论文部分内容阅读
近几年,随着城市隧道建设力度加大,隧道已进入中年期,其健康问题不容忽视。目前,基于图像处理技术的隧道裂缝检测已成为一种便捷的检测手段。然而,由于隧道图像存在对比度低、光照不均匀、噪声多等问题,对传统图像处理方法造成较多挑战,对此提出了一种基于深度学习网络Faster R-CNN的隧道图像裂缝检测方法。首先利用大量隧道裂缝图像训练产生裂缝模型,然后用此模型对隧道图像进行裂缝检测。实验结果表明,该方法能够弱化隧道图像质量问题,实现了对隧道图像裂缝的快速检测和准确定位与标注。