一种基于深度学习的隧道漏水检测方法及系统

本发明属于隧道漏水检测技术领域，尤其涉及一种基于深度学习的隧道漏水检测方法及系统，包括：对检测隧道进行漏水图像采集，建立隧道漏水数据集；对隧道漏水数据集进行预处理得到训练集；在Mask R‑CNN网络框架的基础上添加级联策略，并用RegNetX取代模型中的骨干网络，扩大模型的感受野，并引入MDConv增强模型在边缘感受野区域的特征提取能力，提出的模型命名为Cascade‑MRegNetX；利用Cascade‑MRegNetX框架对标记完成的隧道漏水图像进行训练；预测图像中的漏水位置并进行语义分割；将漏水图像输入所训练完成的Cascade‑MRegNetX框架中得到隧道漏水检测结果。本发明能够实现隧道漏水自动识别，具有更高的精度；提高了基线模型的检测效率、特征提取能力和泛化能力，适用于检测不同渗水情况的隧道。