基于改进布谷鸟搜索优化深度卷积网络的隧道衬砌裂缝检测算法研究

作     者：韩青松 李生勇 徐红梅 

作者机构：内蒙古交通职业技术学院 河套学院 

出 版 物：《中国铁路》 (China Railway)

年 卷 期：2024年

页      面：52-59页

学科分类：12[管理学] 081406[工学-桥梁与隧道工程] 08[工学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：内蒙古自治区教育厅自然科学项目(NJZY21190) 内蒙古自治区教育厅研究专项项目(STAQZX202320) 乌梁素海流域山水林田湖草生态保护修复试点工程支持计划项目(2019HYYSZX) 

主　　题：衬砌裂缝 隧道结构 检测算法 图像特征 

摘      要：针对隧道衬砌裂缝检测算法准确度低的问题，提出改进布谷鸟搜索优化深度卷积网络的隧道衬砌裂缝图像检测算法。首先，基于EfficientNet卷积块堆叠网络和使用深度可分离卷积移动倒置残块（Mobile Inverted Residual Block,MBConv），进行多尺度高效提取裂缝图像语义特征；同时引入改进的卷积块注意力模块（Convolutional Block Attention Module, CBAM）增强关键特征的影响；为避免区域边缘细节特征丢失，运用边缘强化模块（Boundary Enhancement Module,BEM）来调整边缘位置特征细节权重；最后，使用轮盘赌改进自适应布谷鸟搜索优化分割阈值θ，进而得到衬砌裂缝图像检测算法。消融实验结果表明，各种优化改进模块可有效提高算法模型效果，在有干扰和无干扰条件下，准确率分别达到95.74%和97.26%；对比其他算法，该算法模型的裂缝检测准确率达94.91%，均优于Mask R-CNN和DeepLabv3等算法。