期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习法的地铁隧道衬砌缺陷智能检测系统
被引量：
1
1
作者
张悦
韩静
+3 位作者
关祈峰
侯珏
陆婷婷
张亚芹
《城市轨道交通研究》
北大核心
2024年第9期311-316,共6页
[目的]地铁隧道内壁缺陷主要以裂纹和渗漏水为主,目前以人工和半自动化设备为主的检测方式存在强度大、效率低、可靠度不高等问题。应研究基于智能的检测识别算法及检测系统,以实现地铁隧道衬砌缺陷检测的信息化及智能化。[方法]分析了...
[目的]地铁隧道内壁缺陷主要以裂纹和渗漏水为主,目前以人工和半自动化设备为主的检测方式存在强度大、效率低、可靠度不高等问题。应研究基于智能的检测识别算法及检测系统,以实现地铁隧道衬砌缺陷检测的信息化及智能化。[方法]分析了地铁隧道缺陷巡检技术现状,提出了一套适用于地铁隧道衬砌缺陷的识别算法,主要包括图像处理算法、缺陷分类检测算法及缺陷分级检测算法等,并选用了4个指标,用以评估该识别算法的检测效果。进一步从软件和硬件2个方面,建立了基于深度学习法的地铁隧道衬砌缺陷智能检测系统。最后将该系统应用于北京地铁3条线路上,分析其现场应用的可靠性。[结果及结论]应用该智能检测系统后,地铁隧道衬砌裂纹缺陷的检测率为91.95%,误检率为0.89%;渗漏水缺陷的检测率为93.83%,误检率为0.65%。该系统可作为地铁隧道智能化检测的核心平台,对地铁隧道各种缺陷进行有效检测。
展开更多
关键词
地铁
隧道衬砌缺陷
智能检测
裂纹识别
渗漏水识别
图像算法
深度学习
在线阅读
下载PDF
职称材料
DETR-MCA:基于探地雷达图像的隧道衬砌内部缺陷的智能检测算法
2
作者
侯斐斐
张智轩
+2 位作者
崔广炎
樊欣宇
吕飞
《铁道科学与工程学报》
北大核心
2025年第4期1840-1852,共13页
隧道衬砌内部缺陷检测对于隧道的安全运行至关重要。针对传统探地雷达(ground penetrating radar,GPR)图像识别方法对技术人员要求高、复杂图像识别难度大、不能实现端到端识别等问题,提出一种基于Transformer框架的雷达图像隐藏缺陷自...
隧道衬砌内部缺陷检测对于隧道的安全运行至关重要。针对传统探地雷达(ground penetrating radar,GPR)图像识别方法对技术人员要求高、复杂图像识别难度大、不能实现端到端识别等问题,提出一种基于Transformer框架的雷达图像隐藏缺陷自动检测算法,命名DETR-MCA,在原end-to-end object detection with transformers(DETR)架构上嵌入了一种新颖的高效多尺度注意力模块—multi-scale convolutional block attention module(MCA)模块,它允许模型根据任务需求和内容上下文动态地关注于最有用的特征,从而改善DETR模型的收敛速度和对小目标的检测准确率,最终利用基于全局注意力计算的编码器-解码器结构的并行计算能力,实现空腔和不密实2种病害的端到端的检测与识别。此外,为解决实测数据集稀缺的问题,构建了GPR隧道病害实测数据集,结合数据增强方法,共获得1427张空腔数据和669张不密实数据。其次,为了增强预测模型的鲁棒性,利用5333张2种隧道构件(钢筋和钢拱)的实测数据集进行迁移学习。在相同试验条件下,将该模型与Faster R-CNN、YOLOv3、YOLOv8、Mask R-CNN、RMTDet和DINO 6种深度学习网络模型进行比较,提出的模型对隧道不同隐藏缺陷平均准确率达到97.1%,性能优于其他模型。结果表明DETR-GPR模型具有较高的识别准确率与较强的鲁棒性,可为复杂隧道环境下不同缺陷的检测提供参考。
展开更多
关键词
探地雷达
隧道衬砌缺陷
深度学习
目标检测
TRANSFORMER
在线阅读
下载PDF
职称材料
题名
基于深度学习法的地铁隧道衬砌缺陷智能检测系统
被引量：
1
1
作者
张悦
韩静
关祈峰
侯珏
陆婷婷
张亚芹
机构
北京京港地铁有限公司
上海市东方海事工程技术有限公司
出处
《城市轨道交通研究》
北大核心
2024年第9期311-316,共6页
文摘
