[發明專利]一種基于學習的隧道表面缺陷定位方法

在審

• 申請號: 202010319611.8
• 申請日: 2020-04-21
• 公開（公告）號: CN111523543A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 汪俊;于正浩;李大偉;張沅;易程
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 劉林峰

本發明涉及一種基于深度學習的隧道表面缺陷定位方法，具體步驟為S1：數據的采集，采集隧道表面數據；S2：數據集的構建，以采集到的隧道表面數據構建隧道表面缺陷定位數據集；S3：模型的構建，利用深度學習技術構建隧道表面缺陷定位模型；S4：模型的訓練，將采集的到的數據集輸入S3構建的隧道表面缺陷定位模型，對模型進行訓練；S5：缺陷定位，以新的數據作為輸入，用S4訓練好的隧道表面缺陷定位模型進行缺陷的定位。本發明為隧道表面缺陷定位提供了高效的自動化方法，不僅能夠減輕了專業人員的勞動強度，提高效率，而且還能更加有效的避免人為主觀性導致的誤檢和漏檢，為隧道的維護管理提供了一種高效的手段。

技術領域

本發明涉及智能檢測領域，具體涉及一種基于深度學習的隧道表面缺陷定位方法。

背景技術

現如今，我國的交通運輸建設事業取得了長足的發展，由于地形結構的特殊性，隧道結構在建設中應用廣泛，尤其是地下軌道交通行業。而隧道結構在運營過程中由于周圍施工、修建時間長、維護不及時、地鐵車輛運行震動等，難免會產生不同程度的缺陷。缺陷的存在勢必會對隧道運營安全、人民生命財產安全造成很大的威脅。為此，需要一種方法來進行有效的缺陷定位。

傳統方式下的隧道表面檢測主要依靠天窗期的人工巡檢完成。人工檢測往往具有勞動強度大、檢測效率低、精度差、人工成本高等諸多缺點。目前，人工智能技術發展的如火如荼，深度學習技術作為人工智能技術的分支，已經在很多工業領域得到了成功應用，這充分說明了該項技術的巨大潛力。

因此，本發明將深度學習技術應用于隧道表面的缺陷定位，提出一種基于深度學習的隧道表面缺陷定位方法，節省人力成本的同時提高缺陷定位的效率和精度。

發明內容

本發明所要解決的技術問題是提供一種基于深度學習的隧道表面缺陷定位方法來解決現有技術中的隧道表面缺陷檢測具有勞動強度大、檢測效率低、精度差、人工成本高的問題。

為解決以上技術問題，本發明的技術方案為：提供一種基于深度學習的隧道表面缺陷定位方法，其創新點在于：具體包括以下步驟：

S1：數據的采集：使用數據采集裝置采集隧道表面數據；

S2：數據集的構建：以采集到的隧道表面數據構建隧道表面缺陷定位數據集；

S3：模型的構建：利用深度學習技術構建隧道表面缺陷定位模型；

S4：模型的訓練：將采集的到的數據集輸入步驟S3構建的隧道表面缺陷定位模型中，對模型進行訓練；

S5：缺陷定位：以新的數據作為輸入，用訓練好的隧道表面缺陷定位模型進行隧道表面缺陷的定位。

進一步的，所述步驟S1中的數據采集裝置包括高分辨率線陣相機，數據采集裝置采集數據時需通過高亮度線光源照亮來拍攝隧道表面影像數據進行數據的采集，所述數據采集裝置采集的數據即為拍攝到的隧道表面的照片，采集過程中采集裝置在軌道上勻速運行，將線陣相機采集到的數據進行定時的裁切，以便得到分辨率合適的圖像數據，裁切寬度根據設備的存儲空間及設備的運行速度決定。

進一步的，所述步驟S2中構建隧道表面缺陷定位數據集的具體方法為：

(1)對步驟S1采集到的照片進行處理；

(2)對處理后的照片進行缺陷的標注。

進一步的，所述步驟(1)中對采集到的照片進行的處理的方法包括去噪、濾波、裁剪、分辨率調整和亮度調整。

進一步的，所述步驟(2)中對處理后的照片進行缺陷標注的具體方法為：將照片中有缺陷的部位用一個包圍缺陷的矩形進行標注，針對每個缺陷標注所得信息為5維的向量，包括是否為缺陷、缺陷的坐標和缺陷的大小，對不含缺陷的隧道表面照片不進行任何標注。

進一步的，所述步驟S3中構建深度學習模型的具體步驟為：