摘要：盾构隧道强度投影图像中渗漏水尺寸不一致且像素占比偏小,现有目标检测模型的关键特征学习能力较弱,存在渗漏水病害目标检测精度偏低的问题。本文提出了基于CutMix数据增强与多约束损失函数的改进YOLOv7盾构隧道渗漏水检测方法。首先采用镶嵌CutMix方法对隧道图像进行数据增强,将多张不同的训练样本进行随机裁剪,拼接融合成具有综合特征的新样本;然后以YOLOv7网络为骨架结构,引入高效通道注意力模块,提高渗漏水关键特征的自主学习与表达能力;最后引入多约束几何条件的损失函数,提高预测框几何形状的精度,从而提升模型预测精度。在光线良好、光线不佳和存在遮挡等复杂环境情况下,选取Fast R-CNN、SSD、YOLOv5、YOLOv7这4种算法进行对比,试验表明,本文算法渗漏水检测精度达85.90%,平均精度比同类算法分别提高5.55%、8.89%、3.93%、2.75%,具有较高的稳健性和泛化能力。

摘要：隧道作为交通基础设施的重要组成部分,在提高交通效能的同时,也面临着频繁的交通事故问题。通过深入分析隧道交通环境的特殊性,揭示了隧道内事故频发的原因,特别是在高速追尾事故方面的突出问题。针对目前多普勒雷达测速仪在隧道环境中存在的局限性,设计了一种基于双红外激光技术的测速仪,旨在解决隧道内测速难的问题。该测速仪设计了双红外激光器系统,通过实验证明其在开阔道路上表现良好,并在隧道环境中展现了相对优越性能。通过实地测试和与传统测速手段的比较,验证了双红外激光测速仪在隧道内的实际监测效果。然而,在高流量条件下监控效率仍需进一步优化。总体而言,该测速仪为隧道交通监测提供了新的技术路径,为提升交通安全和效能提供了有益的创新。未来的研究应着眼于进一步提高监测效率,以适应更为复杂和高密度的交通环境,促进隧道交通管理系统的全面进步。