[發明專利]一種管道雷達圖譜Mish殘差多尺度網絡識別方法

在審

• 申請號: 202110748455.1
• 申請日: 2021-07-01
• 公開（公告）號: CN113486774A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 楊峰;邢洪嘉;喬旭
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種管道雷達圖譜Mish殘差多尺度網絡識別方法。本發明包括：對Mish深度殘差多尺度網絡進行參數初始化；將待訓練的管道雷達病害數據載入Mish深度殘差多尺度網絡提取病害特征；根據特征使用Mish深度殘差多尺度網絡中的金字塔網絡預測病害，并從網絡輸出端輸出預測出來的病害坐標；將預測出來的病害坐標轉換為里程數和深度信息。本發明在管道雷達病害區域智能識別模型上具有較高精度和較低的漏檢率，能識別真實管道環境下的病害特征，適用于城市管道檢修領域。

技術領域

本發明涉及管道雷達圖譜信號處理技術領域，更具體的說是涉及一種管道雷達圖譜Mish殘差多尺度網絡識別方法。

背景技術

城市管道是重要的城市地下公共設施之一。城市路面坍塌造成的影響嚴重，往往會造成人員傷亡，嚴重危害社會的公共安全。在一般地質條件下，地下空洞的發展是一個漫長的過程，除非地下有水動力。在城市中地下管道鋪設密集，而管道發生破損后正好滿足了空洞形成的三個條件。地下管道破損后勢必會出現滲漏現象。地下空洞是形成地表塌陷的必要條件之一，城市道路塌陷大體上可以分為四個階段：管道破損，管道滲漏，形成空洞，臨界坍塌?，F有的管道檢測技術主要基于閉路電視系統(CCTV)管道機器人，利用探測攝像機采集視頻數據來觀測管道內部情況。該方法無法滿足地下排水管道全空間探測需要，可檢測管道病害為管道破裂、腐蝕和裂隙，無法探測出管道外部是否存在空洞病害，管壁外側與結構面間是否脫空，管壁周邊土層是否疏松，而這些隱患可能導致路面出現唧漿、龜裂甚至出現塌陷。

因而，需要管道機器人。管道機器人裝配探地雷達，滿足了管道的全空間探測需要，可探測管道是否存在脫空、空洞和疏松等病害。但是，對于地下的病害判讀往往需要專家豐富的經驗，對于病害的解釋缺乏統一的標準。探地雷達數據屬于海量數據，對于探地雷達圖像的解釋難度大、人力解釋經驗需求高、解釋周期長，嚴重影響檢測工作的效率?，F有研究中尚無針對城市管道內部探地雷達圖像的智能識別方法。因此，如何提供一種對城市管道內部病害智能識別的方法是本領域技術人員亟需解決的問題。目前對于雷達圖像的識別算法研究主要包括探地雷達B-scan剖面顯示圖像識別和A-scan單道數據進行對比識別兩種。其中針對探地雷達B-scan剖面顯示圖像的識別方法大多基于雷達圖像剖面灰度圖，針對灰度圖像人工設計病害特征，隨后將特征利用支持向量機、淺層神經網絡等分類算法訓練，得到雷達圖像識別結果。但管道病害形態復雜，各種探地雷達儀器獲取數據形式多樣，且數據耦合度低。傳統的機器學習方法如線性回歸的對多樣的雷達數據魯棒性不高。而且探地雷達數據易受噪聲影響，病害特征往往被噪聲覆蓋，直接應用機器學習算法對雷達原始數據識別難度大。

發明內容

有鑒于此，本發明提供了一種管道雷達圖譜Mish殘差多尺度網絡識別方法，提出一套可識別排水管道病害里程數、所在深度、病害種類，并給出識別病害可信度的方法。此方法在管道雷達病害區域智能識別上具有較高精度，提升管道病害區域智能識別效率。

為了實現上述目的，本發明采用如下技術方案：

本發明涉及一種管道雷達圖譜Mish殘差多尺度網絡識別方法，包括：

S1:對Mish深度殘差多尺度網絡進行參數初始化；

S2:將訓練的管道雷達病害數據載入所述Mish深度殘差多尺度網絡，結合數據增強策略，訓練得到訓練好的Mish深度殘差多尺度網絡，提取Mish深度殘差多尺度網絡的特征提取器部分作為管道病害特征提取的一部分；

S3:將測試的管道雷達病害圖像載入訓練好的Mish深度殘差多尺度網絡，根據特征使用Mish深度殘差多尺度網絡中的金字塔網絡預測病害，并從網絡輸出端輸出預測出來的病害坐標；

S4:將預測出來的病害坐標轉換為里程數和深度信息；