地铁隧道表面裂缝自动识别系统的设计与实现

发布时间：2020-04-21 03:09

【摘要】：近年来,随着城市地铁运营里程和线路的快速增长,大量的基础设施,尤其是地铁隧道,由建设期转入养护期,设施面临着自身结构老化及外来因素损害等病害的影响。对于地铁隧道而言,隧道表面的裂缝成为地铁运营安全的隐患之一。而地铁隧道病害的检测,目前主要依靠人工巡检及肉眼判断,检测结果受人为因素影响较大,导致检测结果既不充分而且效率低下,因此,采用计算机技术和图像处理技术自动、有效、高速识别地铁隧道裂缝,成为目前地铁检测现代化的热点问题之一。在这一背景下,论文设计了地铁隧道表面裂缝自动识别系统,该系统是以面向对象,移植性高的Java语言开发,并采用当下较为流行的SSH(Struts+Spring+Hibernate)开源框架,数据库采用体积小,速度快的MySQL关系型数据库,对裂缝信息的检测识别采用是目前识别度高,识别速度快的用于快速特征嵌入的卷积体系结构(Caffe)框架下基于卷积神经网络特征提取区域推荐(Faster R-CNN)算法进行裂缝识别。论文的主要工作如下:(1)首先,论文介绍了本系统的开发背景和国内外研究现状,并阐述了本系统开发过程中使用到的目标检测技术。(2)论文根据隧道表面裂缝自动识别系统的功能需求,确定了系统的整体架构,包括系统的软件架构和技术架构。进而对系统的总体功能结构和数据库结构也进行了设计。(3)论文对该系统的详细设计、实现过程和测试过程进行了阐述。在该部分,详细介绍Faster R-CNN算法网络模型训练,以及各个功能模块的业务处理逻辑的设计方案。论文应用表明,本文设计的地铁隧道表面裂缝自动识别系统的识别效率和识别准确率均达到较好的水平。此外,该系统通过对当前最新目标检测技术Faster R-CNN的应用,实现对地铁隧道裂缝的自动检测与定位,并以此建立隧道裂缝病害分布数据库,通过历史数据对比,分析洞体变形与裂纹的发展趋势,及时指导维修人员对裂缝修复养护。
【图文】：

算法比较,目标检测,团队,演化过程

因此，，Ｒｏｓｓ邋Ｇｉｒｓｈｉｃｋ团队又提出了更快的版本Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ，使用区域逡逑提议网络（Ｒｅｇｉｏｎ邋Ｐｒｏｐｏｓａｌ邋Ｎｅｔｗｏｒｋ，ＲＰＮ）取代选择性搜索。逡逑Ｒ－ＣＮＮ、Ｆａｓｔ邋Ｒ－ＣＮＮ、Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ逐步演化过程如下图２－２所示：逡逑７逡逑

检测速度,网络图,向量,卷积核

滑动窗（３ｘ３卷积核心）用于卷积特征图。滑动过程获得５１２维向量，然后逡逑将向量放到两个平行的完全连接层：盒分类层（ｅｌｓ）和盒回归层（ｒｅｇ）以获得分逡逑类信息和位置信息。ＲＰＮ网络如图２－３所示。逡逑ｋ邋ａｎｃｈｏｒ邋ｂｏｘｅｓ逡逑２ｋ邋ｓｃｏｒｅｓ逦４Ｋ邋ｃｏｏｒｄｉｎａｔｅｓ逦．．．．．．．．．．．．．．．．．逦逡逑ｄｓ邋ｌａｙｅｒ邋＾逦於邋ｒｅｇ邋ｌａｙｅｒ逦ｙ＊逡逑２５６－ｄ逦ｒＴ？逡逑ｉｎｔｅｒｍｅｄｉａｔｅ邋ｌａｙｅｒ逡逑＼邋ｗ＼邋＼邋＼逦＼—逦Ｌ±￡ｉｕ逡逑ｓＨｃＷｎｇ邋ｗｉｎｄｏｗ逦逦邋？逡逑ｃｏｎｅ邋ｆｅａｔｕｒｅ邋ｍａｐ逦Ｊ逡逑图２＿３邋ＲＰＮ网络图逡逑Ｆｉｇｕｒｅ２－３邋ＲＰＮ邋Ｎｅｔｗｏｒｋ邋Ｄｉａｇｒａｍ逡逑Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ懫用Ｆａｓｔ邋Ｒ－ＣＮＮ进行检测和分类，解决了邋ＲＣＮＮ检测速度慢，逡逑８逡逑
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.52;TP391.41;U231;U456.3

【参考文献】