一种基于神经网络的隧道渗漏水检测方法

本申请提供一种基于神经网络的隧道渗漏水检测方法，涉及隧道渗漏水检测技术领域，包括以下步骤：将Unet网络中的标准卷积层替换为深度可分离卷积层、采用填充卷积操作、并删除Unet网络中冗余的跨层连接结构，得到改进Unet神经网络模型；采集隧道内的多源检测数据并进行预处理，得到输入样本集，输入样本集包括温度分布图像、可见光图像和深度图像；其中，输入样本集中的各图像尺寸一致；将输入样本集输入至改进Unet神经网络模型，生成二值化分割掩膜，其尺寸与可见光图像一致；对二值化分割掩膜进行综合分析，得到渗漏水区域在隧道内的实际位置、渗漏范围及渗漏严重程度。该方法可以在保证隧道巡检时效性的同时提升检测精度。