融合边缘特征与方向感知的地铁隧道病害检测方法

武晓春; 姜凯

doi:10.12404/j.issn.1671-1815.2507627

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (30) :13145-13157 DOI: 10.12404/j.issn.1671-1815.2507627

论文：自动化技术、计算机技术

融合边缘特征与方向感知的地铁隧道病害检测方法

武晓春 ,
姜凯

作者信息 +

Method for Detecting Surface Defects in Subway Tunnels by Integrating Edge Features and Directional Perception

WU Xiao-chun ,
JIANG Kai

Author information +

文章历史 +

摘要

针对地铁隧道表观病害存在的边界模糊、尺度多变、形态细长及样本不平衡导致检测模型精度低的问题,提出了一种基于SegFormer-ESF的地铁隧道表观病害检测模型。首先,设计并行的边缘信息增强分支,利用固定Sobel算子与深度可分离卷积提取并强化梯度特征,并通过特征融合模块,实现边缘特征与主干特征的自适应融合,提升模型对病害边界的感知与定位能力;其次,在编码器中嵌入方向性条带卷积注意力模块,采用1×K与K×1卷积建模裂缝、渗漏等线状病害的几何结构与方向性上下文,增强对细长目标的特征表达能力;接着,采用轻量级多尺度金字塔特征融合模块重构解码器,优化多尺度特征整合并降低模型复杂度;最后,针对病害像素占比低导致的正负样本不平衡问题,提出Focal-Dice联合损失函数,协同优化困难样本学习与整体区域识别。实验结果表明,SegFormer-ESF在mIoU、mPA和Acc上分别达到83.53%、92.46%与97.61%,较SegFormer-B0提升3.72%、3.51%与0.46%;此外,模型参数量为3.620 M,计算量仅为3.02 G,相比基线分别减少2.56%和55.46%,在实现轻量化的同时提升分割精度。FPS达到88.53 f/s,能够满足实时检测需求,为隧道病害智能识别与移动端部署提供了可行的解决方案。

Abstract

To address the challenges in detecting surface defects in subway tunnels, such as blurred boundaries, multi-scale variations, slender shapes, and class imbalance, an improved SegFormer-ESF model was proposed. First, a parallel edge information enhancement branch was designed. Fixed Sobel operators and depthwise separable convolutions were used to extract and enhance gradient features. These edge features were adaptively fused with backbone features through a feature fusion module, which improved perception and localization of defect boundaries. Second, a directional strip convolutional attention module was embedded in the encoder. It employed 1×K and K×1 convolutions to model geometric structure and directional context of linear defects, such as cracks and leakage, thereby enhancing representation of slender objects. Then, a lightweight multi-scale pyramid feature fusion module was introduced to reconstruct the decoder, improving multi-scale feature integration while reducing model complexity. Finally, to mitigate class imbalance caused by low pixel proportion of defects, a combined Focal-Dice loss function was proposed, which jointly optimized hard example mining and overall region recognition. Experimental results show that SegFormer-ESF achieves 83.53%, 92.46%, and 97.61% on mIoU, mPA, and Acc, respectively, improving by 3.72%, 3.51%, and 0.46% over SegFormer-B0. In addition, the model has 3.620 M parameters and only 3.02 G computational cost, reduced by 2.56% and 55.46% compared with the baseline, respectively, achieving lightweight while improving segmentation accuracy. The FPS reaches 88.53 f/s, which can meet the demand for real-time detection, providing a feasible solution for intelligent identification and mobile deployment of tunnel defects.

Graphical abstract

关键词

地铁隧道 / 语义分割 / 深度学习 / 边缘增强 / 注意力机制

Key words

subway tunnel / semantic segmentation / deep learning / edge enhancement / attention mechanism

引用本文

引用格式 ▾

武晓春, 姜凯. 融合边缘特征与方向感知的地铁隧道病害检测方法[J]. 科学技术与工程, 2026, 26(30): 13145-13157 DOI:10.12404/j.issn.1671-1815.2507627

WU Xiao-chun, JIANG Kai. Method for Detecting Surface Defects in Subway Tunnels by Integrating Edge Features and Directional Perception[J]. Science Technology and Engineering, 2026, 26(30): 13145-13157 DOI:10.12404/j.issn.1671-1815.2507627

登录浏览全文

4963

注册一个新账户忘记密码

截至2024年底,中国城市轨道交通运营里程已达12 160.77 km,其中地铁占比高达76.53%^[1]。隧道作为其重要组成部分,在长期服役过程中受复杂地质条件与高强度运营环境影响,常出现裂缝、渗漏、剥落等多种表观病害^[2-3]。这些典型的衬砌结构病害相互作用,会削弱隧道的承载力和耐久性,从而影响地铁线路的安全与正常运营。例如,圣彼得堡地铁1号线曾由于衬砌渗漏而被迫关闭;上海地铁某线路也曾因隧道内土方堆积导致衬砌结构受损而出现渗漏^[4];佛山地铁某线路因管片裂缝与渗漏引发涌水涌砂,导致隧道坍塌^[5]。因此,实现隧道病害的高效、精准识别与动态监测,成为隧道维护与安全管理的关键任务。

传统人工巡检依赖经验判断,存在效率低、主观性强且难以全面及时发现病害等问题。随着计算机视觉与深度学习技术的发展,隧道病害检测正逐步由人工巡检向自动化、智能化方向转变,为病害的高效识别与精确评估提供了新的技术途径^[6-7]。现有研究表明,针对隧道复杂环境与病害的多尺度特性改进深度学习模型,是提升识别精度与实时性能的有效策略。宋娟等^[8]提出改进YOLOv7的轻量化检测算法TDD-YOLO,融合MobileViT主干网络与CA注意力机制,并设计轻量化TP Block,有效提升隧道衬砌病害检测精度。Wu等^[9]提出一种基于改进U-net架构的轻量级分割模型MGSLU-net,以MobileNetV3-Large为基础特征提取网络,在保持良好分割精度的同时,显著减少了模型参数数量和计算复杂度,适用于地铁隧道漏水的实时检测。方力涵等^[10]提出一种隧道衬砌病害检测模型YOLO-Tunnel,通过改进YOLOv5的Backbone与Neck,有效增强了特征提取与定位能力,并依据数据集特点自适应优化模型尺寸与权重,进一步提升了识别性能。张振海等^[11]提出轻量化隧道病害检测算法MDS-YOLO,基于改进YOLOv8融合多尺度特征、动态上采样与共享检测头,实现高效稳定的病害识别。田思萌等^[12]针对裂缝与渗漏水特征,从主干特征提取、空洞卷积金字塔及多尺度解码三方面优化 DeepLabV3+网络,并提出基于像素级图像处理的病害参数计算方法,实现裂缝长度与渗漏面积的量化分析。

