[发明专利]一种基于深度学习的地铁盾构隧道病害检测方法

摘要

一种基于深度学习的地铁盾构隧道病害检测方法，具体实施步骤如下：A.架设摄像头并进行摄像；B.测区数据的过拟合处理；C.模型的评价与修正；D.隧道损伤的识别与定位；E.隧道测区位置损伤自动在线监测与实时存储。本发明的优点是：1.解决了传统人工巡检效率低、数字化程度低、不利于检测的信息化、自动化的缺点；2.解决了传统隧道损伤监测方法中图像传输距离受限的问题，提高测量精度；3.通过加入深度学习算法，可以大大减轻由于环境因素导致的识别失误；4.采用高速千兆以太网将摄像头采集到的图像信息传输到计算机，实时传输快，实现数据在线即时处理，可以将监控视频与拉索实时应力状态结合查看，可以实现事件全信息回放。

主权项

1.一种基于深度学习的地铁盾构隧道病害检测方法，具体实施步骤如下：A.架设摄像头并进行摄像；A1.将摄像头对隧道损伤测试区域；A2.反复调整调节摄像头的镜头焦距、光圈大小和放大倍数等，使得完整损伤出现在显示器视野中；A3.调整摄像头曝光时间和增益值，得到隧道被测区域的清晰图像并使得其位于图像的合适位置，最终得到隧道损伤的最佳图像；B.测区数据的过拟合处理；B1.收集更多的盾构损伤数据；B2.充分利用已有的损伤数据集和其他建材数据集；B3.充分利用转移学习和数据增强技术；C.模型的评价与修正；C1.通过摄像头收集到的数据分布形成训练集和验证集；C2.对数据进行初始化，并使用PyTorch使用深度学习模型进行训练并识别；C3.采用ROC曲线和Precision Recall曲线对模型进行评价；D隧道损伤的识别与定位；D1.调取隧道测区的初始化图案三维图像模型和实际空间对应模型；D2.抽取初始化图案三维图像模型中多个特征点，这几个特征点可以充分表征隧道测区的三维几何形态，并将这些特征点作为三维数字图像相关的基准；D3.将基准模板在由摄像头拍摄到的图像构建的三维模型中进行数字图像相关匹配，搜索抽取的特征点在现在模型中的位置，并实现多特征点跟踪；D4.对多特征点追踪过程进行机器学习和训练，优化追踪任务，并加入自适应算法降低光线等变化对追踪的干扰，直至特征点追踪满足要求；D5.将三维图像模型转化到实际三维空间模型，将此时的实际三维空间模型与初始化三维空间模型进行对比，得到隧道测区实际的图像；D6.通过摄像头所得到的隧道损伤处图片，通过光学定位方法，将检修车此时的位置发送至主机中。E.隧道测区位置损伤自动在线监测与实时存储；E1.按照被测隧道损伤监测要求制定数据采样频率和存储策略；E2.摄像头不断进行拍照，按照D步骤中描述对每一帧拍摄到的图像构建的模型进行多特征点追踪，追踪任务完成之后转换到实际三维模型进行识别；E3.检查D3是否完成D2提出的采集策略和采集存储任务，如果完成，隧道损伤监测任务完成。