隨著我國鐵路、公路、市政等領(lǐng)域投入運營的隧道里程與數(shù)量的增加,隧道襯砌結(jié)構(gòu)的健康服役與長壽命運行的重要性日漸突出。在隧道運營期內(nèi),襯砌常出現(xiàn)裂縫、孔洞、滲漏水、掉塊等多種病害,這些病害的存在嚴(yán)重影響了隧道工程的使用壽命與安全。開展基于計算機視覺的隧道襯砌病害實時檢測系統(tǒng)研究對保障隧道安全運營,實現(xiàn)隧道襯砌的科學(xué)養(yǎng)護具有重要的科學(xué)意義與工程價值。計算機視覺作為人工智能方法中的重要分支具有非常獨特的優(yōu)越性與高效性,通過通用圖像處理技術(shù)與智能算法使計算機擁有類似人類的視覺感知系統(tǒng),對外界輸入的圖像、視頻信息做出理解、分析與判斷,從而實現(xiàn)針對特定目標(biāo)物的識別與檢測。為迅速、高效、準(zhǔn)確地識別與檢測隧道襯砌病害,計算機視覺技術(shù)在隧道工程領(lǐng)域的應(yīng)用逐漸成為趨勢。本文采用基于人工智能的計算機視覺技術(shù),在隧道襯砌病害識別與檢測的實驗裝置研發(fā)、軟件系統(tǒng)開發(fā)及實驗應(yīng)用研究等方面開展了研究工作,取得的主要成果如下:（1）針對隧道襯砌病害識別與檢測研究中的隧道襯砌檢測模擬環(huán)境,自主設(shè)計研制了一臺基于計算機視覺的隧道襯砌缺陷智能檢測模擬實驗裝置。該裝置可滿足隧道襯砌病害檢測過程中檢測設(shè)備與隧道襯砌的連續(xù)相對運動關(guān)... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

以圖像為檢測對象Figure2-2Imageasdetectionobject

工程碩士專業(yè)學(xué)位論文16圖2-3以試塊為檢測對象Figure2-3Testblockasthedetectionobject2.4實驗實例（Theexperimentalinstances）如今，隧道襯砌病害實時檢測方法的應(yīng)用主要有隧道智能檢測車與類車移動式智能檢測系統(tǒng)，其檢測工作方式主要為智能檢測車或移動式智能檢測系統(tǒng)沿隧道內(nèi)部開行并獲取隧道襯砌表面圖像或內(nèi)部材料信息，以判斷病害的發(fā)生與否以及病害種類。在實地驗證新的檢測方法可靠性之前進行實驗室內(nèi)的小規(guī)模模擬環(huán)境下的預(yù)先測試是有效手段，使用專門為本研究設(shè)計研制的基于圖像識別的隧道襯砌缺陷智能檢測模擬實驗裝置即可完成該預(yù)先測試。圖2-4隧道襯砌檢測模擬實驗系統(tǒng)Figure2-4Tunnelliningtestingsimulationexperimentsystem如圖2-4所示，架設(shè)好所有相關(guān)儀器裝置與設(shè)備后，在開始進行測試前再進行最后攝像設(shè)備水平度和正對被檢測物與否的檢查以及被檢測物固定情況的確認(rèn)。接通電源，等待10s后，電機啟動并達(dá)到穩(wěn)定運行狀態(tài)，根據(jù)需要緩慢調(diào)整變速器旋鈕，使轉(zhuǎn)速達(dá)到要求轉(zhuǎn)速。本例實驗使用預(yù)制含缺陷模型試塊作為被觀測對象，試塊由特定比例α高強石膏、純水及DT-135消泡劑三種混合材料配制而成。三種成分配比參考了前人相關(guān)研究[85]并通過實際多種配比嘗試，最終確定較優(yōu)的能夠滿足實驗的模型試塊的

