首页|残差网络算法在隧道衬砌病害识别中的应用

残差网络算法在隧道衬砌病害识别中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
隧道衬砌结构病害检测与诊断是保障其安全运营的重要手段.针对传统探地雷达图像识别方法准确率不高、复杂目标体识别难度大、识别流程较为繁琐、不能实现端到端识别等问题,提出基于残差神经网络(ResNet)的病害识别方法.根据实际检测将隧道衬砌病害归纳为5种类别(包含无病害类型),并采用ResNet对隧道衬砌病害数据集进行有监督的训练,采用准确率、召回率、平均准确率等指标评价分析不同层数残差网络在实测数据集上的表现,测得ResNet-34神经网络在隧道病害数据集上的识别率为98.9％.采用基于ResNet的病害识别算法检测隧道衬砌病害具有识别准确率高、检测误差小的优点,可以满足实际工程需求.
Application of Residual Network Algorithm in the Identification of Tunnel Lining Diseases

李夏利、焦良葆、曹雪虹

展开 >

南京邮电大学通信与信息工程学院,江苏南京210003

南京工程学院信息与通信工程学院,江苏南京211167

深度学习 图像分类 隧道衬砌 残差神经网络 病害识别

2021

10.11907/rjdk.202523

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(9)
  • 1
  • 3