地铁隧道结构机器视觉检测系统及应用分析

发布时间：2021-05-10 00:26

　　本文使用一种地铁隧道快速机器视觉检测系统,该系统采用深度学习算法,有效识别了采集图像中的病害特征。其软件平台能够方便隧道管理者实时查看和跟踪隧道病害信息。该检测系统应用于南宁地铁的检测,取得了较好的检测效果,能精确地识别隧道的裂缝、剥落和渗漏等病害,并从图像效果、定位精度、检测效率、识别率和检测精度4个方面与人工检测方法进行了对比分析。结果表明,该系统的图像采集效果显著优于人工方法;检测速度可达3020km/h;识别裂缝、剥落和渗漏的识别精度分别可达89%、100%和94%;能够识别面积为10020mm2的表面缺陷和裂缝宽度>0.220mm的裂缝。 

【文章来源】：测绘通报. 2020,(09)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 基于机器视觉方法的检测系统
    1.1 硬件系统
        1.1.1 机器视觉系统
        1.1.2 补光系统
    1.2 图像处理与软件系统
        1.2.1 图像融合
        1.2.2 衬砌表观病害识别
        1.2.3 数据平台
2 应用分析
    2.1 工程简介
    2.2 检测结果及精确度分析
        2.2.1 系统检测结果与分析
        2.2.2 图像采集效果分析
        2.2.3 定位精准度分析
        2.2.4 检测效率分析
        2.2.5 识别率分析
        2.2.6 检测精度分析
3 结论


【参考文献】：
期刊论文
[1]利用三维激光扫描技术进行地铁隧道施工质量管控及病害检测[J]. 宋云记,王智.  测绘通报. 2020(05)
[2]A20Robust20Gaussian20Mixture20Model20for20Mobile20Robots’20Vision-based20Pose20Estimation[J]. Chuanqi CHENG,Xiangyang HAO,Jiansheng LI,Peng HU,Xu ZHANG.  Journal of Geodesy and Geoinformation Science. 2019(03)
[3]移动三维激光测量系统在地铁运营隧道病害监测中的应用研究[J]. 高洪,李凯,马全明,韩志晟,孙丕川.  测绘通报. 2019(08)
[4]地铁安全事故分析及安全管理[J]. 傅鹤林,黄震,王慧,张加兵,史越.  隧道与地下工程灾害防治. 2019(02)
[5]Research20on203D20Target20Pose20Tracking20and20Modeling[J]. Yang SHANG,Xiaoliang SUN,Yueqiang ZHANG,You LI,Qifeng YU.  Journal of Geodesy and Geoinformation Science. 2019(02)
[6]公路隧道结构快速检测车综述[J]. 杨俊,刘笑娣,刘新根,张平,彭飞.  华东交通大学学报. 2018(04)
[7]基于云理论的隧道结构健康诊断方法[J]. 傅鹤林,黄震,黄宏伟,张加兵,尹光明.  工程科学学报. 2017(05)
[8]隧道病害快速检测技术现状及分析比较[J]. 王平让.  公路与汽运. 2016(03)



本文编号：3178312