基于深度学习级联技术的隧道裂缝识别与分析算法研究  

作　　者：李清奇[1] 

机构地区：[1]娄底职业技术学院土木工程学院,湖南娄底417000

出　　处：《新型工业化》2021年第8期108-109,共2页The Journal of New Industrialization

基　　金：湖南省教育厅科学研究项目《基于人工智能的隧道表面裂纹图像识别方法研究》(项目编号:19C1545)。

摘　　要：本文主要通过对一定程度的室外环境拍摄到的隧道裂缝检测图像进行分析的实验基础上,采用了合适的算法,得出隧道裂缝检测图像的主要性能特点,并且同时也分析了影响隧道表面图像的问题:如光照不均匀、目标对比度低、背景纹理复杂,噪声干扰等。那么隧道裂缝的存在会直接影响高速隧道的运行安全。则对整个隧道内的裂缝情况及时的进行有效检测是保障高速铁路的安全运行的关键。传统的图像处理方法已经难达到令人满意的速度和精度,所以深度学习级联技术的隧道裂缝识别与算法研究显得尤为重要。

关 键 词：隧道裂缝 图像特点 裂缝识别 成分分析 

分 类 号：U455[建筑科学—桥梁与隧道工程]