工程碩士專業(yè)學(xué)位論文16圖2-3以試塊為檢測對象Figure2-3Testblockasthedetectionobject2.4實驗實例（Theexperimentalinstances）如今，隧道襯砌病害實時檢測方法的應(yīng)用主要有隧道智能檢測車與類車移動式智能檢測系統(tǒng)，其檢測工作方式主要為智能檢測車或移動式智能檢測系統(tǒng)沿隧道內(nèi)部開行并獲取隧道襯砌表面圖像或內(nèi)部材料信息，以判斷病害的發(fā)生與否以及病害種類。在實地驗證新的檢測方法可靠性之前進行實驗室內(nèi)的小規(guī)模模擬環(huán)境下的預(yù)先測試是有效手段，使用專門為本研究設(shè)計研制的基于圖像識別的隧道襯砌缺陷智能檢測模擬實驗裝置即可完成該預(yù)先測試。圖2-4隧道襯砌檢測模擬實驗系統(tǒng)Figure2-4Tunnelliningtestingsimulationexperimentsystem如圖2-4所示，架設(shè)好所有相關(guān)儀器裝置與設(shè)備后，在開始進行測試前再進行最后攝像設(shè)備水平度和正對被檢測物與否的檢查以及被檢測物固定情況的確認(rèn)。接通電源，等待10s后，電機啟動并達(dá)到穩(wěn)定運行狀態(tài)，根據(jù)需要緩慢調(diào)整變速器旋鈕，使轉(zhuǎn)速達(dá)到要求轉(zhuǎn)速。本例實驗使用預(yù)制含缺陷模型試塊作為被觀測對象，試塊由特定比例α高強石膏、純水及DT-135消泡劑三種混合材料配制而成。三種成分配比參考了前人相關(guān)研究[85]并通過實際多種配比嘗試，最終確定較優(yōu)的能夠滿足實驗的模型試塊的

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)與圖像處理的玉米莖稈識別方法與試驗[J]. 劉慧力,賈洪雷,王剛,GLATZEL Stephan,袁洪方,黃東巖.  農(nóng)業(yè)機械學(xué)報. 2020(04)
[2]基于機器視覺的奶牛發(fā)情行為自動識別方法[J]. 王少華,何東健,劉冬.  農(nóng)業(yè)機械學(xué)報. 2020(04)
[3]基于多特征卷積神經(jīng)網(wǎng)路的運動想象腦電信號分析及意圖識別[J]. 何群,邵丹丹,王煜文,張園園,謝平.  儀器儀表學(xué)報. 2020(01)
[4]隧道襯砌表面病害圖像識別研究進展[J]. 李慶桐.  隧道與軌道交通. 2019(S2)
[5]基于FCN的巖石混凝土裂隙幾何智能識別[J]. 薛東杰,唐麒淳,王傲,張遼,周宏偉.  巖石力學(xué)與工程學(xué)報. 2019(S2)
[6]考慮裂隙的含孔洞軟巖體力學(xué)特性模擬分析[J]. 李元海,劉金杉,唐曉杰,楊碩,劉德柱.  采礦與安全工程學(xué)報. 2020(03)
[7]基于神經(jīng)網(wǎng)絡(luò)的多類別目標(biāo)識別[J]. 趙靜,王弦,王奔,蔣國平,謝非,徐豐羽.  控制與決策. 2020(08)
[8]國內(nèi)外城市地下空間資源開發(fā)利用的發(fā)展和問題[J]. 孫鈞.  隧道建設(shè)(中英文). 2019(05)
[9]深度學(xué)習(xí)在圖像識別中的應(yīng)用研究綜述[J]. 鄭遠(yuǎn)攀,李廣陽,李曄.  計算機工程與應(yīng)用. 2019(12)
[10]盾構(gòu)隧道結(jié)構(gòu)三維掃描檢測技術(shù)及應(yīng)用研究[J]. 吳勇,張默爆,王立峰,王靜,丁智,盧建軍.  現(xiàn)代隧道技術(shù). 2018(S2)

博士論文
[1]分布式光纖應(yīng)變監(jiān)測系統(tǒng)研究[D]. 史彥新.中國地質(zhì)大學(xué)（北京） 2010

碩士論文
[1]基于深度學(xué)習(xí)的隧道襯砌病害GPR探測智能反演與識別方法[D]. 徐輝.山東大學(xué) 2019
[2]巖體裂隙圖像特征的定量識別與分析方法研究[D]. 唐曉杰.中國礦業(yè)大學(xué) 2019
[3]含圓形孔洞節(jié)理巖體力學(xué)行為模型試驗及離散元模擬[D]. 張元超.中國礦業(yè)大學(xué) 2018
[4]隧道結(jié)構(gòu)表面病害特征快速檢測研究[D]. 朱鑫.西南交通大學(xué) 2014
[5]基于智能算法的鼠標(biāo)手勢識別的應(yīng)用研究[D]. 成功.大連海事大學(xué) 2013
[6]隧道襯砌裂縫車載檢測圖像分析研究[D]. 王睿.西南交通大學(xué) 2012
[7]基于圖像處理的隧道檢測[D]. 李鵬.北京交通大學(xué) 2007



本文編號：3401762