近年来,Transformer架构因其强大的建模能力被引入图像识别领域,并在复杂场景下展现出了卓越性能^[13-14]。SegFormer作为一种高效融合特征且结构轻量的Transformer模型,能够有效兼顾全局语义信息与局部细节特征,在复杂背景下表现出优异的分割性能,并在精度与速度之间取得良好的平衡^[15-17]。然而,在地铁隧道特殊环境中,光照不均、背景杂乱,病害区域边缘往往呈现模糊状态,SegFormer在处理此类细粒度边缘特征时仍存在响应不足的问题,导致病害轮廓边界分割不够精确,细节还原能力受限。曹鸿博等^[18]通过设计具有强化边缘特征的Edge Enhance Conv,构建基于增强边缘特征的YOLOv8n-Edge道路缺陷检测算法,加强模型的特征提取能力。王德文等^[19]提出将边缘信息与上下文特征联合建模,以增强模型对目标边界的敏感性。吕扬等^[20]提出边界感知SegFormer分割方法,结合自适应种子搜索与边界细化机制,强化边缘特征学习,实现了阵列目标的高精度分割。文甜甜等^[21]在分割网络中嵌入边缘约束机制,实现了对细微目标区域的精准分割。研究充分表明,边缘信息对于提升复杂场景下的分割精度具有关键作用。

综上所述,将SegFormer模型直接应用于地铁隧道表观病害检测存在以下问题:第一,隧道环境光照不均、背景复杂,病害边缘模糊,使得模型在细节边界上分割精度不足;第二,裂缝、渗漏水等病害多呈细长、方向性的条带状分布,常规卷积与自注意力机制难以高效建模其几何特性;第三,隧道病害区域像素占比极低,正负样本比例严重失衡,同时病害边界模糊,传统损失函数难以有效优化模型。

针对上述问题,现提出一种基于改进SegFormer的地铁隧道表观病害检测方法。设计边缘信息增强(edge information enhancement, EIE)分支,利用固定Sobel算子结合深度可分离卷积逐步提取并强化梯度特征,并通过特征融合机制将边缘信息注入主流特征中,以提升边界感知与定位精度;引入方向性条带卷积注意力(directional strip convolution attention,DSCA)模块,通过1×K与K×1卷积显式建模裂缝等病害的线性结构与方向性上下文,增强对细长目标的特征提取能力;采用轻量级多尺度金字塔特征融合模块(lightweight multi-scale pyramid feature fusion module, LMPFFM)重构解码器,优化多尺度特征整合与跨层级语义关联,降低模型参数量与计算复杂度;提出Focal-Dice联合损失函数(Focal-Dice joint loss, FDJ Loss),通过双重机制协同优化模型训练,其中Focal损失增强对难样本的关注度,Dice损失强化对病害整体区域的识别能力,缓解正负样本不平衡问题并提升分割精度。上述改进措施协同作用,旨在提升模型对复杂环境下地铁隧道表观病害的识别精度与鲁棒性,同时兼顾模型轻量化与实时性需求,为隧道病害自动化巡检及智能化运维提供有效的技术支撑。

1 地铁隧道表观病害检测方法

1.1 改进SegFormer模型概述

SegFormer^[22]是一种结合高效金字塔式Transformer编码器与轻量级多层感知机(multilayer perceptron,MLP)解码器的语义分割架构,在性能与复杂度之间实现了良好的平衡。在编码器设计方面,SegFormer采用分层式的Transformer结构,通过重叠补丁嵌入(overlapped patch embedding, OPE)方法将输入图像划分为局部图像块。与传统的ViT模型不同,该方法通过控制卷积步长与卷积核尺寸使图像块之间保留部分重叠区域,有效缓解边界信息丢失的问题,增强局部连续性特征的提取。编码器包含4个阶段的Transformer模块,每个阶段包含多个高效自注意力机制(efficient self-attention, ESA)模块和混合前馈层(Mix-FFN),用于实现多尺度特征提取。此外,SegFormer摒弃显式位置编码,而通过零填充隐式引入位置信息,有效避免了插值误差,并增强了模型在不同分辨率输入下的适应性。

解码器部分采用全多层感知机结构,首先对编码器不同阶段输出的多尺度特征进行上采样并统一至相同分辨率,随后沿通道维度进行拼接与融合,以整合不同层次的语义和空间信息。最后通过MLP层进行特征变换与通道调整,输出最终的分割结果。

针对地铁隧道表观病害检测的工程任务,选用参数量较小的SegFormer-B0作为基线模型进行改进,以适应边缘检测设备的部署需求。首先,通过特征融合模块将EIE分支提取的边缘特征与主干网络的C1、C2浅层特征进行自适应融合,充分利用浅层特征中丰富的空间细节信息;其次,在编码器的第2和第3阶段的Transformer Block中嵌入DSCA模块,通过其特有的方向性感知能力增强对线性病害结构的建模效果,第1和第4阶段的Transformer Block则保持原结构不变;最后利用LMPFFM重构解码器,优化多尺度特征整合,并通过分割头输出最终预测结果。改进后的模型命名为SegFormer-ESF,其整体结构如图1所示。

