基于DenseNet分类的隧道裂缝检测研究
来源：计算机测量与控制杂志2020年第8期北京时间：
作者：高新闻,李帅青,金邦洋
摘要：针对隧道裂缝人工识别低效、检修不便以及隧道环境复杂多变、检测易受噪声干扰等问题，文中提出一种基于深度学习的裂缝检测算法。通过神经网络对原始图像进行非裂缝区域过滤，减少无关背景信息的干扰，同时在分割算法基础上通过多维分类器将误识别的裂缝区域剔除。实验结果表明，密集连接卷积网络（DenseNet）在裂缝分类中最高可达99.95%的准确率，有效提升了隧道裂缝自动检测精度。
关键词：裂缝检测;深度学习;DenseNet;
基金资助：上海市科技委员会项目(17DZ1204203),上海市科技委员会项目(18DZ1201204)。
