科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对地铁隧道复杂渗漏水图像区域识别准确度低的问题，基于深度学习的渗漏水病害图像智能识别算法理论，分别研究并搭建U形网络(U-Net)和金字塔场景解析网络(PSP-Net)进行对比试验。基于采集的地铁隧道图像，建立复杂隧道渗漏水病害图像样本数据集，该数据集包含5 000张地铁隧道病害图像，其中4 000张人工标注图像数据，针对渗漏水图像特征，进行U-Net和PSP-Net网络模型的构建，同时使用自制数据集进行渗漏水图像的对比试验。通过对U-Net和PSP-Net网络的预测结果进行准确度评估，分析两者在渗漏水病害识别的性能，U-Net结构对渗漏水目标具有更强的覆盖性，适用于渗漏水区域的快速巡检；PSP-Net具有更高的精确度，适用于渗漏水的精细化检测。
- 单位
