TY - JOUR A2 - Xiong, Feng AU - Wang, Dongsheng AU - Feng, Jun AU - Zhao, Xinpeng AU - Bai, Yeping AU - Wang, Yujie AU - Liu，SP - 8873315 VL - 2020 AB -基于室内实验的混凝土衬砌入渗程度模拟与识别为了解决这一问题，我们提出了一种基于深度卷积神经网络的识别方法。开展室内试验，制备不同饱和度水泥砂浆试件，模拟隧道混凝土衬砌不同入渗程度，建立不同入渗程度的红外热图像数据集。然后，基于深度学习方法，使用Faster R-CNN+ResNet101网络对数据集进行训练，建立识别模型。实验表明，采用深度学习方法建立的识别模型可以通过精确最小化的矩形外框来选择不同入渗程度的水泥砂浆试件。该模型表明，采用室内试验方法建立的隧道混凝土衬砌入渗分类识别模型具有较高的识别精度。SN - 1468-8115 UR - https://doi.org/10.1155/2020/8873315 DO - 10.1155/2020/8873315 JF - Geofluids PB - Hindawi KW - ER -