基于卷积神经网络的探地雷达隧道衬砌检测

【摘要】：对隧道施工质量缺陷进行精准的检测,可及时有效地为隧道的缺陷修复和加固提供依据。传统的隧道衬砌检测方法,如敲击、开孔或开槽取样检测,不仅操作困难、代表性差、偶然性大,而且破坏了衬砌的整体性。探地雷达以其扫描快、分辨率高、图像清晰等优点,在隧道衬砌检测中有着重要作用。针对获取的探地雷达图像,一般采用人工识别的方法进行病害判别,但是该方法存在主观性强、分析效率低下的问题。本文基于卷积神经网络开发了探地雷达病害图像的智能识别方法。首先通过获取大量探地雷达图像,利用已知的病害典型图像特征,开展雷达病害图像标注,采用深度学习的语义分割网络对雷达病害图像的识别与精准定位进行研究。研究发现,使用卷积神经网络能有效提升病害判别的准确性,对于隧道衬砌中钢筋和空洞的判别的准确率在85%左右。