基于深度语义分割的隧道渗漏水智能识别

作者：周中; 张俊杰; 龚琛杰^*; 丁昊晖

来源：岩石力学与工程学报, 2022, 41(10): 2082-2093.

DOI：10.13722/j.cnki.jrme.2022.0016

• 隧道工程
• 渗漏水
• 语义分割
• 深度学习
• 神经网络

为解决现有隧道渗漏水检测方法中存在的检测精度较低、抗干扰能力较差、检测速度较慢的问题，提出了一种基于深度语义分割的隧道渗漏水图像识别算法。该算法以DeepLabv3+语义分割算法为基础，首先采用轻量化分类网络EfficientNetv2作为主干网络，在减少网络参数的同时，提升了识别精度；其次融合卷积注意力机制模块，通过增大图像中有效通道的权重，提升网络对于渗漏水特征信息的提取能力；进而从图像识别精度、模型内存和处理速度3个方面与DeepLabv3+,PSPnet,Unet等传统语义分割算法进行对比实验。研究表明：提出算法的平均像素准确率和平均交并比分别为93.99%,89.87%，模型大小仅为33.4 MB，图像处理速度可达39.87 f/s。相较于3种对比算法，构建算法在隧道渗漏水病害检测的精度和效率上都有显著提升，且具有更为优越的边缘分割效果以及抗干扰能力，适用于复杂环境下的隧道渗漏水检测任务，能够更好地满足工程检测需求。

• 单位
  中南大学; 土木工程学院