基于改进U2-Net网络的公路隧道多类病害识别方法技术

本发明专利技术公开了一种基于改进U2‑Net网络的公路隧道多类病害识别方法，涉及隧道衬砌的裂缝、涂层脱落、瓷砖脱落三种病害，该方法以隧道检测设备采集的图像为基础通过图像转换技术进行数据集扩充；然后构建改进U2‑Net公路隧道病害识别网络使其可以进行多分类，并进行参数调整以让该网络实现对隧道病害精准的自动识别；将数据集读入到改进U2‑Net公路隧道病害识别网络中进行训练，保存最好的权重参数，得到训练好的的模型；利用模型对隧道衬砌图片进行预测，识别其中的病害。本发明专利技术可以快速，高效的对隧道病害进行自动识别，提高隧道的检测效率，避免由于检测人员主观性的影响而造成的检测结果不准确的问题。

【技术实现步骤摘要】

本专利技术属于公路隧道自动检测，涉及一种基于改进u2-net网络的公路隧道多类病害识别方法。

技术介绍

1、随着公路隧道服役时间的增加，隧道衬砌病害随之发生，隧道的安全运营将受到严重影响。出现病害的隧道其承载能力下降，无法实现预定的功能，从而降低了隧道的使用年限。因此，及时、准确的隧道病害检测成为保证隧道安全运营的关键。常规的人工检测采用人工肉眼检测和人工仪器检测，需要对隧道暂时封锁，1公里的隧道至少需要安排6个人3天才能完成，同时由于隧道环境昏暗与检测人员主观性影响，即使是同一段隧道两次检测结果也存在一定差异。传统人工检测存在封道成本高，检测时间长，检测结果准确性与完整性无法保证的缺点。为减少因主观误差所造成的信息损失，发展出诸多基于图像处理的自动检测技术包括阈值分割、方向各异性、边缘算法等。这些技术利用智能识别算法来取代常规的人工检测，消除了人为因素的影响。但面对复杂的隧道环境时缺乏鲁棒性，无法得到精准的识别结果。近年来，深度学习中神经网络被广泛应用。许多基于深度学习的识别算法被提出。

2、关于隧道病害自动识别算法主要有三种：第一为基于bp本文档来自技高网...

【技术保护点】

1.一种基于改进U2-Net网络的公路隧道多类病害识别方法，其特征在于，包括：

2.根据权利要求1所述的基于改进U2-Net网络的公路隧道多类病害识别方法，其特征在于，所述步骤S2具体包含以下步骤：

3.根据权利要求1所述的基于改进U2-Net网络的公路隧道多类病害识别方法，其特征在于，所述步骤S3具体为通过CycleGAN网络，将步骤S1实际采集到的病害图像转换为网络虚拟生成的病害图像，从而生成一个新的扩充数据集，将扩充数据集补充到训练数据集中，以增强现有数据集的样本数量，提高模型的泛化能力。

4.根据权利要求1所述的基于改进U2-Net网络的公路隧...

【技术特征摘要】

1.一种基于改进u2-net网络的公路隧道多类病害识别方法，其特征在于，包括：

2.根据权利要求1所述的基于改进u2-net网络的公路隧道多类病害识别方法，其特征在于，所述步骤s2具体包含以下步骤：

3.根据权利要求1所述的基于改进u2-net网络的公路隧道多类病害识别方法，其特征在于，所述步骤s3具体为通过cyclegan网络，将步骤s1实际采集到的病害图像转换为网络虚拟生成的病害图像，从而生成一个新的扩充数据集，将扩充数据集补充到训练数据集中，以增强现有数据集的样本数量，提高模型的泛化能力。

4.根据权利要求1所述的基于改进u2-net网络的公路隧道多类病害识别方法，其特征在于，所述步骤s4中建立的改进u2-net公路隧道病害识别网络包括9个残差模块、4个下采样模块、4个上采样模块和6个特征提取模块；

5.根据权利要求4所述的基于改进u2-net网络的公路隧道多类病害识别方法，其特征在于：所述第一...

【专利技术属性】
技术研发人员：吴凤元，金烁，李保险，张逸超，徐皓，初旭，
申请(专利权)人：沈阳建筑大学，
类型：发明
国别省市：