基于神经网络的探地雷达隧道衬砌检测方法

摘要：

人为识别隧道衬砌探地雷达图像信息不仅效率低下,而且结果具有主观性,所以隧道衬砌施工质量检测工作的主要难点就是提高图像的判读准确率.为了解决这一问题,采用了改进后的卷积神经网络VGG-16(Visual Geometry Group)模型和包含两个隐藏层和一个输出层的MLP(Mobile Location Protocol)模型,进行了隧道衬砌初期支护探地雷达图像钢拱架和空洞地自动识别.首先将单通道的探地雷达灰度图像转换为三通道图像,之后用VGG-16框架提取探地雷达图像中钢拱架和空洞的图像特征,最后通过MLP模型实现对钢拱架和空洞地自动识别.结果显示,该神经网络对任意抽取的隧道衬砌初期支护探地雷达图像中钢拱架的识别率达到99％左右,对空洞的识别率也达到了96％左右,可实现探地雷达图像中钢拱架和空洞的高效准确地自动识别.

关键词：隧道衬砌检测、探地雷达、卷积神经网络、自动识别

所属期刊栏目：19

分类号：TU94(地下建筑)

资助基金：甘肃交通运输厅科技项目;甘肃省科技厅重点研发计划

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：323-328,367