一种受监督热图隧道衬砌线识别算法

摘要

衬砌线识别作为隧道缺陷检测分析的关键步骤，长期面临检测数据解析困难问题，为突破传统解析方法的局限性，提高解析结果的准确性、鲁棒性，本文对CenterNet算法进行改进，提出了受监督热图算法的隧道衬砌线关键点识别算法。该算法主要分为关键点检测和曲线拟合两个阶段，包括网格分类任务、外围点监督、抗噪声扰动3种改进方法。双阶段共同训练时，在关键点检测阶段，首先，新增网格分类任务，依据分类结果监督热图拟合过程，以改进CenterNet算法对于密集关键点的热图拟合能力；其次，在训练的前10轮中额外输出一定数量外围点热图，通过外围点监督热图拟合，配合网络分类任务改进热图拟合能力。曲线拟合阶段微调训练时，对该阶段的输入加入抗噪声扰动，以缓解图像噪声干扰。为验证本文算法的改进效果，构建了隧道衬砌数据集，先验证单独使用网格分类任务、外围点监督、抗噪声扰动3种具体改进方法对衬砌线识别的影响；再通过消融实验，进一步展示3种改进方法的组合对算法识别结果的影响。实验结果表明：本文算法对比CenterNet和CornerNet算法识别效果提升明显，使用网格分类任务识别的曲线间距误差均降低约0.4个像素点；训练过程前10轮使用8～10个外围点监督模型学习，识别效果提升最大；抗噪声扰动强度σ为0.08时识别效果最佳，且抗噪声扰动强度不宜过大；此外，以上3种改进方法的任意组合均能有效提升识别效果。本文提出的受监督热图隧道雷达数据衬砌线识别算法可为工程建设领域探地雷达无损检测数据解译工作提供技术支撑。

关键词

探地雷达 / 衬砌线检测 / 网格分类任务 / 外围点监督 / 抗噪声扰动

基金资助

中国中铁股份有限公司2021年度揭榜挂帅重大项目（2021–重大–14）