一种基于YOLOv5的隧道收敛变形检测方法及系统与流程

本发明属于隧道变形检测领域，尤其是涉及一种基于yolov5的隧道收敛变形检测方法及系统。

背景技术：

1、随着经济的快速发展，我国的道路建设步伐不断加快。隧道作为一种重要的交通和地下工程结构，其安全运营对社会经济和人民生活具有重大意义。然而，隧道在长期使用过程中可能受到各种因素的影响，如地质变化、水土条件、交通负荷等，这些因素可能导致隧道结构的收敛和变形，进而影响隧道的安全性。因此，隧道收敛变形检测技术成为隧道运营和维护中的一个关键环节。

2、传统的检测方法主要基于材料性能的退化模型，假定材料在服役过程中会经历退化，从而影响隧道的收敛情况。然而，这种方法难以准确反映不同环境下隧道的具体收敛情况。为了解决这一问题，有必要提出一种基于yolov5的隧道收敛变形检测方法及系统。

3、本发明利用yolov5深度学习模型，通过图像识别和分析技术，对隧道结构的收敛和变形进行实时检测和评估。相比传统方法，基于yolov5的检测方法能够更准确地捕捉隧道在不同环境中的变化情况，从而提高隧道安全检测的可靠性和效率。通过采用先进的深度学习技术，隧道运营和维护人员可以更早地发现潜在问题，并采取相应的预防措施，确保隧道的长期安全运营。

技术实现思路

1、本发明提供了一种隧道收敛变形检测的方法，通过yolov5靶标中心检测模型实时检测安装在隧道拱顶、拱肩以及拱腰的靶标中心的位移变化。基于靶标中心位移的变化量，利用几何关系评估隧道的收敛变形程度，从而实现隧道收敛变形的实时检测。此外，该方法还能够采集隧道收敛过程中的数据变化。这些数据不仅提供了对隧道结构健康状况的详尽了解，还可用于预测、维护和安全管理，进一步提高隧道运营的安全性和可靠性。

2、为了解决上述技术问题，本申请提出了一种基于yolov5的隧道收敛变形检测方法，具体包括以下步骤：

3、（1）模型训练步骤，首先获取待检测靶标的图像，并对图像进行预处理。然后，使用预处理后的图片对yolov5靶标中心检测模型进行训练。

4、（2）数据采集步骤，采集隧道的建造数据以及地理数据；

5、（3）点位分析步骤，确定靶标安装位置以及检测设备安装位置;

6、（4）设备安装步骤，在靶标安装位置安装靶标，并在相应的检测设备位置安装对应的检测设备；

7、（5）数据分析步骤，根据检测相机反馈的数据，获取靶标中心的坐标并进行整体分析，如果对比结果超出预设阈值，则发出异常警报；

8、基础方案工作原理及有益效果：

9、在使用该方法时，首先使用4k高清工业相机采集待检测靶标的图像，然后对采集到的图片进行图片筛选、图片锐化、图片增强等预处理操作。接下来，利用图片标记软件labelme标记出每幅图像中靶标以及靶标中心的真实位置。将70%的图片作为训练yolov5靶标中心识别模型的训练集，剩余30%作为验证集。利用训练集训练yolov5靶标中心识别模型，直至模型的损失逐渐趋于收敛后停止训练。通过验证集验证损失趋于收敛时的yolov5靶标中心识别模型，当验证结果符合要求时，即可得到所需的yolov5靶标中心识别模型。

10、接着，采集隧道的建造数据（包括隧道一个断面的尺寸数据），通过对隧道建造数据的分析，确定隧道断面最容易出现收敛的位置，即靶标安装位置。根据隧道建造数据和靶标安装位置数据，分析得到检测设备的安装位置，确保检测设备能够对隧道的一个断面进行完整检测。

