摘要
现有隧道掌子面节理检测方法主要以人工掌子面素描为主,存在检测效率低、主观性较强等问题,为此提出了一种基于Mask R-CNN的隧道掌子面节理图像智能识别分割算法。该算法可直接用于检测隧道掌子面图片中的节理目标并自动分割,提升了检测效率,使检测结果更加客观。此外,为解决现有图像处理方法检测准确率较低的问题,尤其是对阴暗隧道环境下复杂隧道掌子面的检测,引入了路径聚合网络(PANet)以改进Mask R-CNN对特征信息的融合能力,从而提升智能检测方法的准确率。随后对800张隧道掌子面图像开展了训练与结果评估,测试结果表明:所提出的算法能够快速检测出隧道掌子面图片中的节理位置,并对属于节理像素的区域赋予掩码,实现节理分割。在80张测试集图片中的检测框与分割平均准确率均值(mAP)分别为58.0%,49.2%,相较于原Mask R-CNN算法及其他智能识别分割算法表现更加优越。
-
单位中山大学; 航天学院