买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:中南大学
摘要:本发明提出了基于GPR数据的隧道衬砌内部空腔和不密实缺陷的检测方法,对于采集到的实测图像,改进基于End‑to‑EndObjectDetectionwithTransformers的深度学习框架,在原架构上嵌入了一种新颖的高效多尺度注意力模块—Multi‑ScaleConvolutionalBlockAttentionModule模块,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,实现端到端的隧道衬砌内部缺陷的自动检测;使用LabelImg软件进行标记,并利用两种隧道构件的实测数据集进行迁移学习,以建立用于训练的隧道构件—缺陷数据集;结合传统数据增强方法对GPR数据集进行随机镜像翻转、高斯模糊、明亮变换、尺度变换和添加噪声等扩增操作,进一步提高模型的泛化能力,增加样本的多样性。
主权项:1.基于GPR数据的隧道衬砌内部空腔和不密实缺陷的检测方法,包括以下步骤,其特征在于:S1,隧道内部探地雷达图像采集:采集隧道衬砌内部中具有代表性、涵盖丰富多样的不同元素特征的图像,包括钢筋、钢拱、不密实缺陷和空腔,作为预训练数据;S2,图像预处理与构建隧道构件—缺陷数据集:对于S1采集的图像,检查图像质量并对质量较差或损坏的图像进行筛除或修复,调整图像的大小和分辨率,确保数据集的一致性和有效性;之后进行数据增强,使用传统数据增强的方法,对训练集数据进行图片随机镜像翻转、高斯模糊、明亮变换、尺度变换和添加噪声增强操作来进一步提高模型的泛化能力,增加样本的多样性,建立用于模型训练的隧道构件—缺陷数据集;数据集中的图像按照7:2:1的比例划分为训练集、验证集和测试集;S3,改进基于DETR的深度学习网络框架并利用隧道构件数据集进行迁移学习训练,得到预训练模型;S4,缺陷检测:将隧道缺陷数据集中的图像输入到分割模型中,得到相应检测结果,然后,对这些分割结果进行综合分析,得到最终结果,实现隧道衬砌内部缺陷的智能检测。
全文数据:
权利要求:
百度查询: 中南大学 基于GPR数据的隧道衬砌内部空腔和不密实缺陷的检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。