一种基于监督学习的铁路隧道渗水自动检测方法技术

本发明专利技术公开了一种基于监督学习的铁路隧道渗水自动检测方法，涉及隧道工程点云与图像处理技术领域，包括对铁路隧道进行数据采集并进行标注；标注的数据集按照比例随机划分为训练集和验证集；对数据集进行特征提取和模型训练，采用该模型对新的带有渗水的隧道平面展开图进行分割，对分割后的小图像进行预测得到渗水区域，根据小图像的局部坐标与隧道平面展开图全局坐标的对标对应关系，推算全局坐标中渗水区域的坐标；建立与隧道平面展开图相同大小的空白画布，绘制出渗水位置；计算各渗水区域的实际面积；对渗水区域进行渗水轮廓的提取；将渗水轮廓坐标点赋予红色，并绘制到隧道平面展开图中，各渗水区域的面积计算值也绘制到隧道平面展开图中。

【技术实现步骤摘要】

本专利技术涉及隧道工程点云与图像处理，具体涉及一种基于监督学习的铁路隧道渗水自动检测方法。

技术介绍

1、渗水是铁路隧道运营中常见的病害，严重的渗水可能导致地基下沉、结构开裂等，传统的隧道渗水检测主要依靠天窗时间点的人工巡检，需要耗费大量的人力物力且只能定性检测，不能做到定量检测，检测效率和准确率都较低。

2、目前，随着技术的发展，主要采用有红外线、高清相机组成的视觉系统、移动式三维激光扫描仪组成的扫描系统等进行铁路隧道渗水的检测，但是红外线盒高清相机受灰尘、雾气等环境干扰严重，且数据后处理繁琐；移动式三维激光描能对隧道进行全面检测，可以记录下渗水面积大小、位置及渗水的强度值，具有描速度快、空间信息丰富、测量精度高等优点，但是移动式三维激光扫描一次的成果图一般为几公里，怎么对这种长隧道成果图进行后处理，怎么通过优化数据处理方法，提高处理速度和效率，实现渗水病害的快速自动识别，是一个难点问题。

技术实现思路

1、基于现有技术中存在的问题，本专利技术目的在于提供一种基于监督学习的铁路隧道渗水自动检测方本文档来自技高网...

【技术保护点】

1.一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，步骤S1的隧道点云数据采集采用安装在铁路隧道轨道小车上扫描系统完成，所述扫描系统包括三维激光扫描仪、惯性导航传感器、编码器、动力系统、制动系统。

3.根据权利要求1所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，步骤S2采用图像处理软件库opencv进行图像的分割，分割出若干正方形图片，不足正方形的部分则以空白区域补全，采用开源的语义分割数据集标注软件labelme进行数据集中渗水目标的标注，采用...

【技术特征摘要】

1.一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，步骤s1的隧道点云数据采集采用安装在铁路隧道轨道小车上扫描系统完成，所述扫描系统包括三维激光扫描仪、惯性导航传感器、编码器、动力系统、制动系统。

3.根据权利要求1所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，步骤s2采用图像处理软件库opencv进行图像的分割，分割出若干正方形图片，不足正方形的部分则以空白区域补全，采用开源的语义分割数据集标注软件labelme进行数据集中渗水目标的标注，采用尽量多的标注点非线性渗水区域进行标注，对标注的数据标签记为“wl”。

4.根据权利要求1所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，模型训练采用基于windows环境pytorch开源机器学习框架。

5.根据权利要求1所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，步骤s4采用语义分割算法对对数据集进行特征提取和模型训练，所述语义分割算法主要是采用输入端-主干特征提取网络-加强特征提取网络-输出端进行网络设计，其中输入端对原始图片进行数据增强。

6.根据权利要求5所述的一种基于监督学习的铁路隧道渗水自动检测方法，其特征在于，步骤s4中语义分割网络的模型训练次数分为内循环次数和外循环次数，其中内循环次数为...

【专利技术属性】
技术研发人员：奉建军，周斌，袁浩，伍军，任育珍，赵峰，杨前，王新宇，赵胜杰，曾荔，林元铖，
申请(专利权)人：高速铁路建造技术国家工程研究中心，
类型：发明
国别省市：