基于ECA和YOLOv5的隧道渗水检测方法

作     者：杨丽 邓靖威 段海龙 杨晨晨 YANG Li;DENG Jingwei;DUAN Hailong;YANG Chenchen

作者机构：天津职业技术师范大学自动化与电气工程学院 天津职业技术师范大学天津市信息传感与智能控制重点实验室 

基　　金：天津市教委科研计划项目(2022ZD036) 天津市自然科学基金资助项目(20JCZDJC00150) 

出 版 物：《天津职业技术师范大学学报》 (Journal of Tianjin University of Technology and Education)

年 卷 期：2024年第34卷第2期

页      码：19-24页

摘      要：针对现有方法存在的隧道渗水检测精度不高和特征融合过程中信息丢失的问题，提出了一种基于有效的通道注意力（efficient channel attention,ECA）和YOLOv5的隧道渗水检测方法。该方法融合ECA注意力模块设计瓶颈结构，加强挖掘浅层特征表征的几何结构信息，充分提取水迹特征信息的同时抑制背景特征，提高水迹检测精度。在建立的隧道渗水水迹数据集上进行实验，结果表明：对比原YOLOv5模型，所提出的隧道渗水检测方法的平均精度均值提高了10%，准确率提高了17%，召回率提高了6%。实验结果验证了该方法的有效性。

主 题 词：隧道渗水检测 深度学习 注意力机制 

学科分类：12[管理学] 081406[081406] 08[工学] 1201[管理学-管理科学与工程类] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0814[工学-地质类] 0811[工学-水利类] 0812[工学-测绘类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.19573/j.issn2095-0926.202402003

馆 藏 号：203128281...