【摘要】：近年來,隨著城市地鐵運營里程和線路的快速增長,大量的基礎設施,尤其是地鐵隧道,由建設期轉入養(yǎng)護期,設施面臨著自身結構老化及外來因素損害等病害的影響。對于地鐵隧道而言,隧道表面的裂縫成為地鐵運營安全的隱患之一。而地鐵隧道病害的檢測,目前主要依靠人工巡檢及肉眼判斷,檢測結果受人為因素影響較大,導致檢測結果既不充分而且效率低下,因此,采用計算機技術和圖像處理技術自動、有效、高速識別地鐵隧道裂縫,成為目前地鐵檢測現(xiàn)代化的熱點問題之一。在這一背景下,論文設計了地鐵隧道表面裂縫自動識別系統(tǒng),該系統(tǒng)是以面向對象,移植性高的Java語言開發(fā),并采用當下較為流行的SSH(Struts+Spring+Hibernate)開源框架,數(shù)據(jù)庫采用體積小,速度快的MySQL關系型數(shù)據(jù)庫,對裂縫信息的檢測識別采用是目前識別度高,識別速度快的用于快速特征嵌入的卷積體系結構(Caffe)框架下基于卷積神經網絡特征提取區(qū)域推薦(Faster R-CNN)算法進行裂縫識別。論文的主要工作如下:(1)首先,論文介紹了本系統(tǒng)的開發(fā)背景和國內外研究現(xiàn)狀,并闡述了本系統(tǒng)開發(fā)過程中使用到的目標檢測技術。(2)論文根據(jù)隧道表面裂縫自動識別系統(tǒng)的功能需求,確定了系統(tǒng)的整體架構,包括系統(tǒng)的軟件架構和技術架構。進而對系統(tǒng)的總體功能結構和數(shù)據(jù)庫結構也進行了設計。(3)論文對該系統(tǒng)的詳細設計、實現(xiàn)過程和測試過程進行了闡述。在該部分,詳細介紹Faster R-CNN算法網絡模型訓練,以及各個功能模塊的業(yè)務處理邏輯的設計方案。論文應用表明,本文設計的地鐵隧道表面裂縫自動識別系統(tǒng)的識別效率和識別準確率均達到較好的水平。此外,該系統(tǒng)通過對當前最新目標檢測技術Faster R-CNN的應用,實現(xiàn)對地鐵隧道裂縫的自動檢測與定位,并以此建立隧道裂縫病害分布數(shù)據(jù)庫,通過歷史數(shù)據(jù)對比,分析洞體變形與裂紋的發(fā)展趨勢,及時指導維修人員對裂縫修復養(yǎng)護。
【圖文】：

因此，，Ｒｏｓｓ邋Ｇｉｒｓｈｉｃｋ團隊又提出了更快的版本Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ，使用區(qū)域逡逑提議網絡（Ｒｅｇｉｏｎ邋Ｐｒｏｐｏｓａｌ邋Ｎｅｔｗｏｒｋ，ＲＰＮ）取代選擇性搜索。逡逑Ｒ－ＣＮＮ、Ｆａｓｔ邋Ｒ－ＣＮＮ、Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ逐步演化過程如下圖２－２所示：逡逑７逡逑

滑動窗（３ｘ３卷積核心）用于卷積特征圖�；瑒舆^程獲得５１２維向量，然后逡逑將向量放到兩個平行的完全連接層：盒分類層（ｅｌｓ）和盒回歸層（ｒｅｇ）以獲得分逡逑類信息和位置信息。ＲＰＮ網絡如圖２－３所示。逡逑ｋ邋ａｎｃｈｏｒ邋ｂｏｘｅｓ逡逑２ｋ邋ｓｃｏｒｅｓ邐４Ｋ邋ｃｏｏｒｄｉｎａｔｅｓ邐．．．．．．．．．．．．．．．．．邐逡逑ｄｓ邋ｌａｙｅｒ邋＾邐於邋ｒｅｇ邋ｌａｙｅｒ邐ｙ＊逡逑２５６－ｄ邐ｒＴ？逡逑ｉｎｔｅｒｍｅｄｉａｔｅ邋ｌａｙｅｒ逡逑＼邋ｗ＼邋＼邋＼邐＼—邐Ｌ±￡ｉｕ逡逑ｓＨｃＷｎｇ邋ｗｉｎｄｏｗ邐邐邋？逡逑ｃｏｎｅ邋ｆｅａｔｕｒｅ邋ｍａｐ邐Ｊ逡逑圖２＿３邋ＲＰＮ網絡圖逡逑Ｆｉｇｕｒｅ２－３邋ＲＰＮ邋Ｎｅｔｗｏｒｋ邋Ｄｉａｇｒａｍ逡逑Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ懫用Ｆａｓｔ邋Ｒ－ＣＮＮ進行檢測和分類，解決了邋ＲＣＮＮ檢測速度慢，逡逑８逡逑
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP311.52;TP391.41;U231;U456.3

【參考文獻】

相關期刊論文 前3條

1 徐志剛;趙祥模;宋煥生;雷濤;韋娜;;基于直方圖估計和形狀分析的瀝青路面裂縫識別算法[J];儀器儀表學報;2010年10期

2 劉曉瑞;謝雄耀;;基于圖像處理的隧道表面裂縫快速檢測技術研究[J];地下空間與工程學報;2009年S2期

3 張娟;沙愛民;孫朝云;高懷鋼;;基于相位編組法的路面裂縫自動識別[J];中國公路學報;2008年02期

本文編號：2635289