典型文献
基于深度学习的公路隧道衬砌病害识别方法
文献摘要：
针对与日俱增的隧道养护需求,为了节约时间与人力成本,提出基于卷积神经网络的公路隧道衬砌病害检测方法.利用自主研制的隧道智能快速检测车采集24条隧道衬砌的图像,构建超过20000张病害图像的高质量数据集.结合隧道衬砌病害的成因及特点,分别构建单阶段SSD模型和两阶段R-FCN模型在自制的数据集上训练,对检测结果进行对比分析,提出离线式隧道衬砌病害检测方案.试验结果表明,SSD模型的识别准确率为98％,总的平均精度均值(mAP)为72％,检测速度较快,适用于隧道的快速诊断.R-FCN模型的识别准确率为85％,总的mAP达到91％,检测精度较高,适用于隧道病害的后期处理.利用这2种检测模型均可以提升检测效率和精度.
文献关键词：
深度学习;卷积神经网络;隧道衬砌;隧道病害检测;裂缝;渗漏水
中图分类号：
作者姓名：
任松;朱倩雯;涂歆玥;邓超;王小书
作者机构：
重庆大学 煤矿灾害动力学与控制国家重点实验室, 重庆 400044
文献出处：
引用格式：
[1]任松;朱倩雯;涂歆玥;邓超;王小书-.基于深度学习的公路隧道衬砌病害识别方法)[J].浙江大学学报（工学版）,2022(01):92-99
A类：
B类：
公路隧道,隧道衬砌,衬砌病害,病害识别,与日俱增,隧道养护,人力成本,自主研制,快速检测,检测车,病害图像,质量数据,单阶段,SSD,两阶段,FCN,出离,离线,检测方案,识别准确率,平均精度均值,mAP,检测速度,快速诊断,检测精度,检测模型,检测效率,隧道病害检测,渗漏水
AB值：
0.325522
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