1.2 边缘信息增强分支

地铁隧道内部环境复杂,其背景中的光影变化、衬砌接缝与支撑构件等干扰因素与病害区域的视觉特征相似,增加了病害与背景的区分难度。此外,裂缝、剥落等病害本身形态细微,导致现有语义分割模型在精确识别病害区域时面临挑战。边缘信息能有效刻画此类细微的形态差异,有助于强化局部特征判别力,进而提升病害边界的分割精度。然而,传统语义分割方法往往难以有效协调低级边缘定位与高级语义识别之间的关系。为解决上述问题,提出一种边缘信息增强(edge information enhancement, EIE)分支,并将其引入SegFormer模型中,旨在通过建模图像边缘结构,进而与主干网络的语义特征相融合,以增强模型在复杂隧道环境下对病害边界与细节特征的感知能力。

1.2.1 边缘特征提取模块

边缘信息对病害区域的准确定位具有重要作用,然而直接采用传统卷积进行边缘提取常伴随较高的计算复杂度。为此,设计了一个边缘特征提取模块(edge feature extraction module, EFEM),完成边缘特征的提取与梯度增强,其结构如图2所示。

该模块首先通过水平与垂直方向的固定Sobel卷积核提取输入图像I∈R^3×^H^×^W的梯度特征,并通过平方和开方运算融合为边缘梯度幅值,从而提取出图像像素级的边缘信息特征^[23],生成统一的边缘强度图F_edge∈R^1×^H^×^W。边缘特征提取的过程表示如下:设图像在位置(x,y)处的像素值为I(x,y),Sobel算子在不同方向上的卷积核分别为S_x(i,j)和S_y(i,j),则x方向与y方向的梯度可分别表示为

(1)$\left\{\begin{array}{l}{\mathit{G}}_{\mathit{x}}(\mathrm{x},\mathrm{y})=\stackrel{1}{\sum _{\mathit{i}=-1}}\stackrel{1}{\sum _{\mathit{j}=-1}}{\mathit{S}}_{\mathit{x}}(\mathit{i},\mathit{j})\mathit{I}(\mathit{x}+\mathit{i},\mathit{y}+\mathit{j})\\ {\mathit{G}}_{\mathit{y}}(\mathit{x},\mathit{y})=\stackrel{1}{\sum _{\mathit{i}=-1}}\stackrel{1}{\sum _{\mathit{j}=-1}}{\mathit{S}}_{\mathit{y}}(\mathit{i},\mathit{j})\mathit{I}(\mathit{x}+\mathit{i},\mathit{y}+\mathit{j})\end{array}\right.$

式中,G_x(x,y)和G_y(x,y)分别为输入图像在像素点(x,y)处沿水平方向和垂直方向的梯度幅值;(i,j)为Sobel卷积核内部的相对偏移坐标,其中i为水平方向偏移,j为垂直方向偏移,取值范围均为{-1,0,1}。进而,边缘梯度幅值G的计算公式为

(2)$G(x, y)=\sqrt{G_{x}^{2}(x, y)+G_{y}^{2}(x, y)+\epsilon}$

式(2)中:$ \epsilon $表示为了防止数值不稳定而引入的微小常数。

此过程采用不可训练的卷积核实现,在保留图像主要结构轮廓的同时,不引入额外参数,保证边缘提取过程的稳定性与低计算成本。

在获得初始边缘特征后,为进一步提升边缘特征的判别能力并控制计算复杂度,采用一种结合多层深度可分离卷积(depthwise separable convolution, DSConv)与高效通道注意力机制(efficient channel attention, ECA)^[24]的级联式特征提炼架构,实现对边缘特征的渐进式增强与通道自适应校准。以单通道边缘特征图F_edge∈R^1×^H^×^W为输入,通过三层DSConv逐步扩展通道维度(1→C/4→C/2→C)。每层DSConv操作由深度卷积(depthwise convolution, DWConv)与逐点卷积(pointwise convolution, PWConv)构成,并依次进行批归一化(batch normalization, BN)与ReLU激活。则对于第l层的DSConv操作,输出特征可表示为

(3) F^l=σ{BN[W_pw^l(W_dw^lF^l^-1)]}

式(3)中:W_dw^l和W_pw^l分别为深度卷积核与逐点卷积核;σ(·)为ReLU激活函数。

为增强关键边缘响应并抑制噪声干扰,引入ECA注意力机制,对DSConv输出特征进行通道自适应加权。ECA通过一维卷积实现跨通道局部交互,在保持较强表达能力的同时,避免了额外的参数开销。最终输出的边缘增强特征F_enh∈R^C'^×^H'^×^W'表示为

(4) F_enh=A_ECA[F_DSC³(F_edge)]

式(4)中:F_DSC为经过DSConv扩展的特征;A_ECA为ECA计算的通道注意力权重。

通过上述操作,在维持空间分辨率H×W不变的前提下,将底层灰度边缘特征逐步转化为具有高层语义的边缘表示。经过这种渐进式特征提炼与通道重加权,有效提升了边缘特征的语义判别能力,使模型能够更准确地捕捉病害区域的细粒度结构信息。

1.2.2 特征融合模块

为实现边缘特征与主干语义特征的高效协同,设计了一种特征融合模块(feature fusion module, FFM)。该模块通过特征对齐、拼接压缩与通道重加权3个步骤,实现多源特征的自适应融合,在保障计算效率的同时,提升模型对边缘信息的敏感性及整体语义表达能力,其结构如图3所示。

具体而言,FFM首先采用双线性插值(bilinear interpolation, BL)将边缘特征图F_enh∈R^C'^×^H'^×^W'动态调整至与主干特征图F_main∈R^C^×^H^×^W相同的空间分辨率。随后,采用拼接-压缩策略,将主干特征与边缘特征沿通道维度拼接后,通过DSConv实现通道压缩与信息融合,以避免直接相加所造成的边缘梯度信息丢失。最后,引入ECA模块对融合后特征进行通道重加权,以强化重要特征通道并抑制冗余信息。原理为

(5)${\dot{\mathit{F}}}_{\mathrm{e}\mathrm{n}\mathrm{h}}$=BL[F_enh,size=(H,W)]

(6)F_cat=Concat(F_main,${\dot{\mathit{F}}}_{\mathrm{e}\mathrm{n}\mathrm{h}}$)∈R²^C^×^H^×^W

