本文使用一種地鐵隧道快速機器視覺檢測系統(tǒng),該系統(tǒng)采用深度學(xué)習(xí)算法,有效識別了采集圖像中的病害特征。其軟件平臺能夠方便隧道管理者實時查看和跟蹤隧道病害信息。該檢測系統(tǒng)應(yīng)用于南寧地鐵的檢測,取得了較好的檢測效果,能精確地識別隧道的裂縫、剝落和滲漏等病害,并從圖像效果、定位精度、檢測效率、識別率和檢測精度4個方面與人工檢測方法進行了對比分析。結(jié)果表明,該系統(tǒng)的圖像采集效果顯著優(yōu)于人工方法;檢測速度可達3020km/h;識別裂縫、剝落和滲漏的識別精度分別可達89%、100%和94%;能夠識別面積為10020mm2的表面缺陷和裂縫寬度>0.220mm的裂縫。 

【文章來源】：測繪通報. 2020,(09)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
1 基于機器視覺方法的檢測系統(tǒng)
    1.1 硬件系統(tǒng)
        1.1.1 機器視覺系統(tǒng)
        1.1.2 補光系統(tǒng)
    1.2 圖像處理與軟件系統(tǒng)
        1.2.1 圖像融合
        1.2.2 襯砌表觀病害識別
        1.2.3 數(shù)據(jù)平臺
2 應(yīng)用分析
    2.1 工程簡介
    2.2 檢測結(jié)果及精確度分析
        2.2.1 系統(tǒng)檢測結(jié)果與分析
        2.2.2 圖像采集效果分析
        2.2.3 定位精準(zhǔn)度分析
        2.2.4 檢測效率分析
        2.2.5 識別率分析
        2.2.6 檢測精度分析
3 結(jié)論


【參考文獻】：
期刊論文
[1]利用三維激光掃描技術(shù)進行地鐵隧道施工質(zhì)量管控及病害檢測[J]. 宋云記,王智.  測繪通報. 2020(05)
[2]A20Robust20Gaussian20Mixture20Model20for20Mobile20Robots’20Vision-based20Pose20Estimation[J]. Chuanqi CHENG,Xiangyang HAO,Jiansheng LI,Peng HU,Xu ZHANG.  Journal of Geodesy and Geoinformation Science. 2019(03)
[3]移動三維激光測量系統(tǒng)在地鐵運營隧道病害監(jiān)測中的應(yīng)用研究[J]. 高洪,李凱,馬全明,韓志晟,孫丕川.  測繪通報. 2019(08)
[4]地鐵安全事故分析及安全管理[J]. 傅鶴林,黃震,王慧,張加兵,史越.  隧道與地下工程災(zāi)害防治. 2019(02)
[5]Research20on203D20Target20Pose20Tracking20and20Modeling[J]. Yang SHANG,Xiaoliang SUN,Yueqiang ZHANG,You LI,Qifeng YU.  Journal of Geodesy and Geoinformation Science. 2019(02)
[6]公路隧道結(jié)構(gòu)快速檢測車綜述[J]. 楊俊,劉笑娣,劉新根,張平,彭飛.  華東交通大學(xué)學(xué)報. 2018(04)
[7]基于云理論的隧道結(jié)構(gòu)健康診斷方法[J]. 傅鶴林,黃震,黃宏偉,張加兵,尹光明.  工程科學(xué)學(xué)報. 2017(05)
[8]隧道病害快速檢測技術(shù)現(xiàn)狀及分析比較[J]. 王平讓.  公路與汽運. 2016(03)



本文編號：3178312