Page 100 - 无损检测2024年第六期
P. 100
蒋志超，等
基于 Mask R-CNN 模型的铁路隧道衬砌机制砂混凝土裂缝视觉检测
v
图 2 Mask R-CNN 模型结构示意
图2中，输入分段线性变换后的砂混凝土裂缝 图3中，以当前骨架像素点为中心，在一次前向
图像后，根据分支连通的梯度层数，计算梯度参数 传播中实现多个任务的处理，对裂缝边缘进行判断，
M，求解公式为 判断函数W可表示为
（7） （9）
式中：x 为裂缝垂直长度参数；F 为拟合多项式；D
式中：K 为双阈值参数；J 为像素的幅值参数；L 为
梯度判断参数，以此判定裂缝边界起点。 为骨架点参数；S 为领域区域。
式（9）为回溯跟踪函数，可据此得到裂缝的边
判定函数G 可表示为
缘求解结果，其具有较好的应用可扩展性。
（8） 1.3 基于裂缝边缘与像素点的累加视觉检测
根据求解的裂缝边缘，对铁路隧道衬砌机制砂
式中： V 为正交旋转矩阵；B 为畸变失真系数；f 为
混凝土裂缝进行视觉检测。以像素点为元素，对图
惩罚系数参数；P 为代价聚合参数。
像的所有连通域进行排序，之后抽取阈值，生成连
通过式（8）得到判定的裂缝边缘起点，在此基
通域标识，然后以像素点为背景点，输入至Mask
础上，根据裂缝宽度，对裂缝边缘线进行判断（见
R-CNN模型中， 对裂缝长度进行计算，即
图 3） 。
[9]
O = 1 + H × l （10）
Q
A ++∂ W
式中：A 为对应的跟踪方向；Q 为边界跟踪参数；∂
为棋盘格角点；H 为多项式积分；l 为像素当量方
程函数。
根据裂缝的几何特征进行累加，累加视觉检测
流程如图4所示。
检测时累加像素点对应的长度 [10] ，直到裂缝轮
图 3 裂缝宽度判断方法示意 廓搜索完成，检测到所有的裂缝参数信息。
62
2024 年 第 46 卷 第 6 期
无损检测
