[發明專利]一種探地雷達圖像人工智能識別方法及裝置

有效

• 申請號: 202111673027.3
• 申請日: 2021-12-31
• 公開（公告）號: CN114296075B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 張志祥;金光來;楊陽;蔡文龍;臧國帥
• 申請（專利權）人: 中路交科科技股份有限公司
• 主分類號: G01S13/88
• 分類號: G01S13/88;G01S13/89;G06N3/04;G06N3/08
• 代理公司: 北京錦信誠泰知識產權代理有限公司 11813
• 代理人: 王敏

1.一種探地雷達圖像人工智能識別方法，其特征在于，包括：

對已有的不同類型的病害數據進行正演模擬，獲取探地雷達模擬圖像，所述探地雷達模擬圖像無噪聲且為高分辨率；

針對任一類型的病害數據，對探地雷達發射天線的不同中心頻率進行正演模擬，獲取模擬發射天線中心頻率；

利用所述模擬發射天線中心頻率，對不同路面進行數據采集，獲取探地雷達現場試驗數據，確定手動特征；

根據所述探地雷達現場試驗數據，選取典型病害圖像并進行取芯驗證，確定探地雷達試驗圖像；

根據所述探地雷達模擬圖像和所述探地雷達試驗圖像，建立探地雷達圖譜庫；

獲取探地雷達采集到的目標實測圖像數據，并通過多層卷積神經網絡，確定自主學習特征；

根據所述手動特征、所述自主學習特征和所述探地雷達圖譜庫，確定目標病害初始類型和目標病害初始位置信息；

利用委員會判決方法，對所述目標病害初始類型和所述目標病害初始位置信息進行識別，確定目標病害最終類型和目標病害最終位置信息；

所述根據所述手動特征、所述自主學習特征和所述探地雷達圖譜庫，確定目標病害初始類型和目標病害初始位置信息，包括：

將所述手動特征和所述自主學習特征，通過預先構建的手動特征和融合多層次特征的圖像分類網絡結構，并根據所述探地雷達圖譜庫，確定目標病害初始類型和目標病害初始位置信息。

2.根據權利要求1所述的探地雷達圖像人工智能識別方法，其特征在于，所述對已有的不同類型的病害數據進行正演模擬，獲取探地雷達模擬圖像，包括：

利用基于時域有限差分法的GPRMAX，對已有的不同類型的病害數據進行正演模擬，獲取探地雷達模擬圖像。

3.根據權利要求1所述的探地雷達圖像人工智能識別方法，其特征在于，所述病害數據的類型包括路面結構內部空隙多、層間不良、層間松散和結構松散。

4.根據權利要求1所述的探地雷達圖像人工智能識別方法，其特征在于，所述根據所述探地雷達模擬圖像和所述探地雷達試驗圖像，建立探地雷達圖譜庫，包括：

根據所述探地雷達模擬圖像和所述探地雷達試驗圖像，利用數據增廣技術及遷移學習技術進行重構并拓展，建立所述探地雷達圖譜庫。

5.根據權利要求1所述的探地雷達圖像人工智能識別方法，其特征在于，所述探地雷達圖譜庫包括非病害圖像、空隙多圖像、層間不良圖像、層間松散圖像和結構松散圖像。

6.根據權利要求1所述的探地雷達圖像人工智能識別方法，其特征在于，所述獲取探地雷達采集到的目標實測圖像數據，并通過多層卷積神經網絡，確定自主學習特征，包括：

將所述目標實測圖像數據，通過多層卷積神經網絡中預先構建的多層次特征融合的RPN網絡結構，確定特征層并生成候選區域框；

對所述候選區域框進行非負極大抑制操作并匯總，確定所述自主學習特征。

7.根據權利要求1所述的探地雷達圖像人工智能識別方法，其特征在于，所述利用委員會判決方法，對所述目標病害初始類型和所述目標病害初始位置信息進行識別，確定目標病害最終類型和目標病害最終位置信息，包括：

建立委員會，所述委員會包括多個判決方法；

針對任一判決方法，對所述目標病害初始類型和所述目標病害初始位置信息進行識

別，確定識別結果；

判斷所述多個判決方法的識別結果是否一致，若是，則目標病害最終類型和目標病害最終位置信息；若否，則由多個判別方法組成的委員會進行投票表決，確定目標病害最終類

型和目標病害最終位置信息。

8.根據權利要求7所述的探地雷達圖像人工智能識別方法，其特征在于，所述多個判決方法包括Softmax判別法、Triplet判別法和K-L判別法。

9.一種探地雷達圖像人工智能識別裝置，其特征在于，所述探地雷達圖像人工智能識別裝置應用于權利要求1-8任一項所述的探地雷達圖像人工智能識別方法，所述探地雷達圖像人工智能識別裝置包括：

模擬圖像獲取模塊，用于對已有的不同類型的病害數據進行正演模擬，獲取探地雷達模擬圖像，所述探地雷達模擬圖像無噪聲且為高分辨率；

模擬頻率獲取模塊，用于針對任一類型的病害數據，對探地雷達發射天線的不同中心頻率進行正演模擬，獲取模擬發射天線中心頻率；

手動特征確定模塊，用于利用所述模擬發射天線中心頻率，對不同路面進行數據采集，獲取探地雷達現場試驗數據，確定手動特征；

試驗圖像確定模塊，用于根據所述探地雷達現場試驗數據，選取典型病害圖像并進行取芯驗證，確定探地雷達試驗圖像；

圖譜庫構建模塊，用于根據所述探地雷達模擬圖像和所述探地雷達試驗圖像，建立探地雷達圖譜庫；

自主學習特征確定模塊，用于獲取探地雷達采集到的目標實測圖像數據，并通過多層卷積神經網絡，確定自主學習特征；

目標病害初始信息確定模塊，用于根據所述手動特征、所述自主學習特征和所述探地雷達圖譜庫，確定目標病害初始類型和目標病害初始位置信息；

目標病害最終信息確定模塊，用于利用委員會判決方法，對所述目標病害初始類型和所述目標病害初始位置信息進行識別，確定目標病害最終類型和目標病害最終位置信息。