【技术实现步骤摘要】
本申请涉及隧道结构健康监测，尤其涉及一种基于深度学习的地铁隧道裂缝识别方法及系统。
技术介绍
1、地铁隧道作为城市轨道交通系统的重要组成部分，其结构健康状况直接关系到运营安全与维护成本。裂缝作为隧道衬砌最常见的病害之一，不仅会在早期引发渗水、钢筋锈蚀等次生损伤，还可能因长期累积导致整体结构稳定性下降。
2、目前，主要依赖于人工目视巡检，其主要是结合经验和现场可见征兆(如渗水痕迹与锈迹)对裂缝进行综合判断。然而，不同检查员经验水平参差，受光线、疲劳、观察角度等因素影响，且易出现漏检与误判。隧道封闭环境要求检查员佩戴防护装备，沿轨道步行或在低速轨检车上目视观察，劳动强度大且速度缓慢，无法满足大规模快速检测的需求。此外，人工目视巡检无法全天候、全区域持续监测，多数仅在定期维护周期或关键节点进行抽检，无法对裂缝早期演化的高效捕捉。
技术实现思路
1、本申请提供一种基于深度学习的地铁隧道裂缝识别方法、系统、存储介质、计算机程序产品及电子设备，用以至少解决目前相关技术中人工目视巡检易受光照...
【技术保护点】
1.一种基于深度学习的地铁隧道裂缝识别方法，包括：
2.根据权利要求1所述的方法，其中，在将各个局部候选区域所预测出的裂缝连通路径骨架与所述初步裂缝热力图进行逐像素取最大值融合，以生成帧级别几何补偿裂缝图之后，所述方法还包括：
3.根据权利要求2所述的方法，其中，在所述将上采样后的前一帧多尺度裂缝特征与当前帧的帧级别几何补偿裂缝图逐像素取最大值融合，以生成跨帧融合裂缝分割图之后，所述方法还包括：
4.根据权利要求1-3中任一项所述的方法，其中，所述几何补偿网络包含：
5.根据权利要求1-3中任一项所述的方法，其中，所述对...
【技术特征摘要】
1.一种基于深度学习的地铁隧道裂缝识别方法，包括：
2.根据权利要求1所述的方法，其中，在将各个局部候选区域所预测出的裂缝连通路径骨架与所述初步裂缝热力图进行逐像素取最大值融合，以生成帧级别几何补偿裂缝图之后，所述方法还包括：
3.根据权利要求2所述的方法，其中，在所述将上采样后的前一帧多尺度裂缝特征与当前帧的帧级别几何补偿裂缝图逐像素取最大值融合，以生成跨帧融合裂缝分割图之后，所述方法还包括：
4.根据权利要求1-3中任一项所述的方法，其中，所述几何补偿网络包含：
5.根据权利要求1-3中任一项...
【专利技术属性】
技术研发人员：赵豫鄂，文世挺，张志望，谢长岭，高云君，尤相俊，陈淼，方宝民，周义朋，何颂颂，王嘉伟，庞超逸，
申请(专利权)人：浙大宁波理工学院，
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。