近期，我校機(jī)械與電子信息學(xué)院周峰副教授團(tuán)隊(duì)在深度學(xué)習(xí)探地雷達(dá)隧道檢測(cè)方面取得突破性進(jìn)展，相應(yīng)的成果《A deep learning framework based on improved self-supervised learning for ground penetrating radar tunnel lining inspection》（一種基于改進(jìn)自監(jiān)督學(xué)習(xí)的深度學(xué)習(xí)構(gòu)架及其在探地雷達(dá)隧道襯砌檢測(cè)應(yīng)用）的論文在線(xiàn)發(fā)表在國(guó)際著名期刊《Computer-Aided Civil and Infrastructure Engineering》，并被選為該期刊的封面文章。
論文第一作者為我校2020級(jí)電子信息專(zhuān)業(yè)碩士研究生黃健，周峰副教授為通信作者。其他合作作者分別來(lái)自中鐵西南研究院、俄羅斯鮑曼科技大學(xué)、挪威巖土工程研究所、英國(guó)阿伯丁大學(xué)和荷蘭代爾夫特理工大學(xué)。
該研究針對(duì)工程檢測(cè)領(lǐng)域中難以獲得大量標(biāo)簽驗(yàn)證數(shù)據(jù)來(lái)訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)的普遍性難題，以探地雷達(dá)隧道襯砌檢測(cè)為例，開(kāi)展基于少標(biāo)簽樣本的深度學(xué)習(xí)方法研究，以解決標(biāo)簽數(shù)據(jù)稀缺導(dǎo)致的深度學(xué)習(xí)模型識(shí)別精度低的問(wèn)題。該研究基于探地雷達(dá)道間波形的空間相關(guān)性特征，提出一種基于改進(jìn)的自監(jiān)督學(xué)習(xí)算法（即Self-attention for dense contrast learning，簡(jiǎn)稱(chēng)SA-DenseCL）的深度學(xué)習(xí)自動(dòng)檢測(cè)框架。該框架通過(guò)在自監(jiān)督學(xué)習(xí)算法的編碼器中新增相關(guān)投影頭模塊，來(lái)捕獲探地雷達(dá)數(shù)據(jù)中特有的相關(guān)性信息，從而提升整個(gè)模型對(duì)探地雷達(dá)數(shù)據(jù)的特征學(xué)習(xí)能力。該檢測(cè)流程利用無(wú)標(biāo)簽數(shù)據(jù)對(duì)骨干網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，并結(jié)合少量有標(biāo)簽數(shù)據(jù)對(duì)目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行微調(diào)，實(shí)現(xiàn)對(duì)隧道襯砌中的鋼筋、空洞位置及二次襯砌厚度的自動(dòng)快速識(shí)別。實(shí)驗(yàn)結(jié)果表明，即使在只有少量標(biāo)簽數(shù)據(jù)的情況下，依然可以實(shí)現(xiàn)對(duì)鋼筋、空洞位置及二次襯砌厚度的高精度檢測(cè)，對(duì)比研究發(fā)現(xiàn)，在標(biāo)簽數(shù)據(jù)相近的情況下，該方法的性能上優(yōu)于基于監(jiān)督學(xué)習(xí)預(yù)訓(xùn)練的檢測(cè)方法。所提出的這種新的深度學(xué)習(xí)框架能大幅度減小目標(biāo)檢測(cè)網(wǎng)絡(luò)對(duì)標(biāo)簽數(shù)據(jù)的依賴(lài)性，有望促進(jìn)深度學(xué)習(xí)方法在工程檢測(cè)領(lǐng)域中的廣泛應(yīng)用和落地。目前，該算法及軟件代碼已經(jīng)在云南某隧道中開(kāi)始投入使用。
《Computer-Aided Civil and Infrastructure Engineering》期刊在中科院和科睿唯安JCR分區(qū)中均屬于Q1類(lèi)Top期刊，其影響因子連續(xù)幾年在土木工程、交通工程、基建等領(lǐng)域國(guó)際期刊中排名第一，2022年最新影響因子10.066。該期刊以審稿嚴(yán)苛著稱(chēng)，通常分配有5-7名審稿人，每年發(fā)文數(shù)不超過(guò)100篇。
論文信息：
Title：A deep learning framework based on improved self-supervised learning for ground-penetrating radar tunnel lining inspection
Authors：Jian Huang, Xi Yang, Feng Zhou（通信作者）, Xiaofeng Li, Bin Zhou, Song Lu, Sergey Ivashov, Iraklis Giannakis, Fannian Kong, Evert Slob
Source: Computer-Aided Civil and Infrastructure Engineering
DOI：10.1111/mice.13042
Available online: 19 May 2023
https://doi.org/10.1111/mice.13042
論文鏈接：https://onlinelibrary.wiley.com/doi/full/10.1111/mice.13042
圖1 SA-DenseCL 網(wǎng)絡(luò)結(jié)構(gòu)圖
圖2 提交的封面配圖
鄂公網(wǎng)安備 42011102004169號(hào)
