基于MLS点云的多尺度盾构隧道渗水病害检测网络

作     者：刘振宇 高贤君 杨元维 王少宁 许磊 于盛妍 寇媛 刘波 

作者机构：长江大学地球科学学院 中国铁路设计集团有限公司 内蒙古自治区测绘地理信息中心 湖南省第一测绘院 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室 

出 版 物：《铁道科学与工程学报》 (Journal of Railway Science and Engineering)

年 卷 期：2024年

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：城市轨道交通数字化建设与测评技术国家工程实验室开放课题基金资助(2023ZH01) 自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金资助(MEMI-2021-2022-08) 天津市科技计划项目(23YFYSHZ00190,23YFZCSN00280) 湖南省自然科学基金项目部门联合基金(2024JJ8327) 江西省自然科学基金资助项目(20232ACB204032) 

主　　题：盾构隧道 渗水检测 移动激光扫描 目标检测 YOLOv8 

摘      要：在盾构隧道中，渗水问题常导致电力系统短路、设备腐蚀以及结构劣化等后果。然而，现有的渗水病害检测技术存在智能化程度低、精度和效率不足的问题。针对这一挑战，本文提出了一种基于点云强度图像的智能化渗水病害检测方法。首先，利用移动激光扫描设备在弱光环境的隧道条件下收集三维点云数据，标注构建了渗水病害数据集。然后，针对多尺度渗水目标，设计了高性能的目标检测网络。该网络集成了专为处理多尺度渗水信息而设计的可重构上下文信息融合模块，并设计了渗水的难例挖掘损失函数，以提高模型对多尺度渗水目标和具有挑战性目标的检测能力。为简化模型复杂度，使用改进后的轻量化检测头结构减小模型的大小。最后，通过在渗水病害数据集上进行训练和测试，实验结果表明，该模型实现了高达93.59%的渗水病害识别率，相比于之前的模型，AP指标相比改进前的方法提高了3.69%。此外，改进后的模型相比于原模型在计算量减少了47.15%。消融实验和对比实验进一步验证了该方法的有效性以及相对于其他方法的优势。总体而言，该方法在效率和精度上都取得了显著效果，为盾构隧道渗水病害检测提供了有效保障，有助于确保隧道的安全运行。