山区公路隧道衬砌裂缝快速检测及智能识别技术研究  

作　　者：高嵩 朱德翔 谢雄耀[3,4] 周彪[3,4] 周应新 王皓正 罗世卫 

机构地区：[1]云南云路工程检测有限公司,昆明市655600 [2]云南省交通投资建设集团有限公司,昆明市650228 [3]同济大学岩土及地下工程教育部重点实验室,上海市200092 [4]同济大学土木工程学院,上海市200092 [5]浙江省交通运输科学研究院,杭州市310023

出　　处：《公路》2024年第4期394-400,共7页Highway

摘　　要：为满足隧道表观病害检测的巨大需求,助力数字中国发展战略,自主研发了山区隧道快速检测车,详细介绍了检测车机器视觉模块的总体架构和工作原理。通过分析由检测车采集的海量隧道衬砌图像,总结了4条山区公路隧道衬砌图像特征。为了解决现有改进的Faster R-CNN裂缝识别原始模型在新的场景下的裂缝识别精度下降的问题,需进一步提升原模型泛化性能,由此展开两阶段研究工作:第一阶段对使用原模型识别出的裂缝图像进行标注,形成基于新场景的小样本数据集;第二阶段展开模型优化训练试验,基于迁移学习和增量学习相关理论提出4种模型训练策略,用于更新原模型,并将新模型的准确率和收敛时间与原模型对比。研究结果表明:运用迁移学习和混合20%原数据训练集的增量学习所对应的两种训练策略是经济可行的,与直接训练新数据集的训练策略相比,平均精准率分别提升了17.77%和17.95%,可大幅度提高识别准确率;将对比得到的新模型用于云南楚姚高速公路10条隧道的检测,取得了良好的效果。

关 键 词：隧道工程 裂缝检测 深度学习 机器视觉 

分 类 号：U456[建筑科学—桥梁与隧道工程] U495[交通运输工程—道路与铁道工程]