基于深度卷积神经网络的隧道衬砌裂缝识别算法

作者：柴雪松; 朱兴永; 李健超; 薛峰; 辛学仕

来源：铁道建筑, 2018, 58(06): 60-65.

• 隧道
• 衬砌裂缝
• 超像素分割
• 深度学习
• 机器视觉
• 图像处理
• 裂缝识别

衬砌裂缝严重影响了铁路隧道的安全运营,采用机器视觉技术快速获取衬砌图片并进行裂缝识别是国内外的研究热点。衬砌裂缝图像信号具有复杂的特性,存在水渍、污染及其他结构缝等引起的噪声,加之光照不均匀、分布不规律等原因,使得传统的图像处理方法难以快速、准确地检测衬砌裂缝。本文提出一种基于深度神经网络的隧道衬砌裂缝识别算法,有效解决了裂缝识别速度慢、精度低等问题。分类结果精度达到94%,识别速度在GPU(Pascal Titan X)上每张图片仅需0.05 s;分割网络性能均交并比可达到65%,能够准确分割出裂缝形状。该算法具有很好的工程应用价值。

• 单位
  北京邮电大学; 中国铁路兰州局集团有限公司; 中国铁道科学研究院集团有限公司