في مواجهة مشاكل تكرار أمراض جدران مداخل الأنفاق في البيئة القاسية على الهضاب وكفاءة منخفضة لطرق فحص الأمراض التقليدية وخطورة عالية، تقدمت بطريقة فحص أمراض جدران مداخل الأنفاق في المناطق الجبلية عالية باستخدام صور الطائرات بدون طيار والتعلم العميق. أولاً، استخدمت الطائرات بدون طيار لتصوير مناطق مداخل الأنفاق في إقليم شينجيانغ القاسي، وأنشأت مجموعة بيانات متعددة لتقسيم المعاني لأمراض جدران مداخل الأنفاق؛ ثم بناءً على نموذج تقسيم المعاني DeeplabV3+، قدمت نموذج تحسين TP-DeeplabV3+ الذي استخدم MobileNetV2 كشبكة استخراج الميزات الأساسية لتقليص حجم النموذج. واستخدام خسارة Focal كدالة الفقدان لحل مشكلة عدم التوازن في فئات صور أمراض الجدران؛ إضافة آلية انتباه CA لتعزيز أداء التقسيم للنموذج؛ وأخيراً، قدمت طريقة لمعاينة الأمراض. أظهرت النتائج أن TP-DeeplabV3+ يمكن أن يصل إلى 88.37% و 94.93% لـ mIoU و mPA على مجموعة الاختبار ويمكن ضغط حجم النموذج بنسبة 88.83%؛ وتكونت الطريقة للتقييم الكموني للأمراض بحيث يكون الانحراف المطلق عن نسبة التغطية للأمراض أقل من 0.3% والانحراف النسبي أقل من 7.31%. بالمقارنة مع الأساليب التقليدية، فإن هذه الطريقة تحقق بأمان ودقة فحص ذكاء مداخل الأنفاق في البيئة القاسية على الهضاب.

أمراض جدران مداخل الأنفاق;التعلم العميق;تقسيم المعاني;الطائرات بدون طيار;المناطق الجبلية العالية