基于CNN与BiLSTM网络的智能巡检机器人隧道风险识别研究  

作　　者：应昶 钟福祥 吴涛涛 楼敏江 卢天杰 

机构地区：[1]浙江交投高速公路运营管理有限公司,浙江杭州310004

出　　处：《信息记录材料》2025年第4期209-211,共3页Information Recording Materials

摘　　要：隧道是道路交通基础设施的重要组成,其安全性直接关系到工程运营的可靠性。然而,传统的隧道人工巡检存在效率低,且识别精度不足等问题。为此,本文提出一种基于深度学习的智能巡检机器人系统,其集成了多种传感器技术,能对隧道环境数据全面采集。同时,结合卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bidirectional long short⁃term memory,BiLSTM)对隧道裂缝潜在风险进行精准识别。实验结果表明:本文提出的CNN与BiLSTM结合的深度学习方法能深度提取图像数据的空间特征,并准确识别隧道的多种类型风险。

关 键 词：智能巡检机器人 深度学习 隧道风险识别 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]