基于深度学习的隧道掌子面节理智能检测与分割
打开文本图片集
摘要：现有隧道掌子面节理检测方法主要以人工掌子面素描为主，存在检测效率低、主观性较强等问题，为此提出了一种基于Mask R-CNN的隧道掌子面节理图像智能识别分割算法。该算法可直接用于检测隧道掌子面图片中的节理目标并自动分割，提升了检测效率，使检测结果更加客观。此外，为解决现有图像处理方法检测准确率较低的问题，尤其是对阴暗隧道环境下复杂隧道掌子面的检测，引入了路径聚合网络（PANet）以改进Mask R-CNN对特征信息的融合能力，从而提升智能检测方法的准确率。（剩余12041字）