基于深度学习的公路隧道衬砌病害识别方法

针对与日俱增的隧道养护需求,为了节约时间与人力成本,提出基于卷积神经网络的公路隧道衬砌病害检测方法.利用自主研制的隧道智能快速检测车采集24条隧道衬砌的图像,构建超过20000张病害图像的高质量数据集.结合隧道衬砌病害的成因及特点,分别构建单阶段SSD模型和两阶段R-FCN模型在自制的数据集上训练,对检测结果进行对比分析,提出离线式隧道衬砌病害检测方案.试验结果表明,SSD模型的识别准确率为98％,总的平均精度均值(mAP)为72％,检测速度较快,适用于隧道的快速诊断.R-FCN模型的识别准确率为85％,总的mAP达到91％,检测精度较高,适用于隧道病害的后期处理.利用这2种检测模型均可以提升检测效率和精度.