摘要：为提高公路勘测外业工作效率及管理水平,在深度调研公路工程外业勘测工作自动化及需求分析的基础上,基于移动GIS和云服务开发了公路勘测外业数智平台。应用研究表明,公路勘测外业数智平台实现了外业调查数据的采集、管理与过程监管的信息化与一体化;辅助生成各类内业设计成果文件,有效解决了外业与内业有效衔接的问题;平台在既满足外业数据采集需求同时兼顾管理需求,提高了企业经营管理能力及业务综合水平。

摘要：探地雷达具有高效率、非破坏性、穿透性强和分辨率高等优点,使其成为隧道衬砌病害检测的主流方法.针对目前大多数深度学习网络只能检测出探地雷达图像中隧道衬砌病害的类型和位置,难以准确识别病害的轮廓的问题,本文提出了一种基于探地雷达图像的隧道衬砌智能病害分类与轮廓识别方法,首先构建了基于YOLACT(You Only Look At CoefficienTs)的病害轮廓及类型识别网络模型,然后结合裂缝、脱空、空洞等六类病害的介电常数模型采用时域有限差分法正演生成仿真探地雷达数据集进行模型训练,最后通过无水隧道衬砌病害和含水隧道衬砌病害的仿真数据以及隧道现场数据进行该方法的测试验证,通过模型分析和识别探地雷达B-Scan图像中的病害分类与轮廓.研究试验表明,表明本文方法在仿真数据中对裂缝、空洞、脱空、含水裂缝、含水空洞和含水脱空这六类典型隧道衬砌病害的类别和轮廓的识别结果较为准确,识别平均准确率达92.28%,同时该方法在现场试验真实探地雷达数据中也能够有效识别衬砌病害的轮廓,在实际工程中具有广泛应用前景.