基于无人机巡检的铁路隧道口墙体裂缝智能检测技术
吴克烽
许贵阳
白堂博
北京建筑大学机电与车辆工程学院,北京 100044;北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室,北京 100044
摘要：铁路隧道口墙体裂缝严重危害轨道列车的运行安全,针对隧道口人工巡检周期长、准确性低等问题,提出一种基于无人机(Unmanned Aerial Vehicle,UAV)巡检和RFA-YOLOv8模型的铁路隧道口墙体裂缝检测方法.首先,通过UAV巡检获取铁路隧道口高清影像数据,对采集到的图像进行预处理,并对隧道口墙体裂缝进行标注,构建墙体裂缝训练数据集;其次,根据隧道口墙体裂缝特征,改进YOLOv8目标检测模型,引入感受野注意力卷积(Receptive Field Attention Convolu-tion,RFAConv)构建全新的C2f_RFA模块,从而替换主干网络中的C2f模块,提高模型对裂缝所在区域的关注度,使用BiFPN结构替换原有的特征融合网络,提高模型对不同尺度目标的检测效果,使用EIoU损失函数替换CIoU,最小化目标预测框和真实框的高度和宽度差异,提高模型的检准率;最后,通过对比试验、消融试验及检测效果可视化3个方面对RFA-YOLOv8进行验证和评价.研究结果表明:RFA-YOLOv8模型相较于YOLOv8原模型,小裂缝漏检情况得到改善,裂缝检测召回率及平均精度均值分别提高了3.8%、2.5%,能够较好地利用无人机巡检采集的隧道口墙体图像数据,实现对隧道口墙体裂缝的准确检测.
关键词：铁路隧道无人机巡检裂缝检测YOLOv8感受野注意力
分类号：U216.3(铁路线路工程)
论文发表日期：2025-04-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 115-122,134 )
英文信息