[目的]地铁隧道内壁缺陷主要以裂纹和渗漏水为主,目前以人工和半自动化设备为主的检测方式存在强度大、效率低、可靠度不高等问题。应研究基于智能的检测识别算法及检测系统,以实现地铁隧道衬砌缺陷检测的信息化及智能化。[方法]分析了地铁隧道缺陷巡检技术现状,提出了一套适用于地铁隧道衬砌缺陷的识别算法,主要包括图像处理算法、缺陷分类检测算法及缺陷分级检测算法等,并选用了4个指标,用以评估该识别算法的检测效果。进一步从软件和硬件2个方面,建立了基于深度学习法的地铁隧道衬砌缺陷智能检测系统。最后将该系统应用于北京地铁3条线路上,分析其现场应用的可靠性。[结果及结论]应用该智能检测系统后,地铁隧道衬砌裂纹缺陷的检测率为91.95%,误检率为0.89%;渗漏水缺陷的检测率为93.83%,误检率为0.65%。该系统可作为地铁隧道智能化检测的核心平台,对地铁隧道各种缺陷进行有效检测。
关键词
地铁
隧道衬砌缺陷
智能检测
裂纹识别
渗漏水识别
图像算法
深度学习
Keywords
metro
tunnel lining defect
intelligent detection
crack identification
water seepage identification
image algorithm
deep learning
分类号
U457 [建筑科学—桥梁与隧道工程]
在线阅读
下载PDF
职称材料
题名
DETR-MCA:基于探地雷达图像的隧道衬砌内部缺陷的智能检测算法
2
作者
侯斐斐
张智轩
崔广炎
樊欣宇
吕飞
机构
中南大学自动化学院
北京交通大学交通运输学院
北京市地铁运营有限公司
中南大学土木工程学院
出处
《铁道科学与工程学报》
北大核心
2025年第4期1840-1852,共13页
基金
自主式交通系统运行及环境状态全息感知技术(SQ2022YFB4300022)
中南大学教育教学改革项目(2023CG020)。
文摘
隧道衬砌内部缺陷检测对于隧道的安全运行至关重要。针对传统探地雷达(ground penetrating radar,GPR)图像识别方法对技术人员要求高、复杂图像识别难度大、不能实现端到端识别等问题,提出一种基于Transformer框架的雷达图像隐藏缺陷自动检测算法,命名DETR-MCA,在原end-to-end object detection with transformers(DETR)架构上嵌入了一种新颖的高效多尺度注意力模块—multi-scale convolutional block attention module(MCA)模块,它允许模型根据任务需求和内容上下文动态地关注于最有用的特征,从而改善DETR模型的收敛速度和对小目标的检测准确率,最终利用基于全局注意力计算的编码器-解码器结构的并行计算能力,实现空腔和不密实2种病害的端到端的检测与识别。此外,为解决实测数据集稀缺的问题,构建了GPR隧道病害实测数据集,结合数据增强方法,共获得1427张空腔数据和669张不密实数据。其次,为了增强预测模型的鲁棒性,利用5333张2种隧道构件(钢筋和钢拱)的实测数据集进行迁移学习。在相同试验条件下,将该模型与Faster R-CNN、YOLOv3、YOLOv8、Mask R-CNN、RMTDet和DINO 6种深度学习网络模型进行比较,提出的模型对隧道不同隐藏缺陷平均准确率达到97.1%,性能优于其他模型。结果表明DETR-GPR模型具有较高的识别准确率与较强的鲁棒性,可为复杂隧道环境下不同缺陷的检测提供参考。
关键词
探地雷达
隧道衬砌缺陷
深度学习
目标检测
TRANSFORMER
Keywords
ground penetrating radar
tunnel lining
deep learning
object detection
Transformer
分类号
TN957.52 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习法的地铁隧道衬砌缺陷智能检测系统
张悦
韩静
关祈峰
侯珏
陆婷婷
张亚芹
《城市轨道交通研究》
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
DETR-MCA:基于探地雷达图像的隧道衬砌内部缺陷的智能检测算法
侯斐斐
张智轩
崔广炎
樊欣宇
吕飞
《铁道科学与工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
