54 / 2024-07-23 15:56:39

基于FC-ResNet网络的隧道衬砌裂缝像素级分割方法

隧道工程；裂缝分割；深度学习；全卷积网络；残差网络

衬砌裂缝反映了隧道结构健康程度，提升隧道定期巡检中裂缝的检测精度和检测效率是当前研究的关键问题。通过以ResNet作为主干特征提取网络，借鉴U-net“编码-解码”和优化网络结构特征层等方法，提出了一种用于隧道衬砌裂缝检测的FC-ResNet算法，实现了对衬砌裂缝的像素级分割。为验证本算法的有效性和可靠性，采用CrackSegNet和U-net进行对比验证，结果表明：该算法的检测性能表现优异，测试集的像素准确率、平均交并比及F1-score分别为99.2%、87.4%、0.87，均优于CrackSegNet和U-net，且该算法的单张图片检测时间为122ms，优于CrackSegNet，与模型结构简洁的U-net基本持平。基于提出的FC-ResNet算法开发了隧道衬砌裂缝智能识别系统，实现对实际隧道工程衬砌裂缝准确、快速的智能化识别。