声明
致谢
变量注释表
1 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.2.1 计算机视觉量测技术研究现状
1.2.2 隧道衬砌病害识别与检测研究现状
1.2.3 深度学习方法研究现状
1.2.4 深度学习在目标识别中的研究现状
1.3.1 研究内容
1.3.2 技术路线
2 隧道衬砌病害计算机视觉模拟检测装置的研制
2.1 隧道衬砌病害类型与特点
2.2 隧道衬砌病害模拟检测装置的设计
2.2.1 装置结构与功能
2.3 计算机视觉模拟检测装置的应用方法
2.4 实验实例
2.5 本章小结
3 基于深度学习的隧道衬砌病害实时检测软件系统研发
3.1 衬砌病害实时检测程序系统架构及功能模块
3.1.1 开发环境与开发工具
3.1.2 程序架构
3.1.3 程序功能结构
3.2 程序界面设计及功能按钮设计
3.2.1 用户主界面
3.2.2 操作区功能说明
3.2.3 配置文件的新生成
3.2.4 图片的特征标记
3.2.5 预备文件的生成
3.3 程序主要处理功能编程实现
3.3.1 深度学习模型文件的生成
3.3.2 训练图片集的构建与标记信息文件的生成
3.3.3 深度学习模型的训练
3.3.4 训练结果的固定
3.3.5 图片、视频与实时检测
3.4 本章小结
4 隧道衬砌病害实时检测系统应用研究
4.1 模拟病害检测实验应用
4.1.1 病害模拟试块的制作
4.1.2 试块的装机与检测
4.1.3 试块的识别与检测效果
4.2 实际病害检测应用效果
4.3 检测效果的影响因素研究
4.3.1 光照因素的影响规律
4.3.2 观测角度的影响规律
4.4 本章小结
5 结论与展望
5.1 主要结论
5.2 展望
参考文献
作者简介
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);