基于GPR数据的隧道衬砌内部空腔和不密实缺陷的检测方法

本发明提出了基于GPR数据的隧道衬砌内部空腔和不密实缺陷的检测方法，对于采集到的实测图像，改进基于End‑to‑End Object Detection with Transformers的深度学习框架，在原架构上嵌入了一种新颖的高效多尺度注意力模块—Multi‑Scale Convolutional Block Attention Module模块，允许模型根据任务需求和内容上下文动态地关注于最有用的特征，从而改善DETR模型的收敛速度和对小目标的检测准确率，实现端到端的隧道衬砌内部缺陷的自动检测；使用LabelImg软件进行标记，并利用两种隧道构件的实测数据集进行迁移学习，以建立用于训练的隧道构件—缺陷数据集；结合传统数据增强方法对GPR数据集进行随机镜像翻转、高斯模糊、明亮变换、尺度变换和添加噪声等扩增操作，进一步提高模型的泛化能力，增加样本的多样性。