利用轻量级高分辨率特征的隧道裂缝检测方法

针对现有隧道检测车采集图像成像质量不佳,且洞壁存在大量病害相似物干扰的问题,提出了一种基于轻量化的HR(high resolution)-Net框架的隧道病害检测算法TC(tunnel crack)HR-Net。该算法保留了HR-Net的主干语义特征交换子网框架,移除其他分支子网络以降低模型体积。此外,为弥补“剪枝”操作导致的特征损失,在子网分支末端加入了SE模块,对特征的每一通道进行权重划分,以增强特征抽象水平。通过在与精细化标注隧道病害图像数据集上进行验证,本算法的mIoU指标分别达到80.21%与71.22%,高于其他对比算法,并接近HR-Net的检测结果,但是耗时比后者减少了30%。

基于高分辨特征的隧道病害检测算法研究

现阶段,自动化隧道病害检测的准确率往往受限于隧道内部的成像条件与检测车的采集设备,波动较大。本文提出一种基于HR(High Resolution)-Net的隧道病害检测算法HR-Net(1se),通过使用高分辨率特征可在成像条件较差的隧道洞壁图像中,更准确地提取隧道洞壁病害,且具有较高的鲁棒性。为提升算法运行效率,本算法使用HR-Net的第一阶段的特征提取网络作为主干网络,并使用该特征进行病害检测。通过在隧道病害图像数据集上验证,本文算法的mIoU指标达到81.74%,高于其他对比算法,并且耗时低于原始的HR-Net约25%。