(7) F_fused=A_ECA{σ[BN(W_pwW_dwF_cat)]}

式中:${\dot{\mathit{F}}}_{\mathrm{e}\mathrm{n}\mathrm{h}}$为调整分辨率后的边缘特征;F_cat为拼接后特征;W_dw和W_pw分别为深度卷积核与逐点卷积核。

1.3 方向性条带卷积注意力模块

裂缝与渗漏水等病害在形态上通常呈现细长、方向性显著、呈条带状分布的高纵横比结构特征。为有效捕捉此类目标的几何特性,提出一种方向性条带卷积注意力模块(directional strip convolution attention,DSCA)嵌入原始Transformer Block中。其核心思想是利用方向性条带卷积(strip convolution)机制^[25]显式建模长条形结构的空间先验,替代传统全局自注意力或各向同性卷积核的处理方式。条带卷积与标准卷积不同,在水平与垂直方向上分别采用非对称卷积核1×K与K×1,K为长边卷积核超参,能够高效捕捉具有方向性上下文信息的特征,在维持较低计算复杂度的同时,增强模型对裂缝、渗漏等细长结构的感知能力。

与传统基于查询-键-值(query-key-value,QKV)建模的注意力机制不同,DSCA模块不依赖于序列展平操作,而是直接在二维特征图上进行处理,从而避免高分辨率图像下的计算复杂度。该模块采用串行条带卷积设计,首先沿主导方向聚合线性上下文信息,再沿辅助方向修正可能存在的转折或分支结构,从而精细捕捉空间非均匀性。DSCA模块结构如图4所示。

具体操作过程中,输入特征首先经过1×1卷积进行通道压缩,并通过GELU激活函数引入非线性变换。然后,采用一个5×5深度卷积提取初步的空间上下文信息。在此基础上,模块依次进行两个方向的条带卷积操作:先采用1×K的横向条带卷积,重点聚合水平方向的空间信息,以增强模型对横向连续结构的感知;再采用K×1的纵向条带卷积,进一步建模垂直方向的空间依赖关系。串行卷积设计确保细长目标结构的空间信息得以精细捕捉。接着,利用1×1卷积对条带卷积编码后的特征进行通道融合,生成空间注意力权重图,将输入特征与该权重图逐元素相乘,实现对关键区域的空间聚焦。最后,再经由另一个1×1卷积恢复通道数,并通过残差连接避免梯度消失,保障训练稳定性。

1.4 LMPFFM解码器

SegFormer原解码器采用的All-MLP架构,通过简单的线性变换与双线性上采样来整合多尺度特征,未能有效建模特征间的复杂依赖关系,难以平衡高层语义与底层细节之间的交互。此外,MLP结构在处理高维特征时参数量和计算开销较大,且简单的拼接操作无法实现有效的跨尺度特征交互,限制了模型对多尺度目标的捕捉与细节还原精度。针对上述问题,引入多尺度金字塔特征融合模块(multi-scale pyramid feature fusion module, MPFFM)^[26]以增强特征整合,但该模块参数量与计算复杂度仍然较高,需进一步优化。

为此,提出一种轻量级多尺度金字塔特征融合模块(lightweight multi-scale pyramid feature fusion module, LMPFFM),以替换原始解码器中的MLP结构。该模块通过层次化特征融合机制优化信息传递路径,采用渐进式融合策略在不同尺度间建立语义关联,使高层语义能有效指导底层细节的恢复过程。LMPFFM结构如图5所示。

LMPFFM采用层次化的特征融合结构,通过自上而下的路径和横向连接实现对编码器多层次输出特征的有效整合,并采用深度可分离卷积替代标准卷积操作,在保持表达能力的同时减少模块参数量与计算复杂度。编码器不同阶段输出的多尺度特征作为LMPFFM的输入,其中,C₁、C₂、C₃特征直接输入卷积层处理,而最深层特征C₄蕴含更丰富的语义信息,但细节感知能力较弱,因此将其输入轻量级金字塔池化模块(lightweight pyramid pooling module, LPPM),利用多尺度池化操作捕捉深度语义信息的细粒度特征。

LPPM的结构如图5上方虚线部分所示:首先,LPPM将输入的C₄特征映射到4个尺度为{1,3,4,6}的自适应平均池化层,以提取多尺度上下文信息;每个池化分支后接一个1×1卷积层,将输出通道数压缩至原始通道数的1/4,从而有效减少参数量;各分支特征经双线性插值恢复至原始尺寸后,沿通道维度拼接,形成多尺度、高层次的复合特征图M₄。

随后,特征通过上采样自上而下处理,并与前一步骤获取的特征相加,将上层丰富的语义信息与下层的细节特征融合,形成多尺度金字塔特征集{M_i∈R^{C_i×H_i×W_i},i=1,2,3,4}。进一步对M₁、M₂和M₃进行卷积操作,并将所有Mi上采样至统一尺寸H/4×W/4,沿通道维度拼接生成融合特征,最终通过分割头输出预测结果。

1.5 损失函数

在地铁隧道表观病害分割任务中,病害区域像素占比较低,导致正负样本比例失衡,同时病害边界普遍存在模糊现象,这些因素共同制约了模型的分割精度。传统语义分割中广泛采用的CE Loss对类别分布较为敏感,在高度不平衡的数据中容易受到主导类别的支配,从而导致模型对占比极小的病害区域学习不足,尤其在细小病害及边界区域的分割性能显著下降。为克服上述局限,采用一种结合Focal Loss^[27]与Dice Loss^[28]的复合损失函数,称为Focal-Dice联合损失(focal-dice joint loss,FDJ Loss),计算公式为

(8)${\mathit{L}}_{\mathrm{F}\mathrm{o}\mathrm{c}\mathrm{a}\mathrm{l}}=-\frac{1}{\mathit{N}}\stackrel{\mathit{N}}{\sum _{\mathit{i}=1}}\stackrel{\mathit{M}}{\sum _{\mathit{m}=1}}{\mathit{\alpha }}_{\mathit{m}}(1-{\dot{\mathit{y}}}_{\mathit{i},\mathit{m}}{)}^{\mathit{\gamma }}{\mathit{y}}_{\mathit{i},\mathit{m}}\mathrm{l}\mathrm{n}{\mathit{y}}_{\mathit{i},\mathit{m}}$

