第20卷第7期2023年7月铁道科学与工程学报JournalofRailwayScienceandEngineeringVolume20Number7July2023基于YOLOX-G算法的隧道裂缝实时检测周中1，闫龙宾1，张俊杰1，杨豪2,3(1.中南大学土木工程学院，湖南长沙410075；2.长沙理工大学交通运输工程学院，湖南长沙410114；3.长沙理工大学公路养护技术国家工程研究中心，湖南长沙410114)摘要：裂缝是隧道衬砌最常见的病害之一，影响隧道的结构耐久性和运营安全性。由于现役隧道日常检修任务艰巨，因此对隧道裂缝的高效智能化检测至关重要。针对隧道衬砌裂缝传统检测方法检测精度低、检测速度慢等问题，基于YOLOX算法提出一种新的YOLOX-G隧道衬砌裂缝图像检测算法。采用Ghostnet替换YOLOX的CSPDarknet主干网络，在加强特征提取网络中利用Ghost卷积代替原卷积块，用GIOU损失函数代替IOU损失函数。将YOLOX-G算法与YOLOX，YOLOv5，YOLOv3，SSD和FasterRCNN5种算法在构建的隧道裂缝图像数据集上进行实验对比，结果显示：YOLOX-G算法的F1分数为85.29%，相较于其他5种算法分别提高了4.26%，6.49%，7.29%，17.23%和4.53%；AP值为90.14%，相较于其他5种算法分别提高了7.28%，10.93%，11.53%，17.65%和10.38%。此外，YOLOX-G算法模型数据大小为38.1M，相对于YOLOX算法模型压缩了81.59%；检测单张图片的时间为15.12ms，FPS为66.14帧/s，相较于其他5种算法分别提高了18.89帧/s，13.92帧/s，21.41帧/s，25.72帧/s和49.69帧/s。因此，提出的YOLOX-G算法满足移动设备对模型大小的要求及对帧率的需求，可以实现对隧道衬砌裂缝高速度、高精度、实时动态性检测。关键词：隧道工程；裂缝检测；深度学习；神经网络中图分类号：U45文献标志码：A开放科学(资源服务)标识码(OSID)文章编号：1672-7029（2023）07-2751-12Real-timedetectionoftunnelcracksbasedonYOLOX-GalgorithmZHOUZhong1,YANLongbin1,ZHANGJunjie1,YANGHao2,3(1.SchoolofCivilEngineering,CentralSouthUniversity,Changsha410075,China;2.SchoolofTrafficandTransportationEngineering,ChangshaUniversityofScience&Technology,Changsha410114,China;3.NationalEngineeringResearchCenterofHighwayMaintenanceTechnology,ChangshaUniversityofScience&Technology,Changsha410114,China)Abstract:Cracksareoneofthemostcommondiseasesoftunnellinings,affectingthestructuraldurabilityandoperationalsafetyoftunnels.Duetothehugedailymaintenancetasksofa...
