基于深度学习级联技术的隧道裂缝识别与分析算法研究
发布时间：2021-03-10 17:05
裂缝的存在会影响隧道的稳定性,及时对隧道裂缝进行有效识别与处理对保障铁路的安全运行至关重要。由于采集的隧道图像量非常大,近年来人工方法已不能满足实际需要,而传统的图像处理方法也很难达到令人满意的速度和精度。课题围绕人工智能中的计算机视觉技术,研究基于深度学习方法的图像分类算法与语义分割算法,并将其应用到铁路隧道图像分析领域。本文采用深度卷积神经网络设计了隧道图像裂缝分类模型与分割模型,实现了隧道裂缝的识别与分析,并搭建了隧道裂缝分析系统,能够显著提高隧道裂缝检测的工作效率。本文首先建立了符合深度学习业界标准的隧道图像分析数据集,共73020张图像,满足了深度学习方法的研究需求。其次,设计并实现了隧道裂缝分类算法,基于pytorch框架搭建了裂缝图像分类模型,完成了模型的训练与测试,在裂缝数据集上进行评估,分类精度达到了98%,准确率达到了87%,召回率达到了81%。然后,设计并实现了隧道裂缝分割算法,提出了SPPNet分割网络结构以提高裂缝的特征提取与融合效果,并采用权重损失函数进一步提高裂缝分割精度,在裂缝数据集上进行评估,裂缝分割IoU达到了42.16%,Mean IoU达到了41...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１－３?Ｉｎｃｅｐｔｉｏｎ模块结构示意图??２０１５年何凯明等人提出深度残差网络ＲｅｓＮｅｔｔＭ，文章指出，通过拟合残差??
较为复杂的卷积网络结构设计代替原来的简单结构，设计了?Ｉｎｃｅｐｔｉｏｎ模块，通??过不同尺度的卷积结构来捕捉不同尺度的特征，同时使用了大量１＊１的卷积来进??行维度变换，使得不同维度特征可以进行融合，如图１－３所示。结果表明，??ＧｏｏｇＬｅＮｅｔ能有效提升图像识别精度，在２０１４年ＩｍａｇｅＮｅｔ图像分类竞赛上夺得??冠军。ＧｏｏｇＬｅＮｅｔ的贡献还在于其在设计的过程中充分考虑了网络参数的数量，??虽然结构设计复杂，但它本身还是一个较为轻量的网络，这也成为后来深度卷积??神经网络的一个重要的研宄方向。在此基础上，谷歌研宄院及其余研宄者基于??ＧｏｏｇＬｅＮｅｔ提出了很多升级版本，进一步改进了?Ｉｎｃｅｐｔｉｏｎ模块，更成熟地提出??了一些网络设计准则。２０１４年ＩｍａｇｅＮｅｔ图像分类竞赛的亚军是ＶＧＧ［１２］，ＶＧＧ??在ＡｌｅｘＮｅｔ的基础上加深了网络的深度并进行探讨，同时在卷积核尺寸、下采样??位置与卷积通道数变化等方面为研宄者提供了一套网络模型设计的准则。??输入层??１ｘ１卷积层?１ｘ１卷积层?３ｘ３池化层??１ｘ１卷积层??３ｘ３卷积层?５ｘ５卷积层?１ｘ１卷积层??图１－３?Ｉｎｃｅｐｔｉｏｎ模块结构示意图??２０１５年何凯明等人提出深度残差网络ＲｅｓＮｅｔｔＭ
过学习的方式自动获取每个特征通道的重要程度，然后依照这个重要程度去提升??有用的特征并抑制用处不大的特征［２叱ＳＥＮｅｔ还有一个特点就是易于与其他的网??络相结合，一起部署来进一步提高网络性能，ＳＥＮｅｔ的设计思路如图１－４所示。??生成权值??Ｘｉ?ｘ２??Ｉ???｜?＞??ｌ??ｙ?ｒ??ｃ?ｃ??图１－４?ＳＥＮｅｔ特征通道加权示意图??最初神经网络用于图像分割［２１］，是通过给图像中的每个像素都分配一个神??经元，使得每个神经元与其邻居神经元相互连接。这相当于对一定范围内的像素??进行局部分类，这种方法一方面存储开销大，计算效率低，另一方面感受野受限??制，只能提取局部特征，所以分割效果不好卷积神经网络的提出极大地促成??了计算机视觉领域的发展，深度学习不仅在物体识别任务上取得成功，也开始在??检测、分割等任务上大放异彩。２０１５年，Ｌｏｎｇ?Ｊ等人提出“Ｆｕｌｌｙ?Ｃｏｎｖｏｌｕｔｉｏｎａｌ??Ｎｅｔｗｏｒｋｓ?ｆｏｒ?Ｓｅｍａｎｔｉｃ?Ｓｅｇｍｅｎｔａｔｉｏｎ”，简称为?ＦＣＮ［２２］，ＦＣＮ?首先用深度学习方法??来解决分割问题。在ＦＣＮ分割算法的基础上
【参考文献】：
期刊论文
[1]基于深度卷积神经网络的隧道衬砌裂缝识别算法[J]. 柴雪松,朱兴永,李健超,薛峰,辛学仕. 铁道建筑. 2018(06)
[2]基于卷积神经网络的人脸识别方法[J]. 陈耀丹,王连明. 东北师大学报(自然科学版). 2016(02)
[3]基于多图像与多分辨率的路面裂缝检测方法[J]. 王晓明,冯鑫,党建武. 兰州理工大学学报. 2013(01)
[4]随机梯度下降法的一些性质(英文)[J]. 汪宝彬,汪玉霞. 数学杂志. 2011(06)
[5]不均匀光照的路面裂缝检测和分类新方法[J]. 李刚,贺昱曜. 光子学报. 2010(08)
[6]机器视觉及其应用[J]. 刘曙光,刘明远,何钺. 河北科技大学学报. 2000(04)
[7]基于多分类器组合的手写体数字识别[J]. 胡钟山,娄震,杨静宇,刘克,孙靖夷. 计算机学报. 1999(04)
硕士论文
[1]商品图像检测方法的研究[D]. 王智慧.北京邮电大学 2018
[2]地铁隧道表面图像裂缝识别算法研究[D]. 白彪.北京交通大学 2015
[3]路面裂缝自动检测图像识别系统研究[D]. 褚燕利.长安大学 2008
本文编号：3074975
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１－３?Ｉｎｃｅｐｔｉｏｎ模块结构示意图??２０１５年何凯明等人提出深度残差网络ＲｅｓＮｅｔｔＭ，文章指出，通过拟合残差??
