一种基于无锚框自适应卷积网络的隧道病害检测方法及巡检机器人技术

本发明专利技术属于图像数据处理技术领域，具体涉及一种基于无锚框自适应卷积网络的隧道病害检测方法及巡检机器人，S1、通过巡检机器人搭载摄像头对隧道内表面可能出现病害的位置进行图像数据采集；S2、人工标注采集的图像数据的各类缺陷，制作训练所需数据集，并将训练所需数据集分为训练集、验证集和测试集；S3、将训练集数据集输入无锚框自适应卷积算法，通过特征提取、卷积、损失函数、迭代训练和置信度学习，得到训练后的权重和模型。本发明专利技术一种集成化的检测体系，为隧道衬砌表面病害和边沟病害检测提供了更加智能化的方法，相对于现有依靠人工判别、评估病害，其工作效率有了极大的提高。

【技术实现步骤摘要】

本专利技术属于图像数据处理，具体涉及一种基于无锚框自适应卷积网络的隧道病害检测方法及巡检机器人。

技术介绍

1、隧道作为交通基础设施的重要组成部分，其结构的稳定安全是车辆通行的基础和保障。然而，隧道在长期运营过程中，也难免会受到各种环境因素的影响，导致隧道结构出现缺陷或损坏，进而影响交通安全。定期检查隧道结构缺陷，成为了确保隧道安全运行的不可或缺的环节。衬砌病害的种类和尺寸以及排水边沟破损等是公路隧道检测的主要目标。目前，隧道病害的主要检测方式仍然以人工巡检为主，然而，这种方式存在着主观性较强、效率低下等问题。因此，亟需开发一种隧道巡检智能化、自动化的方法和适应隧道内部各种环境的巡检机器人来提高检测的效率和准确性，实现对隧道病害的监测，保障隧道安全通行，有效避免事故发生。

技术实现思路

1、本专利技术意在提供一种基于无锚自适应卷积网络的隧道病害检测方法及巡检机器人，以解决在当前隧道病害以人工巡检为主的情况下，工作效率低和检测评估不准确的问题。

2、为了达到上述目的，本专利技术的一方面在于提供一种技本文档来自技高网...

【技术保护点】

1.一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：在步骤S2中，人工标注工具包括目标检测工具Labelme，主要标签类别包括：渗漏水、衬砌裂缝、边沟破损和隧道墙体剥落中的一种或者多种。

3.根据权利要求1所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：在步骤S3中的输入端中，预处理包括调整图像尺寸至模型指定的输入大小、归一化像素值以消除光照和颜色差异、随机的颜色空间转换以增强某些特征、应用数据增强技术如旋转和缩放来提高模型泛化能力、调...

【技术特征摘要】

1.一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：在步骤s2中，人工标注工具包括目标检测工具labelme，主要标签类别包括：渗漏水、衬砌裂缝、边沟破损和隧道墙体剥落中的一种或者多种。

3.根据权利要求1所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：在步骤s3中的输入端中，预处理包括调整图像尺寸至模型指定的输入大小、归一化像素值以消除光照和颜色差异、随机的颜色空间转换以增强某些特征、应用数据增强技术如旋转和缩放来提高模型泛化能力、调整通道顺序以匹配模型输入要求以及将多个图像组合成批次以提升计算效率中的一种或者多种。

4.根据权利要求3所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：在步骤s3中的检测层中，特征提取通过中心点确定检测目标的坐标，在预测框的每个正样本位置预测目标的类别，并且以相对于边界框上、下、左、右边界的偏移距离作为回归目标，再通过无锚框算法生成目标框，输出特征图。

5.根据权利要求4所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：在步骤s3中的检测层中进行特征融合时，采用的特征融合层，包含至少五个卷积层、至少四个sa_c2f模块和一个空间金字塔池化层组成，将不同尺度的特征图进行融合。

6.根据权利要求5所述的一种基于无锚框自适应卷积网络的隧道病害检测方法，其特征在于：卷积层由3×3卷积模块，每个sa_c2f模块包括至少两个...

【专利技术属性】
技术研发人员：吴云鹏，王晓江，戴家晟，杨通，郭凤香，郭淼，袁伟钟，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：