基于深度学习的盾构隧道表观病害自动检测方法

作     者：王宝坤 王如路 陈锦剑 潘越 王鲁杰 WANG Baokun;WANG Rulu;CHEN Jinjian;PAN Yue;WANG Lujie

作者机构：上海交通大学土木工程系上海200240 上海申通地铁集团有限公司上海200070 

基　　金：国家自然科学基金(72201171) 上海市优秀学术带头人计划(20XD1422100)资助项目 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2024年第58卷第11期

页      码：1716-1723页

摘      要：为实现高精度像素级地铁盾构隧道表观多病害检测,提出一种基于深度学习的语义分割模型SU-ResNet++.首先,设计基于残差单元结合注意力机制的编码器SE-ResNet50进行预训练,并将其作为U-Net++的主干网络设计新型神经网络模型;其次,通过原始数据采集、数据预处理及人工标注,构建具有4 500张图片的盾构隧道表观多病害数据集;最后,将所提出的方法通过数据集进行训练、验证和测试,并应用于实际工程检测,实现了高精度像素级的病害语义分割.实验结果表明,所提出的SU-ResNet++算法适用于盾构隧道病害数据检测,可以自动准确地识别病害类别及形态,病害识别精度相比传统语义分割模型有明显提高,并且满足实际工程需求.

主 题 词：地铁盾构隧道 数据集构建 语义分割 深度迁移学习 U-Net++网络 

学科分类：081406[081406] 08[工学] 080203[080203] 0802[工学-机械学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.16183/j.cnki.jsjtu.2023.089

馆 藏 号：203155678...