本文内容来源于《测绘通报》2024年第8期，审图号：GS京（2024）1527号
地铁隧道病害检测深度学习模型优化及应用
尤相骏1, 赵霞2, 龙四春3, 王嘉伟1, 郑颖2, 邝利军4
1. 浙江华展研究设计院股份有限公司, 浙江 宁波 315000;2. 北京工商大学计算机与人工智能学院, 北京 102446;3. 湖南科技大学地球科学与空间信息工程学院, 湖南 湘潭 411201;4. 中国建筑第五工程局有限公司, 广东 深圳 518108
基金项目：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
关键词：深度学习, 模型优化, 检测方法, 隧道病害
引文格式：尤相骏, 赵霞, 龙四春,等. 地铁隧道病害检测深度学习模型优化及应用[J]. 测绘通报, 2024(8): 96-101.doi: 10.13474/j.cnki.11-2246.2024.0817.摘要
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。
作者简介作者简介：尤相骏(1978—),男,硕士,高级工程师,主要研究方向为工程测量与智能化测绘。E-mail:[email protected]通信作者：赵霞。E-mail:[email protected]
初审：杨瑞芳复审：宋启凡
终审：金 君
资讯