(9)$ L_{\text {Dice }}=1-\frac{2 \sum_{i=1}^{N} y_{i} \hat{y}_{i}+\epsilon}{\sum_{i=1}^{N} y_{i}+\sum_{i=1}^{N} \hat{y}_{i}+\epsilon}$

(10) L_FDJ=L_Focal+L_Dice

式中:y_i_,_m为第i个像素的真实标签;${\dot{\mathit{y}}}_{\mathit{i},\mathit{m}}$为预测的类别概率;N为像素总数;M为类别数;α_m为类别平衡系数;γ为调节因子;$ \epsilon $为平滑项。

该损失函数从不同机制出发共同优化模型训练:Focal Loss通过可调节因子γ和类别权重α_m,增强对边界像素与小目标病害的关注,缓解类别不平衡带来的训练偏倚;Dice Loss则通过集合相似度度量,强化模型对病害区域的整体识别能力,适用于目标占比极低的分割任务。通过联合优化两种损失函数,使模型在保持整体分类稳定性的同时,提升对模糊边界与细小病害的分割敏感度与结构完整性,从而增强整体识别性能。

2 数据采集与处理

所研究数据集来源于MS100移动三维扫描系统,采集北京某地铁区间的部分真实隧道影像,数据集采集构建过程如图6所示。由于利用MS100扫描的原始图像分辨率极高,首先将其裁剪为几段,接着再将其裁剪为640×640像素的小图,并按照每张图片左上角像素坐标进行命名,以实现在检测结束后将同一段的图片根据坐标拼合,复原扫描图,精确定位病害在区间内位置。裁剪后筛选出包含裂缝、渗漏水、混凝土剥落3类典型病害的图片,并使用Labelme标注软件对图像中的病害区域进行标注。

考虑到样本数量有限,直接用于训练可能导致过拟合。为提升模型在复杂环境下的适应性并增强泛化能力,采用翻转、亮度调整、旋转和转置等数据增强方法对图像进行扩充,其示意如图6(d)所示。经过预处理后,数据集规模扩充至2 562张图像,并按8∶1∶1的比例随机划分为训练集、验证集和测试集。

3 结果分析

3.1 模型训练

操作系统为Windows 10,CPU为AMD Ryzen 5 7500F,GPU为NVIDIA GeForce RTX 4060Ti,运行内存为8 GB,深度学习框架为Pytorch2.1.0、Cuda12.1。输入图像尺寸设置为512×512,训练轮数为150,批处理大小Batch设置为8,采用Adamw优化器。

3.2 评价指标

为全面评估所提模型的性能,采用平均交并比(mean intersection over union, mIoU)、平均像素准确率(mean pixel accuracy, mPA)、准确率(accuracy, Acc)作为核心评价指标,计算公式为

(11)$\mathit{m}\mathit{I}\mathit{o}\mathit{U}=\frac{1}{\mathit{H}}\stackrel{\mathit{H}}{\sum _{\mathit{i}=1}}\frac{{\mathit{L}}_{\mathrm{T}\mathrm{P}\mathit{i}}}{{\mathit{L}}_{\mathrm{T}\mathrm{P}\mathit{i}}+{\mathit{L}}_{\mathrm{F}\mathrm{P}\mathit{i}}+{\mathit{L}}_{\mathrm{F}\mathrm{N}\mathit{i}}}$

(12)$\mathit{m}\mathit{P}\mathit{A}=\frac{1}{\mathit{H}}\stackrel{\mathit{H}}{\sum _{\mathit{i}=1}}\frac{{\mathit{L}}_{\mathrm{T}\mathrm{P}\mathit{i}}}{{\mathit{L}}_{\mathrm{T}\mathrm{P}\mathit{i}}+{\mathit{L}}_{\mathrm{F}\mathrm{N}\mathit{i}}}$

(13)$\mathit{A}\mathit{c}\mathit{c}=\frac{\stackrel{\mathit{H}}{\sum _{\mathit{i}=1}}{\mathit{L}}_{\mathrm{T}\mathrm{P}\mathit{i}}}{\stackrel{\mathit{H}}{\sum _{\mathit{i}=1}}({\mathit{L}}_{\mathrm{T}\mathrm{P}\mathit{i}}+{\mathit{L}}_{\mathrm{F}\mathrm{P}\mathit{i}})}$

式中:H为病害类别的数量;L_TP_i为第i个类别的真正例的数量;L_FN_i为第i个类别的假负例的数量;L_FP_i为第i个类别的假正例的数量。

此外,通过模型参数(Parameters)、浮点计算量(Flops)和图片处理速度(frames per second,FPS)对模型复杂度、计算效率及实时性进行综合评估。

3.3 边缘特征融合实验

为确定边缘增强分支与主干网络结合的最优层级,在主干网络的不同特征层(C₁、C₂、C₃、C₄)分别引入边缘特征,设计4种融合策略进行对比。方案A在最浅层C₁特征层进行融合;方案B在C₁和C₂层同时引入边缘特征;方案C在C₁、C₂、C₃共3个层级均融合边缘特征;方案D则在C₁~C₄全层均进行边缘特征融合。实验结果如表1所示。

由表1可以看出,在C₁和C₂层同时引入边缘特征时,模型在性能与复杂度之间达到了较优平衡:在保持较低模型复杂度的同时,其mIoU达到最高值82.79%,并且在mPA和Acc指标上也取得了良好的表现,分别达到92.21%和97.28%。相比之下,虽然方案C与方案D在更多层级引入边缘特征,但其精度提升有限。这表明边缘特征信息主要集中在主干网络的浅层,能够显著提升边界区域的分割表现;而在更深层级,新增的融合模块对整体性能贡献有限,反而可能引入冗余计算开销。

为了进一步验证边缘增强分支在浅层特征融合中的作用,对融合前后的特征图进行可视化对比。如图7所示。

从可视化结果可以看出,图7(b)为边缘特征提取模块提取的边缘灰度图,较好地保留了图像的主要结构轮廓;图7(c)为主干网络第一层输出的C₁特征图,其在细节表达上存在明显不足,尤其在病害与背景的区分方面表现有限;相比之下,引入融合机制后得到的特征图7(d),通过将边缘信息特征与原始C₁特征进行自适应融合,在保留主干网络全局语义信息的同时,显著增强了边缘与局部细节的表征能力。有效抑制了复杂背景下的噪声,突出病害边界,使整体特征表达更加精细准确。

