基于多任务约束深度学习的水工隧洞缺陷检测方法研究

作     者：邓旭方 徐轶 阿依胡兰·阿山 陈正虎 蔡伟 DENG Xufang;XU Yi;AYIHULAN Ashan;CHEN Zhenghu;CAI Wei

作者机构：中国长江电力股份有限公司湖北武汉430014 长江勘测规划设计研究有限责任公司湖北武汉430010 国家大坝安全工程技术研究中心湖北武汉430010 武汉大学遥感信息工程学院湖北武汉430072 

基　　金：中国长江电力股份有限公司科研项目(Z212102007) 

出 版 物：《水利水电快报》 (Express Water Resources & Hydropower Information)

年 卷 期：2024年第45卷第7期

页      码：64-69页

摘      要：由于水工隧洞环境复杂、缺陷类型多,数字图像处理技术在隧洞巡检中的应用存在缺陷识别精度低、鲁棒性差等问题。为此,提出了基于多任务约束深度学习的水工隧洞缺陷自动检测方法。该方法在Faster R-CNN深度学习原理的基础上,结合原始目标检测的定位约束、类别约束,增加特征到影像恢复的约束,可以较完整地保留图像以及缺陷特征信息,从而解决部分水工隧洞缺陷样本不全而引起的特征提取不鲁棒的问题。测试结果表明:多任务约束的Faster R-CNN深度学习方法能够较好地识别裂缝、渗水、掉块等多种病害缺陷,有效提高了识别精度,为水工隧洞工程缺陷检测提供了可靠方法。

主 题 词：隧洞缺陷检测 多任务约束深度学习 Faster R-CNN 隧洞缺陷特征表达 

学科分类：081504[081504] 08[工学] 0815[工学-矿业类] 

D　O　I：10.15974/j.cnki.slsdkb.2024.07.011

馆 藏 号：203128568...