来源：期刊VIP网 时间：
作者：林元铖;奉建军;周斌;厉成阳;
单位：高速铁路建造技术国家工程研究中心;中国中铁股份有限公司;中铁科学研究院集团有限公司;中铁西南科学研究院有限公司;青岛国信胶州湾第二海底隧道有限公司;
摘要：针对传统地质雷达法在隧道衬砌厚度和钢拱架识别定位中存在的人工解译效率低和技术依赖性强的问题，提出了一种新型的群体行为识别神经网络模型（Group Activity Recognition Net,GAR-Net）。通过集成语义分割、目标检测和模板匹配三个子网络，实现了对隧道衬砌厚度和钢拱架间距的自动化识别与精准定位。其中，语义分割子网络用于从地质雷达图像中提取出衬砌厚度区域；目标检测子网络用于提取钢拱架对象；模板匹配子网络则通过与预先定义的模板进行匹配，来确定钢拱架的具体位置和衬砌的厚度。经过对特定数据集的模型训练和评价指标的严格测试，GAR-Net模型对衬砌厚度识别的平均交并比（Mean Intersection over Union,mIoU）达到了97.1%，对钢拱架识别的平均精度（Average Precision,AP）达到了96.09%。可见，GAR-Net模型在地质雷达检测隧道衬砌厚度及钢拱架识别定位方面具有良好的测试效果和较高的应用潜力。
关键词：GAR-Net;;隧道检测;;地质雷达法;;钢拱架间距;;衬砌厚度;;自动识别
基金资助：中国中铁股份有限公司科技研究开发计划（2021-专项-08,2023-专项-07,2023-专项-05）