3.4 DSCA配置实验

为探究DSCA模块在编码器中的最优配置方案,本研究采用分阶段对比实验,依次优化其嵌入阶段与长边卷积核尺寸两个关键超参数。文献[25]表明,条带卷积的长边卷积核尺寸对模块性能具有决定性影响:较小的长边卷积核难以有效捕捉高纵横比目标的特征,而长边卷积核尺寸为19时获得较优性能。基于此,实验首先在固定条带卷积的长边卷积核尺寸K=19的条件下,探究DSCA模块在编码器中的最优嵌入阶段;随后,在确定最优嵌入方案后,进一步评估不同长边卷积核尺寸对模型性能的影响。在相同的实验环境下进行对比实验,确保结果的可比性。

(1)为确定DSCA模块在编码器中的最优嵌入位置,在固定条带卷积的长边卷积核尺寸K=19的前提下,设计5组对比实验,将DSCA模块嵌入编码器的不同阶段:方案1在第1、第2阶段嵌入;方案2在第2、第3阶段嵌入;方案3在第3、第4阶段嵌入;方案4在第2、第3和第4阶段嵌入;方案5则在全部4个阶段均嵌入DSCA模块。实验结果如表2所示。所有引入DSCA模块的配置方案较基线模型在mIoU、mPA和Acc指标上均有所提升,验证了DSCA模块对隧道线状病害分割的有效性。在 Stage 2 和Stage 3引入DSCA取得最优性能,其 mIoU 达到83.14%,mPA达到92.07%,Acc为97.33%。表明模型的Stage 2和Stage 3的特征图在空间细节与语义信息之间保持了最佳平衡:Stage 2 特征图包含丰富的空间细节,有利于精确定位细长目标;Stage 3特征图具有一定的语义抽象能力,能够有效建模裂缝等目标的远程方向性依赖。方案四和方案五虽然在更多阶段引入DSCA模块,但性能提升有限且计算复杂度显著增加。

(2)为确定DSCA模块中最优的卷积核尺寸,在固定将DSCA模块嵌入编码器第2和第3阶段的前提下,评估不同条带卷积的长边卷积核尺寸对模型性能的影响,结果如表3所示。

当条带卷积的长边卷积核尺寸K=19时,模型在各项指标上均达到最优。1×19与19×1的卷积核能够有效建模隧道环境中常见的延伸型裂缝和渗漏带,为其提供足够的上下文感知范围。

3.5 消融实验

为验证所提出改进方法的有效性,在相同的实验环境下进行消融实验,结果如表4和图8所示。

与基线模型相比,当引入LMPFFM重构解码器后,模型参数量降至3.395 M,FLOPs降至2.59 G,mIoU达到82.47%,在显著降低计算复杂度的同时提升了模型分割性能,表明LMPFFM解码器能够有效聚合多层级语义信息,提升特征表达能力。在重构解码器的模型基础上同时引入EIE分支与DSCA模块,并采用FDJ Loss进行联合优化,mIoU提升至83.53%,较基线提升3.72%,mPA和Acc也分别达到92.46%和97.61%。表明EIE分支和DSCA模块在功能上具有互补性:EIE分支侧重于像素级的边缘细节修复,而DSCA模块侧重于对方向性结构的全局感知。在模型复杂度方面,改进模型的参数量为3.620 M,较基线3.715 M减少了2.56%,FLOPs为3.02 G,降低了55.46%。综上所述,所提出的改进方案在提升语义分割精度的同时,有效增强了模型的轻量化特性,适用于实际隧道病害检测场景。

3.6 模型性能对比

为验证所改进的SegFormer-ESF模型的有效性,将其与U-Net、DeepLabv3+、PSPNet以及原始SegFormer-B0和SegFormer-B1等多个语义分割模型进行对比实验。所有模型均使用相同的训练集、验证集和测试集,并采用一致的训练策略确保对比的公平性。对比结果如表5所示。

本文模型在整体性能上表现出显著优势。具体而言,相较于经典的U-Net、DeepLabv3+和PSPNet模型,SegFormer-ESF模型的mIoU分别高出11.5%、10.05%和17.36%,证明了改进模型对隧道复杂场景更强的适应性。与同为Transformer架构的基线模型SegFormer-B0和SegFormer-B1相比,SegFormer-ESF模型在mIoU上也分别提升了3.72%和1.23%,验证了引入EIE分支、DSCA模块以及重构的LMPFFM解码器的有效性。在模型复杂度方面,SegFormer-ESF保持出色的效率,参数量为3.620 M,FLOPs为3.02 G,显著低于U-Net、PSPNet等CNN模型,也远低于SegFormer-B1。与基线SegFormer-B0相比,在参数量略有降低的基础上,FLOPs大幅减少。在推理速度FPS方面,SegFormer-ESF模型达到88.53 帧/s,虽略低于SegFormer-B0,但高于其他对比模型,保持了较高的推理速度,能够满足实时检测的工程需求。

对比实验效果可视化如图9所示,可以看出,与其他对比方法相比,本文提出的模型在地铁隧道表观病害检测任务中表现出更优异的分割性能。本文模型不仅在整体分割精度上显著提升,还能精准识别微裂缝、轻微剥落等细小目标,在复杂低对比度场景下保持良好的连续性与细节表达,实现更平滑、完整的区域覆盖并有效抑制噪声,降低漏检与误检率。

图10展示了模型对部分裁剪图像的预测结果经拼接算法拼合后的效果。该方式能够将模型在子图像中识别出的病害,精确映射回原始隧道空间,进而确定其具体位置。

3.7 泛化性测试

为了验证模型的泛化能力,使用来自上海地铁隧道巡检公开数据集^[29]的病害图像对模型进行识别效果测试,如图11所示。由于该数据集与训练集存在较大差异,模型的识别精度略有下降,但整体表现依然良好,能够准确识别主要病害特征,表明该模型具有较强的泛化能力。

