中的区域ba移除,并使用xb中的区域bb进行填充,形成新样本其计算公式如下所示:
15、
16、式中,m∈{0,1}w×h表示两个图像中相同大小的区域b位置的二值掩码,⊙表示逐元素相乘,λ是从均匀分布(0,1)中采样得到的,w表示图像的宽,h表示图像的高,c表示图像的通道。
17、优选的,s2具体为:
18、以yolov7网络为骨架结构,引入高效通道注意力模块eca,高效层聚合网络elan,空间金字塔池化全连接空间金字塔卷积sppcspc。
19、优选的,所述eca模块中的自适应的注意力权重通过下式计算;
20、
21、其中|t|odd表示t的最近奇数,本文中γ和b分别设为2和1,c为输入的通道数。
22、本专利技术的基于数据增强与多约束损失函数的隧道渗漏水检测方法具有以下优点:
23、1.本专利技术能够完整地识别被其它物体遮挡住的渗漏水条纹,清晰地识别出渗漏水并提供其精确的位置信息,提高预测框的精度,从而提升模型预测精度和鲁棒性,具有较好的预测结果。
24、2.本专利技术由于使用了cutmix方法对隧道图像进行数据增强,所以目标检测网络在关键特征学习能力的方面获得了提高,提高了渗漏水病害目标的检测精度。
本文档来自技高网...【技术保护点】
1.一种基于数据增强与多约束损失函数的隧道渗漏水检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数据增强与多约束损失函数的隧道渗漏水检测方法,其特征在于,S1具体为:
3.根据权利要求2所述的基于数据增强与多约束损失函数的隧道渗漏水检测方法,其特征在于,S2具体为:
4.根据权利要求3所述的基于数据增强与多约束损失函数的隧道渗漏水检测方法,其特征在于,所述ECA模块中的自适应的注意力权重通过下式计算;
【技术特征摘要】
1.一种基于数据增强与多约束损失函数的隧道渗漏水检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数据增强与多约束损失函数的隧道渗漏水检测方法,其特征在于,s1具体为:
3.根据权利要求2所...
【专利技术属性】
技术研发人员:许磊,高贤君,巩健,杨元维,牟春霖,豆孝磊,刘振宇,尹正浩,
申请(专利权)人:中国铁路设计集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。