地科學院地信系高賢君老師在測繪領域主流期刊《測繪通報》上發表題為“基于Cutmix數據增強與多約束損失函數的YOLOv7盾構隧道滲漏水檢測”的研究論文。

該研究主要針對盾構隧道強度投影圖像中滲漏水尺寸不一緻且像素占比偏小，現有目标檢測模型的關鍵特征學習能力較弱，存在滲漏水病害目标檢測精度偏低。因此，本文提出了基于CutMix數據增強與多約束損失函數的改進YOLOv7盾構隧道滲漏水檢測方法（圖1）。首先采用鑲嵌CutMix方法對隧道圖像進行數據增強，将多張不同的訓練樣本進行随機裁剪，拼接融合成具有綜合特征的新樣本；然後以YOLOv7網絡為骨架結構，引入高效通道注意力模塊，提高滲漏水關鍵特征的自主學習與表達能力；最後引入多約束幾何條件的損失函數，提高預測框幾何形狀的精度，從而提升模型預測精度。在光線良好、光線不佳和存在遮擋等複雜環境情況下，選取Fast R-CNN、SSD、YOLOv5、YOLOv7這4種算法進行對比（圖2），試驗表明，本文算法滲漏水檢測精度達85.90%，該方法在具有多幹擾、遮擋的複雜隧道環境中進行綜合滲漏水病害檢測具有較好的應用前景。

‌《測繪通報》‌是由中國地圖出版社（測繪出版社）主辦的綜合性、技術性中文核心期刊。該期刊主要報道大地測量、全球導航衛星系統、攝影測量、遙感、地圖制圖、地理信息系統、工程測量、礦山測量、地籍測繪、海洋測繪等領域的新成果和新技術，以及相關行業的先進經驗和技術應用。

論文鍊接：

https://kns.cnki.net/kcms2/article/abstract?v=hFA5SNLyt3gBzmoKBBwZzW2t3Jts1CNlv7jWhYi4yV4TCId8MC5DKGQfbklZEWiOPuNRsDfgZHorjn_-HvXRn7glxZy8Sk9avim8ryw51k9bvowjJ4UM10jEsXDuvMY_KoUYh_l2fE-EQUjI2iiKVDbCcQGpqCPEZ_2Wd3PpeKc=&uniplatform=NZKPT‌

圖1改進YOLOv7網絡結構

圖2 同類算法檢測結果對比

圖3 論文首頁