%0 Journal Article
%A 黄远远
%A 彭潜
%A 徐兵
%T 一种考虑遮挡物的地铁隧道表面裂缝识别方法
%D 2023
%R 10.11988/ckyyb.20211276
%J 
院报
%P 145-152
%V 40
%N 5
%X 为了提高地铁隧道表面裂缝识别的精度,基于深度学习和机器视觉技术,提出了一种考虑存在遮挡物情况下的地铁盾构隧道裂缝识别与特征提取算法,利用卷积神经网络实现了基于图像修复技术的裂缝特征提取,从而得到了更准确的裂缝信息。首先提出了一种基于U-net网络的地铁隧道管片表面的遮挡物分割方法,用标记出其位置信息;然后以VGG-16为特征提取网络,并搭建Faster R-CNN网络模型,对隧道管片图像中的裂缝进行定位和标记;最后结合二者识别结果可判断出裂缝与遮挡物之间的关系。针对裂缝被遮挡的情况并结合隧道管片图像的特点,提出了一种可修复被遮挡的裂缝信息的网络模型。结果表明采用该裂缝识别与特征提取方法,修复被遮挡的裂缝信息的准确率可达90%,在实际隧道病害检测与综合评估中具有应用价值。
%U http://ckyyb.crsri.cn/CN/10.11988/ckyyb.20211276