基于深度学习的公路隧道表观病害智能识别研究现状与展望
周中1,2 闫龙宾1 张俊杰1 龚琛杰1,2
1. 中南大学，湖南长沙 410075；2. 湖南铁院土木工程检测有限公司，湖南长沙 410075
Review and prospect of intelligent identification of apparent diseases in highway tunnels based on deep learning
Zhou Zhong1,2 Yan Longbin1 Zhang Junjie1 Gong Chenjie1,2
1. Central South University, Changsha 410075, China；
摘要 公路隧道服役过程中会产生诸多衬砌病害，其会影响隧道的结构耐久性与运营安全性，对隧道表观病害进行高效智能化识别至关重要。常用的人工巡检方式效率低下且准确率低，而基于深度学习算法进行表观病害智能识别能提高检测的效率和准确性，相较于传统方法而言在实际隧道工程中具有更好的应用前景。利用深度学习可以学习隧道病害的特征信息，有利于未来隧道病害识别智能化的发展。简述深度学习在隧道表观病害识别中的应用原理，从人工拍照方法、数字图像采集和激光扫描技术三方面介绍病害图像的采集，从标注软件和数据增强方法总结数据集的构建和扩充方法，在图像分类、目标检测、语义分割三方面总结深度学习算法在隧道病害检测的应用现状，归纳当前应用的不足之处，最后分析与展望深度学习在隧道表观病害智能化识别方向广泛应用需要研究的问题与方向。
关键词 ：
公路隧道 ,
隧道病害 ,
深度学习 ,
神经网络 ,
病害检测
[1]
李宏男 张文圣 付兴. 基于大数据深度学习的输电塔结构抗风易损性评估
[2]
黄萍 陈铭 陈可欣 刘春祥 余龙星. 卷积神经网络在建筑消防信息化的应用——以城市综合管廊火灾监控为例
[3]
骆剑彬 姜绍飞 沈圣 陈建腾. 基于声呐成像的水下桩墩表观病害深度学习与智能检测
[4]
刘宇飞 樊健生 聂建国 孔思宇 齐玉. 结构表面裂缝数字图像法识别研究综述与前景展望
[5]
李洛宾 龚晓南 甘晓露 程康 侯永茂. 基于循环神经网络的盾构隧道#br#
引发地面最大沉降预测
[6]
黄靓钰 阳军生 张聪 蒋超 苏保柱. 基于BP神经网络的水下岩溶地层#br#
盾构掘进参数预测与分析
[7]
韩冰宇 袁大军 金大龙 李东升. 复合地层盾构刀具磨损分析与预测
[8]
谢文强 蔡国军 王 睿 张建民. 基于CPTu数据的黏性土不排水抗剪强度#br#
神经网络预测
[9]
陈讷郁 葛耀君. 基于人工神经网络的典型桥梁断面气动参数识别
[10]
鲍跃全 李 惠. 人工智能时代的土木工程
[11]
潘兆东 谭平 刘良坤 周福霖 . 基于自适应RBF神经网络算法的建筑结构递阶分散控制研究
[12]
李超 李涛 李正 詹金武. 基于BP神经网络的复合地层盾构掘进参数预测与分析
[13]
方勇 徐晨 陈先国 郭建宁 . 外水压下大断面公路隧道衬砌结构受力特性模型试验
[14]
尹蓉蓉. 运营公路隧道衬砌正常使用极限状态模糊随机可靠度分析
