地科学院地信系高贤君老师在测绘领域主流期刊《测绘通报》上发表题为“基于Cutmix数据增强与多约束损失函数的YOLOv7盾构隧道渗漏水检测”的研究论文。

该研究主要针对盾构隧道强度投影图像中渗漏水尺寸不一致且像素占比偏小，现有目标检测模型的关键特征学习能力较弱，存在渗漏水病害目标检测精度偏低。因此，本文提出了基于CutMix数据增强与多约束损失函数的改进YOLOv7盾构隧道渗漏水检测方法（图1）。首先采用镶嵌CutMix方法对隧道图像进行数据增强，将多张不同的训练样本进行随机裁剪，拼接融合成具有综合特征的新样本；然后以YOLOv7网络为骨架结构，引入高效通道注意力模块，提高渗漏水关键特征的自主学习与表达能力；最后引入多约束几何条件的损失函数，提高预测框几何形状的精度，从而提升模型预测精度。在光线良好、光线不佳和存在遮挡等复杂环境情况下，选取Fast R-CNN、SSD、YOLOv5、YOLOv7这4种算法进行对比（图2），试验表明，本文算法渗漏水检测精度达85.90%，该方法在具有多干扰、遮挡的复杂隧道环境中进行综合渗漏水病害检测具有较好的应用前景。

‌《测绘通报》‌是由中国地图出版社（测绘出版社）主办的综合性、技术性中文核心期刊。该期刊主要报道大地测量、全球导航卫星系统、摄影测量、遥感、地图制图、地理信息系统、工程测量、矿山测量、地籍测绘、海洋测绘等领域的新成果和新技术，以及相关行业的先进经验和技术应用。

论文链接：

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

图1改进YOLOv7网络结构

图2 同类算法检测结果对比

图3 论文首页