4 结论

针对地铁隧道表观病害检测中存在的边界模糊、形态细长及背景干扰等挑战,提出了一种融合边缘信息增强与方向性条带卷积注意力机制,并重构解码器的SegFormer-ESF模型。

(1)在模型结构方面,所设计的边缘信息增强分支能有效提取并增强病害区域的边缘梯度特征,通过自适应特征融合机制提升了模型对裂缝、剥落等病害边界的定位与分割精度;引入轻量级多尺度金字塔特征融合模块重构解码器,在降低模型参数与计算复杂度的同时,有效聚合多层级语义信息,提升特征表达能力;提出的方向性条带卷积注意力模块,通过水平与垂直方向的串行条带卷积,增强了对线状病害方向性上下文的建模能力,有效改善了细长裂缝与渗漏水的分割完整性;此外,构建的Focal-Dice联合损失函数通过双重优化机制,有效缓解了隧道病害中普遍存在的正负样本不平衡问题。

(2)实验结果表明,SegFormer-ESF在mIoU、mPA与Accuracy等关键指标上分别达到83.53%、92.46%和97.61%,性能优于U-Net、DeepLabv3+及SegFormer-B0等模型,且模型参数与计算复杂度相对更低,具有轻量化优势。此外,利用公开数据集的泛化性测试验证了SegFormer-ESF具有良好的泛化能力与工程应用潜力。

未来工作将引入更多不同地质条件与运营阶段的隧道图像,拓展病害类型以增强模型泛化能力,并进一步研究模型轻量化与部署优化,推动其在实际工程中的应用。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	中国城市轨道交通协会. 《城市轨道交通2024年度统计和分析报告》精要解读[J]. 城市轨道交通, 2025(4): 22-25.

[2]	China Association of Metros. Essential interpretation of 2024 Statistical and Analysis Report on Urban Rail Transit[J]. China Metros, 2025(4): 22-25.

[3]	Zhou Z, Li S, Yan L, et al. Intelligent recognition of tunnel lining defects based on deep learning: methods, challenges and prospects[J]. Engineering Failure Analysis, 2025, 170: 109332.

[4]	Zhang W, Tian C, Yang J, etal. Vision and deep learning-based tunnel surface defect detection: technological evolution, challenges, and prospects[J]. Measurement, 2025, 230: 118853.

[5]	Tan L, Hu X, Tang T, et al. A lightweight metro tunnel water leakage identification algorithm via machinevision[J]. Engineering Failure Analysis, 2023, 150: 107327.

[6]	柳献, 孙齐昊. 盾构隧道衬砌结构连续性破坏事故案例分析[J]. 隧道与地下工程灾害防治, 2020, 2(2): 21-30.

[7]	Liu Xian, Sun Qihao. Case analysis on progressive collapse of shield tunnel linings[J]. Hazard Control in Tunnelling and Underground Engineering, 2020, 2(2): 21-30.

[8]	武晓春, 李鲁豫. 结合局部强化和改进YOLOv8的隧道螺栓锈蚀检测[J]. 计算机工程与应用, 2025, 61(19): 249-259.

[9]	Wu Xiaochun, Li Luyu. Tunnel bolt rust detection combining local enhancement and improvement of YOLOv8[J]. Computer Engineering and Applications, 2025, 61(19): 249-259.

[10]	廖维张, 黄澍辰, 袁婉莹, 等. 基于改进YOLOv8s的钢筋混凝土结构桥梁表观病害智能检测算法[J]. 科学技术与工程, 2026, 26(4): 1676-1687.

[11]	Liao Weizhang, Huang Shuchen, Yuan Wanying, et al. Intelligent detection algorithm for apparent diseases of reinforced concrete structures bridge based on improved YOLOv8s[J]. Science Technology and Engineering, 2026, 26(4): 1676-1687.

[12]	宋娟, 贺龙喜, 龙会平. 基于深度学习的隧道衬砌多病害检测算法[J]. 浙江大学学报(工学版), 2024, 58(6): 1161-1173.

[13]	Song Juan, He Longxi, Long Huiping. Deep learning-based algorithm for multi defectdetection in tunnel lining[J]. Journal of Zhejiang University (Engineering Science Edition), 2024, 58(6): 1161-1173.

[14]	Wu X, Guo N. MGSLU-Net: a lightweight network for efficient detection of water leakage in subway tunnel linings[J]. The Visual Computer, 2025, 41(10): 1-14.

[15]	方力涵, 张庆文, 李卫国, 等. 基于改进YOLOv5的隧道衬砌病害精确检测方法[J]. 科学技术与工程, 2025, 25(16): 6812-6820.

[16]	Fang Lihan, Zhang Qingwen, Li Weiguo, et al. Tunnel lining defects precision detection method based on improved YOLOv5[J]. Science Technology and Engineering, 2025, 25(16): 6812-6820.

[17]	张振海, 孙岩, 李哲远. 基于MDS-YOLO的轻量级隧道表观病害检测算法[J]. 交通运输工程学报, 2025, 25(6): 271-283.

[18]	Zhang Zhenghai, Sun Yan, Li Zheyuan. Lightweight tunnel appa-rent defect detection algorithm based on MDS-YOLO[J]. Journal of Traffic and Transportation Engineering, 2025, 25(6): 271-283.

[19]	田思萌, 王耀东, 刘胜智, 等. 地铁盾构隧道裂缝与渗漏水图像采集与智能识别算法研究[J]. 中南大学学报(自然科学版), 2025, 56(1): 370-383.

[20]	Tian Simeng, Wang Yaodong, Liu Shengzhi, et al. Research on crack and leakage image acquisition and intelligent recognition algorithm of subway shield tunnel[J]. Journal of Central South University (Science and Technology Edition), 2025, 56(1): 370-383.

[21]	李永, 林坊, 陈煜昂, 等. 基于深度学习的视觉多目标跟踪综述[J]. 科学技术与工程, 2025, 25(22): 9211-9223.

[22]	Li Yong, Lin Fang, Chen Yuang, et al. A comprehensive review of deep learning-based visual multi-object tracking[J]. Science Technology and Engineering, 2025, 25(22): 9211-9223.

