基于深度學(xué)習(xí)的隧道掌子面節(jié)理智能檢測(cè)與分割

打開文本圖片集

摘要：現(xiàn)有隧道掌子面節(jié)理檢測(cè)方法主要以人工掌子面素描為主，存在檢測(cè)效率低、主觀性較強(qiáng)等問題，為此提出了一種基于Mask R-CNN的隧道掌子面節(jié)理圖像智能識(shí)別分割算法。該算法可直接用于檢測(cè)隧道掌子面圖片中的節(jié)理目標(biāo)并自動(dòng)分割，提升了檢測(cè)效率，使檢測(cè)結(jié)果更加客觀。此外，為解決現(xiàn)有圖像處理方法檢測(cè)準(zhǔn)確率較低的問題，尤其是對(duì)陰暗隧道環(huán)境下復(fù)雜隧道掌子面的檢測(cè)，引入了路徑聚合網(wǎng)絡(luò)（PANet）以改進(jìn)Mask R-CNN對(duì)特征信息的融合能力，從而提升智能檢測(cè)方法的準(zhǔn)確率。（剩余12041字）