基于多源点热扩散的隧道裂缝几何特征计算

裂缝几何参数分析为评估隧道的健康状况提供了理论依据。为了提升裂缝参数计算的准确性,提出基于多源点热扩散的隧道裂缝几何特征计算算法。基于U-Net神经网络得到裂缝分割掩膜,设计以裂缝边缘为多源点的热扩散方法来计算裂缝区域的测地距离场,获取裂缝参数。提取裂缝边缘为源点进行热扩散,通过求解热流方程和梯度场找到距离增加方向,求解泊松方程得到裂缝区域的测地距离场,根据测地距离极值计算裂缝长度。该算法充分利用了裂缝复杂的边缘信息以及裂缝骨架特征,计算得到的测地距离场可进一步应用于计算裂缝宽度。基于测地距离场得到的裂缝骨架具有光滑、无多余分叉的优点,且裂缝宽度计算过程中避免了多次迭代和误差累积,减少了计算量。实验结果表明,该算法在测试集上的平均骨架匹配度为92.84%,相比于Zhang细化算法和Hilditch细化算法分别提升了2.57和1.41个百分点,断点和分叉数量也明显少于同类算法,适用于裂缝狭长弯曲、边缘复杂多变的几何特征计算。

基于改进Mask R-CNN深度学习算法的隧道裂缝智能检测方法

隧道裂缝检测是避免隧道重大灾害和日常养护的重要工作,但传统人工检测工作量巨大,无法满足实际需求。采用深度学习神经网络Mask R-CNN模型对裂缝进行智能自动检测,避免了人工检测的耗时耗力。通过调整算法参数,优化模型检测结果,获得适用于隧道裂缝检测的Mask R-CNN模型。针对自动识别的裂缝结果,进一步计算其几何特征参数。为充分利用裂缝狭长弯曲特性,体现裂缝走向及基本形态,提出了基于骨架提取和函数拟合思想的裂缝几何特征计算方法。根据裂缝骨架,可获得裂缝走势,计算裂缝长度。通过函数拟合,可得到贯穿裂缝狭长区域的函数,根据函数法向量计算宽度。根据裂缝几何参数计算结果,结合规范规定的须修复裂纹宽度要求,可实现隧道裂缝检测自动预警,为隧道裂缝自动检测提供了技术支撑。