立即注册
查看: 663|回复: 1

[资料] 基于深度学习的隧道病害图像检测

已绑定手机
发表于 2022-3-2 16:36:02 | 显示全部楼层 |阅读模式 来自 广东省深圳市
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。

地铁是当今城市人民的主要公共交通基础设施, 在世界范围内有广泛的应用,由于隧道在地下受到综 合压力的作用会发生变形,严重时盾构隧道衬砌 表面会出现渗漏、裂缝、腐蚀、缺损等病害,隧 道内病害的出现对隧道的安全带来了巨大的安全隐患,比如,裂缝的出现会引起隧道内的衬砌表面出现 渗水、漏水,渗水和漏水的出现会引起隧道内的钢制 结构出现电化学腐蚀,电化学腐蚀进一步导致渗漏水 的发生,导致隧道内的病害出现恶性循环,严重的影 响了隧道的使用寿命和正常的运营。人工检测的方 法,具有较高的主观性,并且随着视觉的疲劳会引起 误检、漏检等,这种主观性较强的检测方法是很低效的,而且隧道中检测人员的安全也是一个需要考虑的 问题。传统的基于视觉的方法来完成隧道病害的检测;因此,人们开发了基于图像处理的半自动和 全自动方法以促进隧道内的健康检测,机器人的应用 减少了人工的干预并且提高了检测人员的安全性.此 外隧道的照明条件较差,因此开发自动检测的方法变 得尤为重要。

1、检测系统组成及检测方法原理
地铁隧道一般位于地下,其工作环境较差,而对于上海跨黄浦江的越江隧道,其工作环境恶劣,地下能够行走的空间狭小,光线微弱,空气尤为污浊。为此,本课题组设计了一种履带式巡检机器人进行地下隧道中结构病害的检测,该巡检机器人由履带式行走本体和激光扫描仪、拍摄隧道结构病害的运动相机、避障的红外传感器等组成。由于该巡检机器人工作环境中光照非常弱,导致拍摄的隧道视频质量具有较低的清晰度和较多的阴影,甚至拍摄的视频还具有一定的虚影。同时,由于本巡检车检测的越江隧道的结构衬砌由于工作年限比较长,在其表面很多地方都覆盖了一层修补的混凝土或环氧树脂,导致在该隧道中拍摄的视频具有较多的相似性,这为后期的高精度隧道结构病害自动检测带来了一定的困难。
本研究针对地下隧道的特殊环境设计了一种残差融合模块网络(Resfmnet);Resfmnet 网络主要包括7个部分∶
1)特征提取网络 resnet50 用于提取隧道图像的特征;
2)PFnet 网络块,此网络块的作用是进行不同层次间的特征融合;
3)RFB一F 网络块,RFB一F网络块主要是为了针对隧道图像中具有模糊和阴影而设计的;
4) TRI一T网络块用来检测不同尺度的目标;
5)FPN模块,利用低层特征高分辨率和高层特征的高语义信息,通过融合这些不同层的特征达到预测的效果;
6)分类模块 (C模块),用来确定病害的类别信息;7)回归模块(C模块),用来确定病害的位置信息。本研究设计的 Resfmnet 网络的具体结构如图1所示。

2、相关研究
随着人工智能的发展,特别是深度学习在计算机视觉上的应用,为基于图像的目标检测提供了新的机遇,如今深度学习技术已经被应用于工程设施的检测和维护,而且被证明了是一种有效的方法,深度学习在图像分类、目标检测、语义分割等方面表出了较好的性能;近年来随着深度学习的发展,计算机视觉中的像素级语义分割得到迅速的发展。高等人提出一种将DenseNet 用于隧道裂缝的检测,该算法对隧道裂缝的分类取得了较好地效果,但是其检测方法偏向一种病害检测;Long等人首先提出了全卷积神经网络 【FCN】 进行语义分割,与普通的CNN相比,FCN 可以接受任意大小的输入,通过高效的推理和学习输出相应大小的图像,FCN的应用已经解决了许多难题;Ren等人提出了一种基于改进的深度全卷积神经网络,用于进行密集的像素级裂缝分割,提出的网络由骨干网络、扩张卷积、空间金字塔池化和跳接模块组成,提高了网络对裂缝的检测能力。
使用深度学习对地铁盾构隧道衬砌表面的病害进行识别可以分为3个主要目标;包括目标分类、目标检测和语义分割∶目标分类是将图像中的物体进行类别划分,目标检测不仅要将图像中的物体进行分类,而且还要确定物体的位置;由于要进行病害检测的一张图像上可能含有多种病害,而且需要对检测的病害进行分类和定位,以便于后期评估和检测人员的观察,而语义分割侧重于对每个像素进行分类。因此,本文将采用目标检测的方法,实现对隧道的病害检测。
本文主要研究对越江隧道中的电缆通道衬砌表面的多病害进行检测;越江隧道为了防止江水的灌入,在隧道的衬砌表面采取了防护措施,比如在隧道的表面覆盖了一层混凝土,受到隧道衬砌表面混凝土的影响,采集的图像中相似性特征较多;虽然开发的移动机器人能够提供光源,但是光源还是不足以提供足够的光照强度,拍摄的视频序列图像的清晰度相对较弱,并且部分图像中还具有阴影,大大增加了对隧道病害检测的难度;由于越江隧道的电缆通道中没有轨道,我们需要自己铺设移动机器人的行驶路线,以保证移动机器人按照合理的路线行驶,机器人在隧道中行驶会出现一定的摆动,导致采集的视频具有一定量的虚影,也增加了对隧道病害的检测难度。因此,本文提出了一种新的网络结构来进行隧道多病害的检测与分类,以便于后期人员的维护,数据的采集是由自主开发的机器人获得。

更多详细内容请下载附件查看
游客,如果您要查看本帖隐藏内容请回复

已绑定手机
发表于 2022-3-3 08:43:06 | 显示全部楼层 来自 江苏省徐州市
好东东,学习一下!!!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

合作/建议

TEL: 19168984579

工作时间:
周一到周五 9:00-11:30 13:30-19:30
  • 扫一扫关注公众号
  • 扫一扫打开小程序
Copyright © 2013-2024 一牛网 版权所有 All Rights Reserved. 帮助中心|隐私声明|联系我们|手机版|粤ICP备13053961号|营业执照|EDI证
在本版发帖搜索
扫一扫添加微信客服
QQ客服返回顶部
快速回复 返回顶部 返回列表