一种受监督热图隧道衬砌线识别算法

衬砌线识别作为隧道缺陷检测分析的关键步骤,长期面临检测数据解析困难问题,为突破传统解析方法的局限性,提高解析结果的准确性、鲁棒性,本文对CenterNet算法进行改进,提出了受监督热图算法的隧道衬砌线关键点识别算法。该算法主要分为关键点检测和曲线拟合两个阶段,包括网格分类任务、外围点监督、抗噪声扰动3种改进方法。双阶段共同训练时,在关键点检测阶段,首先,新增网格分类任务,依据分类结果监督热图拟合过程,以改进CenterNet算法对于密集关键点的热图拟合能力;其次,在训练的前10轮中额外输出一定数量外围点热图,通过外围点监督热图拟合,配合网络分类任务改进热图拟合能力。曲线拟合阶段微调训练时,对该阶段的输入加入抗噪声扰动,以缓解图像噪声干扰。为验证本文算法的改进效果,构建了隧道衬砌数据集,先验证单独使用网格分类任务、外围点监督、抗噪声扰动3种具体改进方法对衬砌线识别的影响;再通过消融实验,进一步展示3种改进方法的组合对算法识别结果的影响。实验结果表明:本文算法对比CenterNet和CornerNet算法识别效果提升明显,使用网格分类任务识别的曲线间距误差均降低约0.4个像素点;训练过程前10轮使用8~10个外围点监督模型学习,识别效果提升最大;抗噪声扰动强度σ为0.08时识别效果最佳,且抗噪声扰动强度不宜过大;此外,以上3种改进方法的任意组合均能有效提升识别效果。本文提出的受监督热图隧道雷达数据衬砌线识别算法可为工程建设领域探地雷达无损检测数据解译工作提供技术支撑。

一种基于关键信息监督的隧道雷达数据衬线识别算法

【目的】探索探地雷达数据解析和基建病理检测新的处理方法。探地雷达作为桥梁和隧道缺陷检测中常用无损技术手段,一直面临数据解析困难问题,提高解析结果的准确性,对交通基础设施的缺陷检测具有重大应用价值。【方法】将衬砌结构作为识别对象,分解为关键点和曲线来表示。关键点检测基于双热图方法,借助“软标注”来加快模型收敛。曲线拟合模块通过神经网络回归拟合,加入对抗扰动机制,抗图像噪声干扰。【结果】结果表明,该算法识别的衬砌线较真实偏移量为2.23个像素点,较CenterNet网络提升1.24个像素点,较CornerNet网络提升0.71个像素点。【结论】解析识别效果提升显著,具有较高应用价值。

研究院建设的四个重点

明晰的组织文化;自主科研开发;必要的成果转化;高效的运行机制。中铁四局集团管理与技术研究院(简称中铁四局研究院、研究院)是2015年10月正式组建的,截止到目前,中铁四局研究院仍然是中国中铁、中国铁建两大系统中成立的既有管理研究、又有技术研究的第一家智库型组织。研究院的业务方向主要有四个:一是数字化转型;二是智慧建造;三是新基建;四是管理咨询。