较为复杂的卷积网络结构设计代替原来的简单结构，设计了?Ｉｎｃｅｐｔｉｏｎ模块，通??过不同尺度的卷积结构来捕捉不同尺度的特征，同时使用了大量１＊１的卷积来进??行维度变换，使得不同维度特征可以进行融合，如图１－３所示。结果表明，??ＧｏｏｇＬｅＮｅｔ能有效提升图像识别精度，在２０１４年ＩｍａｇｅＮｅｔ图像分类竞赛上夺得??冠军。ＧｏｏｇＬｅＮｅｔ的贡献还在于其在设计的过程中充分考虑了网络参数的数量，??虽然结构设计复杂，但它本身还是一个较为轻量的网络，这也成为后来深度卷积??神经网络的一个重要的研宄方向。在此基础上，谷歌研宄院及其余研宄者基于??ＧｏｏｇＬｅＮｅｔ提出了很多升级版本，进一步改进了?Ｉｎｃｅｐｔｉｏｎ模块，更成熟地提出??了一些网络设计准则。２０１４年ＩｍａｇｅＮｅｔ图像分类竞赛的亚军是ＶＧＧ［１２］，ＶＧＧ??在ＡｌｅｘＮｅｔ的基础上加深了网络的深度并进行探讨，同时在卷积核尺寸、下采样??位置与卷积通道数变化等方面为研宄者提供了一套网络模型设计的准则。??输入层??１ｘ１卷积层?１ｘ１卷积层?３ｘ３池化层??１ｘ１卷积层??３ｘ３卷积层?５ｘ５卷积层?１ｘ１卷积层??图１－３?Ｉｎｃｅｐｔｉｏｎ模块结构示意图??２０１５年何凯明等人提出深度残差网络ＲｅｓＮｅｔｔＭ
过学习的方式自动获取每个特征通道的重要程度，然后依照这个重要程度去提升??有用的特征并抑制用处不大的特征［２叱ＳＥＮｅｔ还有一个特点就是易于与其他的网??络相结合，一起部署来进一步提高网络性能，ＳＥＮｅｔ的设计思路如图１－４所示。??生成权值??Ｘｉ?ｘ２??Ｉ???｜?＞??ｌ??ｙ?ｒ??ｃ?ｃ??图１－４?ＳＥＮｅｔ特征通道加权示意图??最初神经网络用于图像分割［２１］，是通过给图像中的每个像素都分配一个神??经元，使得每个神经元与其邻居神经元相互连接。这相当于对一定范围内的像素??进行局部分类，这种方法一方面存储开销大，计算效率低，另一方面感受野受限??制，只能提取局部特征，所以分割效果不好卷积神经网络的提出极大地促成??了计算机视觉领域的发展，深度学习不仅在物体识别任务上取得成功，也开始在??检测、分割等任务上大放异彩。２０１５年，Ｌｏｎｇ?Ｊ等人提出“Ｆｕｌｌｙ?Ｃｏｎｖｏｌｕｔｉｏｎａｌ??Ｎｅｔｗｏｒｋｓ?ｆｏｒ?Ｓｅｍａｎｔｉｃ?Ｓｅｇｍｅｎｔａｔｉｏｎ”，简称为?ＦＣＮ［２２］，ＦＣＮ?首先用深度学习方法??来解决分割问题。在ＦＣＮ分割算法的基础上
【参考文献】：
期刊论文
[1]基于深度卷积神经网络的隧道衬砌裂缝识别算法[J]. 柴雪松,朱兴永,李健超,薛峰,辛学仕. 铁道建筑. 2018(06)
[2]基于卷积神经网络的人脸识别方法[J]. 陈耀丹,王连明. 东北师大学报(自然科学版). 2016(02)
[3]基于多图像与多分辨率的路面裂缝检测方法[J]. 王晓明,冯鑫,党建武. 兰州理工大学学报. 2013(01)
[4]随机梯度下降法的一些性质(英文)[J]. 汪宝彬,汪玉霞. 数学杂志. 2011(06)
[5]不均匀光照的路面裂缝检测和分类新方法[J]. 李刚,贺昱曜. 光子学报. 2010(08)
[6]机器视觉及其应用[J]. 刘曙光,刘明远,何钺. 河北科技大学学报. 2000(04)
[7]基于多分类器组合的手写体数字识别[J]. 胡钟山,娄震,杨静宇,刘克,孙靖夷. 计算机学报. 1999(04)
硕士论文
[1]商品图像检测方法的研究[D]. 王智慧.北京邮电大学 2018
[2]地铁隧道表面图像裂缝识别算法研究[D]. 白彪.北京交通大学 2015
[3]路面裂缝自动检测图像识别系统研究[D]. 褚燕利.长安大学 2008
本文编号：3074975
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3074975.html