[23]	赵子琪, 李卫东, 李晓娟. 基于改进实时Transformer的航拍图像小目标检测算法[J]. 科学技术与工程, 2025, 25(13): 5527-5534.

[24]	Zhao Ziqi, Li Weidong, Li Xiaojuan. Small target detection algorithm in aerialimages based on improved RT-DETR[J]. Science Technology and Engineering, 2025, 25(13): 5527-5534.

[25]	蒋仕新, 唐椿程, 杨建喜, 等. 基于改进Segformer的混凝土桥梁表观病害轻量级识别方法[J]. 中国公路学报, 2024, 37(2): 77-87.

[26]	Jiang Shixin, Tan Chuncheng, Yang Jianxi, et al. Lightweight detection method of surface damage on concrete bridges based on improved segformer[J]. China Journal of Highway and Transport, 2024, 37(2): 77-87.

[27]	王妍玮, 陶文彬, 陈凯云, 等. 基于SegFormer-CG的煤矸石识别技术[J]. 煤炭学报, 2026: 51(4): 2771-2782.

[28]	Wang Yanwei, Tao Wenbin, Chen Kaiyun, et al. Coal gangue recognition technology based on SegFormer-CG[J]. Journal of China Coal Society, 2026: 51(4): 2771-2782.

[29]	Deng X Y, Zheng Y P. GLF-Segformer: an improved Segformer model integrating local and global information for skin cancer ima-ge segmentation[J]. Optoelectronics Letters, 2026, 22(4): 236-242.

[30]	曹鸿博, 安维胜, 梁海鹏, 等. 基于边缘特征增强的YOLOv8n道路缺陷检测算法[J]. 电子测量技术, 2025, 48 (19): 183-192.

[31]	Cao Hongbo, An Weisheng, Liang Haipeng, et al. YOLOv8n road defect detection algorithm based on edge feature enhancement[J]. Electronic Measurement Technology, 2025, 48 (19): 183-192.

[32]	王德文, 宋学帅, 李成浩, 等. 基于边缘增强和多尺度特征融合的遥感图像船舰检测[J]. 智能系统学报, 2026, 21(1): 60-71.

[33]	Wang Dewen, Song Xueshuai, Li Chenghao, et al. Ship detection in remote sensing images using edge enhancement and multi-scale feature fusion[J]. CAAI Transactions on Intelligent Systems, 2026, 21(1): 60-71.

[34]	吕扬, 吴静静, 庄祉珊, 等. 边界感知SegFormer网络的阵列目标图像分割方法[J]. 计算机工程与应用, 2024, 60(24): 188-199.

[35]	Lyu Yang, Wu Jingjing, Zhuang Zhishan, et al. Array target ima-ge segmentation with boundary-aware SegFormer network[J]. Computer Engineering and Applications, 2024, 60(24): 188-199.

[36]	文甜甜, 普运伟, 赵文翔. 一种融合上下文语义信息与边缘特征的海陆分割方法[J]. 自然资源遥感, 2025, 37(5): 62-72.

[37]	Wen Tiantian, Pu Yunwei, Zhao Wenxiang. Method for sea-land segmentation combining contextual semantic information and edge features[J]. Remote Sensing for Natural Resources, 2025, 37(5): 62-72.

[38]	Xie E, Wang W, Yu Z, et al. SegFormer: simple and efficient design for semantic segmentation with transformers[J]. Advances in Neural Information Processing Systems, 2021, 34: 12077-12090.

[39]	熊智飞, 沈疆海. 基于多维自适应滤波与泊松融合的多聚焦图像融合算法[J]. 科学技术与工程, 2023, 23 (24): 10427-10436.

[40]	Xiong Zhifei, Shen Jianghai. A multi-focus image fusion algorithm based on multidimensional adaptive filtering and poisson fusion[J]. Science Technology and Engineering, 2023, 23(24): 10427-10436.

[41]	侯明明, 牛笑川, 王柯勋. 基于改进YOLOv5的铁路工务人员防护装备检测算法[J]. 科学技术与工程, 2025, 25(23): 9859-9865.

[42]	Hou Mingming, Niu Xiaochuan, Wang Kexun. Detection algorithm for protective equipment of railway workers based on improved YOLOv5[J]. Science Technology and Engineering, 2025, 25(23): 9859-9865.

[43]	Yuan X, Zheng Z, Li Y, et al. Strip R-CNN: large strip convolution for remote sensing object detection[J]. arXiv Preprint arXiv: 2501.03775.

[44]	Li M, Chen M, Lu W, et al. Automatic extraction and quantitative analysis of characteristics from complex fractures on rock surfaces via deep learning[J]. International Journal of Rock Mecha-nics and Mining Sciences, 2025, 187: 106038.

[45]	李昊宇, 廖维张. 基于改进RandLA-Net的建筑构件点云提取方法[J]. 科学技术与工程, 2025, 25(6): 2461-2468.

[46]	Li Haoyu, Liao Weizhan. Building component point cloud extraction method based on improved RandLA-Net[J]. Science Technology and Engineering, 2025, 25(6): 2461-2468.

[47]	罗瑶炜, 刘爱荣, 陈炳聪, 等. 基于图像增强与改进U-net融合的桥梁水下结构裂缝检测[J]. 工程力学, 2025, 42(S1): 276-282, 306.

[48]	Luo Yaowei, Liu Airong, Chen Bingcong, et al. Bridge underwater structural crack detection based on image enhancement and improved U-net fusion[J]. Engineering Mechanics, 2025, 42(S1): 276-282, 306.

[49]	Xue Y, Cai X, Shadabfar M, et al. Deep learning-based automa-tic recognition of water leakage area in shield tunnel lining[J]. Tunnelling and Underground Space Technology, 2020, 104: 103524.

基金资助

国家自然科学基金(61661027)

中央引导地方科技发展资金项目(24ZYQA044)

甘肃省重点研发计划(22YF7GA141)

PDF (17036KB)

访问

被引

详细

导航

Received	Published	Revised
2025-11-03	2026-10-28	2026-04-21
Online Date
2026-11-10

摘要