Automatic crack detection plays an essential role in ensuring the safe operation of tunnels, which is also challenging work in reality. In this paper, an innovative framework, which combines the weakly supervised learning methods (WSL) and the fully supervised learning methods (FSL), is presented to detect and segment the cracks in the tunnel images. Firstly, a WSL-based segmentation network Crack-CAM is proposed to annotate the collected data instead of using the traditional manual annotation process. By applying the proposed E-Res2Net101 structure and tuning some hyper-parameters, an FSL-based method named DeepLabv3+ is optimized to enhance the segmentation performance. After the crack segmentation, the risk levels of the detected cracks are judged using a new evaluation metric. In addition, the mean error of the lengths, the mean widths, and the areas are calculated for different types of cracks. A crack dataset in tunnel scenes that contain 3,921,726 sub-images that are cropped from 521 raw images is built to demonstrate the effectiveness of the presented methods. Based on the proposed dataset, the modified DeepLabv3+ achieves the highest MIoU of 0.786 and the best F1 of 0.865. Besides, the proposed framework combining WSL methods (automatic data annotation) and the FSL methods achieved a performance comparable to the framework that is based on manual annotation and the FSL methods, which demonstrates the WSL-based Crack-CAM can label images correctly.

自动裂缝检测对于确保隧道的安全运营起着至关重要的作用，这在现实中也是具有挑战性的工作。在本文中，提出了一种结合弱监督学习方法（WSL）和全监督学习方法（FSL）的创新框架来检测和分割隧道图像中的裂缝。首先，提出了一种基于 WSL 的分割网络 Crack-CAM 来注释收集的数据，而不是使用传统的手动注释过程。通过应用提出的 E-Res2Net101 结构并调整一些超参数，优化了一种名为 DeepLabv3+ 的基于 FSL 的方法以提高分割性能。在裂缝分割之后，使用新的评估指标判断检测到的裂缝的风险等级。此外，长度的平均误差，平均宽度，并计算不同类型裂缝的面积。隧道场景中的裂缝数据集包含从 521 个原始图像裁剪的 3,921,726 个子图像，以证明所提出方法的有效性。基于提议的数据集，修改后的 DeepLabv3+ 实现了 0.786 的最高 MIoU 和 0.865 的最佳 F1。此外，所提出的结合 WSL 方法（自动数据注释）和 FSL 方法的框架实现了与基于手动注释和 FSL 方法的框架相当的性能，这表明基于 WSL 的 Crack-CAM 可以正确标记图像。基于提议的数据集，修改后的 DeepLabv3+ 实现了 0.786 的最高 MIoU 和 0.865 的最佳 F1。此外，所提出的结合 WSL 方法（自动数据注释）和 FSL 方法的框架实现了与基于手动注释和 FSL 方法的框架相当的性能，这表明基于 WSL 的 Crack-CAM 可以正确标记图像。基于提议的数据集，修改后的 DeepLabv3+ 实现了 0.786 的最高 MIoU 和 0.865 的最佳 F1。此外，所提出的结合 WSL 方法（自动数据注释）和 FSL 方法的框架实现了与基于手动注释和 FSL 方法的框架相当的性能，这表明基于 WSL 的 Crack-CAM 可以正确标记图像。