基于深度学习的钻爆法隧道炮孔孔位智能识别研究

作者：张兴长; 张奇; 孙子正

来源：山东交通科技, 2023, (05): 92-96.

• 钻爆法
• 深度学习
• 炮孔识别
• Faster R-CNN
• YOLOv5

钻爆法是当前隧道及地下空间施工中常用的施工方法。其中，装药环节劳动强度大、危险性高。因此，迫切需要提高装药环节的自动化水平。为了实现炸药的自动装填，研究了基于深度学习的目标检测算法在炮孔识别方面的应用。将隧道施工现场采集的炮孔图片制成数据集，采用Faster R-CNN与YOLOv5两种算法在数据集上进行训练和测试，对比了两种算法在各项性能上的优劣。Faster R-CNN的检测速度为110ms，准确率为98.3%，模型权重文件大小为1 000 MB;YOLOv5算法检测速度为40 ms，准确率为97.3%，模型权重文件大小为54 MB。综合考虑，YOLOv5算法检测速度较快，权重文件较小，更适合在实际工程中使用。

• 单位
  山东大学