地铁隧道病害检测深度学习模型优化及应用
Optimization and application of deep learning model-based subway tunnel defect detection作者机构：浙江华展研究设计院股份有限公司浙江宁波315000 北京工商大学计算机与人工智能学院北京102446 湖南科技大学地球科学与空间信息工程学院湖南湘潭411201 中国建筑第五工程局有限公司广东深圳518108
出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)
年 卷 期：2024年第8期
页 面：96-101页
核心收录：
学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术]
基 金：国家自然科学基金(42377453 41877283) 湖南省科技创新计划(2021RC4037 2033JJ30235) 湖南省自然资源厅科研项目(2021-18) 2024年度宁波市“科创甬江2035”关键技术突破计划科研项目
摘 要：本文针对地铁隧道中渗漏水、裂纹裂缝、结构抹灰开裂及剥落掉块4种常见病害,研究了基于激光雷达扫描点云数据和深度学习的地铁隧道病害检测方法。首先,引入ACmix注意力模块,使网络兼顾全局特征和局部特征,提升对裂纹、裂缝等小目标的检测效果;然后,优化回归损失函数,提高收敛平稳度和回归精度,降低检测误差;最后,实现正射投影图像预处理、批量检测、结果融合及检测结果报表的一体化生成,提高大尺度正射投影图的病害检测率。试验结果表明,在选取IoU阈值为0.5的条件下,改进后的YOLOv8算法在隧道病害测试检测中正确率由90.65%提升至91.18%,基本实现了基于激光雷达扫描的地铁隧道4类常见病害的智能检测,并在实际隧道运维工程中得到成功应用。
维普期刊数据库