Resumen

Resulta difícil crear un método para reconocer el grado de infiltración del revestimiento de un túnel. Para resolver este problema, proponemos un método de reconocimiento utilizando una red neuronal convolucional profunda. Llevamos a cabo pruebas de laboratorio, preparamos especímenes de mortero de cemento con diferentes niveles de saturación, simulamos diferentes grados de infiltración de los revestimientos de hormigón de los túneles y establecemos un conjunto de datos de imágenes térmicas infrarrojas con diferentes grados de infiltración. A continuación, basándose en un método de aprendizaje profundo, el conjunto de datos se entrena utilizando la red Faster R-CNN ResNet101, y se establece un modelo de reconocimiento. Los experimentos muestran que el modelo de reconocimiento establecido por el método de aprendizaje profundo puede utilizarse para seleccionar especímenes de mortero de cemento con diferentes grados de infiltración utilizando un marco exterior rectangular minimizado con precisión. Este modelo muestra que el modelo de reconocimiento de clasificación para la infiltración del revestimiento de hormigón del túnel establecido por el método experimental en interiores tiene una alta precisión de reconocimiento.

• Materias:Algoritmos genéticos Geoquímica Análisis de suelos Agua Carbón
• Subjects:Genetic algorithms Geochemistry Soil testing Water Coal
• Palabras claves:grado de infiltración, métodos de aprendizaje profundo, diferente grado, muestras de mortero de cemento, modelo de reconocimiento, red neuronal convolucional, infiltración de túnel, datos de imagen térmica, infiltración de revestimiento de hormigón, modelo de reconocimiento de clasificación
• Keywords:degree of infiltration, deep learning methods, different degree, cement mortar specimens, recognition model, convolutional neural network, infiltration of tunnel, thermal image data, concrete lining infiltration, classification recognition model