11、在上述分析得到的设备安装点位安装对应的设备后，进行隧道的收敛分析。对4k高清工业相机拍摄到的靶标图片进行分析，得到靶标中心点的坐标，并与对应的靶标中心进行对比，即将同一靶标在不同时期的中心位置进行对比，得到靶标中心在一段时间内的偏移量。如果偏移量超过预设阈值，则表明安装在隧道断面的靶标发生了位移，这通常意味着该靶标安装位置处发生了变化，需要进行处理。因此，系统会发出提醒，由相应的工作人员进行现场确认。然而，由于隧道收敛变化是一个长期过程，大多数情况下无需工作人员现场确认，从而有效节省人力成本，并提高隧道收敛检测的便捷性。

12、同时，与检测设备安装位置相比，靶标安装位置处发生收敛变形的概率更大。通过这种方式，可以确保检测到的靶标中心位置的有效性。

13、综上所述，本方法在节约成本的基础上提升了隧道收敛检测的便捷性，并能够持续保证检测结果的有效性。

14、有益效果：

15、通过4k高清工业相机采集隧道断面的靶标图像后，利用yolov5靶标中心识别模型对靶标中心进行识别。基于靶标中心位移的变化量，通过几何关系检测隧道的收敛变形程度，实现了对隧道收敛的实时检测。同时，采集隧道收敛过程中的数据变化，这些数据提供了对隧道结构健康状况的详尽了解，有助于进行预测、维护和安全管理。

16、采用本方法辅助判断隧道是否发生收敛，能够显著提高隧道使用的安全性和可靠性，从而确保隧道使用者的安全。通过实时检测和数据分析，本方法不仅提升了检测的准确性和效率，还有效降低了人力成本，增强了隧道收敛检测的便捷性和有效性。

技术特征：

1.一种基于yolov5的隧道收敛变形检测方法，其特征在于，包括：

2.根据权利要求1所述基于yolov5的隧道收敛变形检测方法，获取其特征在于，对上述的靶标图像数据进行数据增强，数据增强包括对图像的亮度变化、对比度增强、旋转操作，所有的待检测靶标图像数据构成一个用于训练yolov5靶标中心检测模型的数据集，将所述的靶标数据集划分为训练集和验证集，包括：

3.根据权利要求1所述的基于yolov5的隧道收敛变形检测方法，其特征在于：点位分析步骤中，获取一个隧道断面上容易发生变形的五个位置进行监控。

4.根据权利要求1所述的基于yolov5的隧道收敛变形检测方法，其特征在于：数据分析步骤中，对比得到的靶标偏移量超过预先设置的阈值，进行异常提醒。

5.根据权利要求1所述的基于yolov5的隧道收敛变形检测方法，其特征在于：构建数据包括隧道的长度、宽度、高度和断面的弧度，地理数据包括隧道所处的地理位置以及地貌特征。

6.一种基于yolov5的隧道收敛变形检测系统，其特征在于应用于权利要求1至5任意一项提及的基于yolov5的隧道收敛变形检测方法。该系统包括数据采集端、数据处理端和数据存储端。数据采集端包括靶标和检测设备，靶标安装在隧道的指定位置，用于反映隧道的形变情况，检测设备负责拍摄靶标图像并将数据发送至数据处理端。数据处理端接收并分析靶标图像，提取靶标中心数据，然后将这些数据发送至数据存储端进行保存。

技术总结本发明属于隧道检测的技术领域，具体提供了一种基于YOLOv5的隧道收敛变形检测方法及系统。该方法包括以下步骤：模型训练步骤，利用靶标图像对YOLOv5靶标中心检测模型进行训练；数据采集步骤，采集隧道的建造数据以及地理数据；安装位置分析步骤，对建造数据进行分析得到靶标安装位置以及检测设备安装位置；设备安装步骤，在分析得到的点位上安装相应设备；数据分析步骤，对检测到的靶标中心的坐标进行整体分析，若对比的结果超出了最大的阈值，则发出异常提醒。通过上述方法，本发明实现了对隧道收敛变形的实时检测。整体来说，本发明不仅提高了隧道收敛检测的精确性和效率，还大幅减少了人力成本，并增强了隧道运营的安全性和可靠性。技术研发人员：单武扬,王焱,喻小芹,卢枭宇,谢杙桀,刘澳龄受保护的技术使用者：单武扬技术研发日：技术公布日：2024/10/10