典型文献
基于深度学习的隧道病害图像检测
文献摘要：
随着我国城市地铁的快速发展,隧道的养护变得越来越重要,传统的人工检测方法不仅效率低、成本高,而且耗时,已经不能满足当今的需求;通过对越江隧道中的电缆通道的病害特征进行研究,提出一种基于深度学习的隧道多病害检测的方法,并提出了一种针对隧道病害检测的残差融合模块网络(Resfmnet),利用深度学习网络提取图像病害特征并进行病害分类,提高了病害的检测能力,所使用的数据集是通过特种机器人在越江隧道中的电缆通道拍摄的视频获得;实验结果表明所提出的网络显示出更高的准确性和泛化性,对多病害的检测的精度mAP达到0.8914,使得越江隧道检查和监控变得高效、低成本,并最终实现自动化.
文献关键词：
越江隧道;电缆通道;隧道病害检测;深度学习;自动化
中图分类号：
作者姓名：
高新闻;王龙坤
作者机构：
上海大学机电工程与自动化学院,上海 200444;上海大学上海城建(集团)公司建筑产业化研究中心,上海201400
文献出处：
引用格式：
[1]高新闻;王龙坤-.基于深度学习的隧道病害图像检测)[J].计算机测量与控制,2022(02):58-64
A类：
Resfmnet
B类：
病害图像,图像检测,城市地铁,越江隧道,电缆通道,病害特征,多病,隧道病害检测,残差融合,深度学习网络,病害分类,检测能力,特种,泛化性,mAP,检查和,控变
AB值：
0.255817
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。
