典型文献
隧道表面图像多目标智能识别算法研究
文献摘要：
隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究.提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别.考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测.试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2％,渗漏水的检测率为96.9％,验证了模型和算法的有效性.
文献关键词：
图像处理;隧道病害;深度学习;卷积网络
中图分类号：
作者姓名：
许力之;王耀东;朱力强;史红梅;余祖俊
作者机构：
北京交通大学 机械与电子控制工程学院,北京 100044;北京交通大学 载运工具先进制造与测控技术教育部重点实验室,北京 100044;北京交通大学 智慧高铁系统前沿科学中心,北京 100044
文献出处：
引用格式：
[1]许力之;王耀东;朱力强;史红梅;余祖俊-.隧道表面图像多目标智能识别算法研究)[J].铁道学报,2022(09):154-162
A类：
B类：
表面图像,多目标智能识别,识别算法,算法研究,表面病害,交通基础设施,人工巡检,检方,强度高,目标检测,病害识别,目标分类,分类方法,别理,语义分割,智能分类,分类识别,模型结构,改进优化,智能化检测,测试集,正线,典型病害,检测率,渗漏水,和算,隧道病害,卷积网络
AB值：
0.443485
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。
