隨著公路隧道的不斷建設(shè),公路隧道的病害識(shí)別問題、養(yǎng)護(hù)問題日益增多,傳統(tǒng)的隧道襯砌裂紋識(shí)別工作需要大量人工參與內(nèi)業(yè)工作,效率不高。文章采用隧道快速檢測(cè)車所采集的圖像數(shù)據(jù),利用卷積神經(jīng)網(wǎng)絡(luò),研究得出了一套用于定向識(shí)別隧道檢測(cè)車所拍攝的公路隧道襯砌開裂的模型。根據(jù)訓(xùn)練過程中發(fā)現(xiàn)的問題,針對(duì)裂紋數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)識(shí)別效果的影響進(jìn)行了對(duì)比研究,證明了按照不同裂紋走勢(shì)分類圖像所訓(xùn)練的神經(jīng)網(wǎng)絡(luò)識(shí)別能力較好,具有較好的適用性。 

【文章來源】：現(xiàn)代隧道技術(shù). 2020,57(05)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

同巖公司公路隧道快速檢測(cè)車

運(yùn)用Matlab對(duì)隧道快速檢測(cè)車拍攝的圖像進(jìn)行簡(jiǎn)單的邊緣檢測(cè)算法處理，結(jié)果如圖2所示，裂紋分離效果不好，背景干擾大，無(wú)法直接有效提取出裂紋特征。4 深度學(xué)習(xí)識(shí)別模型

考慮到訓(xùn)練效率和裂紋識(shí)別的特點(diǎn)，為了縮短訓(xùn)練時(shí)間并且防止過擬合，使用少量的圖像進(jìn)行訓(xùn)練即可。由于所拍攝的大部分圖像中都不含襯砌裂紋，所以由人工從隧道快速檢測(cè)車拍攝的圖像中選取帶裂紋及不帶裂紋的圖像各150張。為了便于訓(xùn)練，調(diào)整圖像亮度和對(duì)比度之后，編程進(jìn)行圖像分割用以制作數(shù)據(jù)集[7]，如圖3所示。為了研究不同數(shù)據(jù)集對(duì)訓(xùn)練和識(shí)別效果是否存在影響，本文根據(jù)是否區(qū)分裂紋走勢(shì)，設(shè)置兩組數(shù)據(jù)集進(jìn)行訓(xùn)練，其包含的數(shù)據(jù)標(biāo)簽分別為：

【參考文獻(xiàn)】：
期刊論文
[1]公路隧道結(jié)構(gòu)快速檢測(cè)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(bào). 2018(04)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 王振,高茂庭.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2015(20)
[4]圖像物體分類與檢測(cè)算法綜述[J]. 黃凱奇,任偉強(qiáng),譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2014(06)
[5]基于泛滑動(dòng)窗與2DLDA的單樣本人臉識(shí)別[J]. 陳才扣,黃建平,劉永俊.  計(jì)算機(jī)應(yīng)用. 2007(11)



本文編號(hào)：3469170