首页 | 本学科首页   官方微博 | 高级检索  
     

基于CutMix数据增强与多约束损失函数的 YOLOv7盾构隧道渗漏水检测
作者姓名:高贤君  刘振宇  许磊  黄仡凡  谭美淋  熊文豪  杨元维
作者单位:1. 长江大学地球科学学院, 湖北 武汉 430100;2. 中国铁路设计集团有限公司, 天津 300251;3. 福建省海丝数字科技有限公司, 福建 福州 350000;4. 内蒙古自治区测绘地理信息中心, 内蒙古 呼和浩特 010050
基金项目:交通运输行业重点实验室;湖南科技大学测绘遥感信息工程湖南省重点实验室开放基金;自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金;天津市科技计划;天津市科技计划;湖南省自然科学基金项目
摘    要:盾构隧道强度投影图像中渗漏水尺寸不一致且像素占比偏小,现有目标检测模型的关键特征学习能力较弱,存在渗漏水病害目标检测精度偏低的问题。本文提出了基于CutMix数据增强与多约束损失函数的改进YOLOv7盾构隧道渗漏水检测方法。首先采用镶嵌CutMix方法对隧道图像进行数据增强,将多张不同的训练样本进行随机裁剪,拼接融合成具有综合特征的新样本;然后以YOLOv7网络为骨架结构,引入高效通道注意力模块,提高渗漏水关键特征的自主学习与表达能力;最后引入多约束几何条件的损失函数,提高预测框几何形状的精度,从而提升模型预测精度。在光线良好、光线不佳和存在遮挡等复杂环境情况下,选取Fast R-CNN、SSD、YOLOv5、YOLOv7这4种算法进行对比,试验表明,本文算法渗漏水检测精度达85.90%,平均精度比同类算法分别提高5.55%、8.89%、3.93%、2.75%,具有较高的稳健性和泛化能力。

关 键 词:渗漏水检测  ECA  多约束几何条件  盾构隧道  YOLOv7  
收稿时间:2023-11-20
本文献已被 万方数据 等数据库收录!
点击此处可从《测绘通报》浏览原始摘要信息
点击此处可从《测绘通报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号