[发明专利]一种基于学习的隧道表面缺陷定位方法

说明书

本发明涉及一种基于深度学习的隧道表面缺陷定位方法，具体步骤为S1：数据的采集，采集隧道表面数据；S2：数据集的构建，以采集到的隧道表面数据构建隧道表面缺陷定位数据集；S3：模型的构建，利用深度学习技术构建隧道表面缺陷定位模型；S4：模型的训练，将采集的到的数据集输入S3构建的隧道表面缺陷定位模型，对模型进行训练；S5：缺陷定位，以新的数据作为输入，用S4训练好的隧道表面缺陷定位模型进行缺陷的定位。本发明为隧道表面缺陷定位提供了高效的自动化方法，不仅能够减轻了专业人员的劳动强度，提高效率，而且还能更加有效的避免人为主观性导致的误检和漏检，为隧道的维护管理提供了一种高效的手段。

技术领域

本发明涉及智能检测领域，具体涉及一种基于深度学习的隧道表面缺陷定位方法。

背景技术

现如今，我国的交通运输建设事业取得了长足的发展，由于地形结构的特殊性，隧道结构在建设中应用广泛，尤其是地下轨道交通行业。而隧道结构在运营过程中由于周围施工、修建时间长、维护不及时、地铁车辆运行震动等，难免会产生不同程度的缺陷。缺陷的存在势必会对隧道运营安全、人民生命财产安全造成很大的威胁。为此，需要一种方法来进行有效的缺陷定位。

传统方式下的隧道表面检测主要依靠天窗期的人工巡检完成。人工检测往往具有劳动强度大、检测效率低、精度差、人工成本高等诸多缺点。目前，人工智能技术发展的如火如荼，深度学习技术作为人工智能技术的分支，已经在很多工业领域得到了成功应用，这充分说明了该项技术的巨大潜力。

因此，本发明将深度学习技术应用于隧道表面的缺陷定位，提出一种基于深度学习的隧道表面缺陷定位方法，节省人力成本的同时提高缺陷定位的效率和精度。

发明内容

本发明所要解决的技术问题是提供一种基于深度学习的隧道表面缺陷定位方法来解决现有技术中的隧道表面缺陷检测具有劳动强度大、检测效率低、精度差、人工成本高的问题。

为解决以上技术问题，本发明的技术方案为：提供一种基于深度学习的隧道表面缺陷定位方法，其创新点在于：具体包括以下步骤：

S1：数据的采集：使用数据采集装置采集隧道表面数据；

S2：数据集的构建：以采集到的隧道表面数据构建隧道表面缺陷定位数据集；

S3：模型的构建：利用深度学习技术构建隧道表面缺陷定位模型；

S4：模型的训练：将采集的到的数据集输入步骤S3构建的隧道表面缺陷定位模型中，对模型进行训练；

S5：缺陷定位：以新的数据作为输入，用训练好的隧道表面缺陷定位模型进行隧道表面缺陷的定位。

进一步的，所述步骤S1中的数据采集装置包括高分辨率线阵相机，数据采集装置采集数据时需通过高亮度线光源照亮来拍摄隧道表面影像数据进行数据的采集，所述数据采集装置采集的数据即为拍摄到的隧道表面的照片，采集过程中采集装置在轨道上匀速运行，将线阵相机采集到的数据进行定时的裁切，以便得到分辨率合适的图像数据，裁切宽度根据设备的存储空间及设备的运行速度决定。

进一步的，所述步骤S2中构建隧道表面缺陷定位数据集的具体方法为：

(1)对步骤S1采集到的照片进行处理；

(2)对处理后的照片进行缺陷的标注。

进一步的，所述步骤(1)中对采集到的照片进行的处理的方法包括去噪、滤波、裁剪、分辨率调整和亮度调整。

进一步的，所述步骤(2)中对处理后的照片进行缺陷标注的具体方法为：将照片中有缺陷的部位用一个包围缺陷的矩形进行标注，针对每个缺陷标注所得信息为5维的向量，包括是否为缺陷、缺陷的坐标和缺陷的大小，对不含缺陷的隧道表面照片不进行任何标注。

进一步的，所述步骤S3中构建深度学习模型的具体步骤为：