基于改进Mask R-CNN深度学习算法的隧道裂缝智能检测方法

基于改进Mask R-CNN深度学习算法的隧道裂缝智能检测方
法
朱磊;李东彪;闫星志;刘向阳;沈才华
【期刊名称】《图学学报》
【年(卷),期】2023(44)1
【摘要】隧道裂缝检测是避免隧道重大灾害和日常养护的重要工作,但传统人工检测工作量巨大,无法满足实际需求。

采用深度学习神经网络Mask R-CNN模型对裂缝进行智能自动检测,避免了人工检测的耗时耗力。

通过调整算法参数,优化模型检测结果,获得适用于隧道裂缝检测的Mask R-CNN模型。

针对自动识别的裂缝结果,进一步计算其几何特征参数。

为充分利用裂缝狭长弯曲特性,体现裂缝走向及基本形态,提出了基于骨架提取和函数拟合思想的裂缝几何特征计算方法。

根据裂缝骨架,可获得裂缝走势,计算裂缝长度。

通过函数拟合,可得到贯穿裂缝狭长区域的函数,根据函数法向量计算宽度。

根据裂缝几何参数计算结果,结合规范规定的须修复裂纹宽度要求,可实现隧道裂缝检测自动预警,为隧道裂缝自动检测提供了技术支撑。

【总页数】7页(P177-183)
【作者】朱磊;李东彪;闫星志;刘向阳;沈才华
【作者单位】中交隧桥(南京)技术有限公司;河海大学理学院;河海大学土木与交通学院
【正文语种】中文
【中图分类】U45
【相关文献】
1.基于改进的Mask R-CNN的公路裂缝检测算法
2.基于改进Mask R-CNN钢纤维混凝土裂缝检测模型
3.基于改进Mask R-CNN的植物表型智能检测算法
4.基于改进Mask R-CNN的混凝土坝裂缝像素级检测方法
5.一种基于MASK R-CNN的铁路隧道裂缝识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。