[發(fā)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?zhí)枺?/td>: 202111673027.3
• 申請日: 2021-12-31
• 公開（公告）號: CN114296075B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計）人: 張志祥;金光來;楊陽;蔡文龍;臧國帥
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限公司 11813
• 代理人: 王敏

本申請涉及路面探地雷達圖像識別技術(shù)領(lǐng)域，公開了一種探地雷達圖像人工智能識別方法及裝置。在該方法中，首先通過正演模擬，獲得無噪聲的高分辨率探地雷達模擬圖像。然后獲取探地雷達現(xiàn)場試驗數(shù)據(jù)，并確定手動特征。根據(jù)探地雷達模擬圖像和實測已驗證的探地雷達試驗圖像，構(gòu)建探地雷達圖譜庫。利用多層卷積神經(jīng)網(wǎng)絡(luò)對目標實測圖像數(shù)據(jù)進行處理確定自主學(xué)習(xí)特征。最后根據(jù)手動特征、自主學(xué)習(xí)特征和探地雷達圖譜庫，并利用委員會判決方法，確定目標病害最終類型和目標病害最終位置信息。本申請通過構(gòu)建探地雷達圖譜庫，融合了手動特征和自主學(xué)習(xí)特征，并結(jié)合委員會判決方法，可以有效提高提高路面結(jié)構(gòu)內(nèi)部病害識別精度與效率。

技術(shù)領(lǐng)域

本申請涉及路面探地雷達圖像識別技術(shù)領(lǐng)域，尤其涉及一種探地雷達圖像人工智能識別方法及裝置。

背景技術(shù)

探地雷達是近些年發(fā)展起來的一種探測地下目標的有效手段，利用天線發(fā)射和接收高頻電磁波來探測介質(zhì)內(nèi)部物質(zhì)特性和分布規(guī)律，是一種無損探測技術(shù)，與其他常規(guī)的地下探測方法相比，具有探測速度快、探測過程連續(xù)、分辨率高、操作方便靈活、探測費用低等優(yōu)點，在工程勘察領(lǐng)域的應(yīng)用日益廣泛。目前探地雷達數(shù)據(jù)分析工作主要依靠人工檢測進行識別，識別結(jié)果很大程度上依賴檢測人員的經(jīng)驗，存在主觀性強、解釋周期長等缺點，同時存在誤判漏檢的情況。因此，開發(fā)高效、自動、準確的探地雷達信號分析算法是亟待解決的一個問題。

傳統(tǒng)的基于手工特征和分類器識別的算法有麥克斯韋方程的TM模型反演、S變換、基于壓縮感知的成像算法、支持向量機、基于可拓評價的病害識別等。其中麥克斯韋方程的TM模型反演能夠減少各類非均勻介質(zhì)產(chǎn)生的雜波、精確的描述實際介質(zhì)的隨機非均勻分布；S變換是短時間的變量窗口傅里葉變換和小波變換的擴展算法，在高頻段具有高的頻率分辨率，在低頻段具有高的時間分辨率的優(yōu)點，能夠提高信號分辨率，但其復(fù)雜程度較高；壓縮感知成像算法可以利用較少的隨機采樣信號實現(xiàn)探地雷達的信號重現(xiàn)，但其無法對病害進行分類；支持向量機是一種基于有監(jiān)督學(xué)習(xí)的二分類模型算法，該算法的基本工作原理是尋找一個使兩種樣本在該超平面下邊緣距離最大的最優(yōu)分類超平面，邊緣距離越大兩類樣本就分的越開，分類的結(jié)果越好，該算法需人工提取病害特征，識別結(jié)果受提取的特征影響；道路病害可拓評價的理論依據(jù)是可拓論，即以物元為基本單元，這些基本單元可以用于提取病害的特征類別和特征值，在此基礎(chǔ)上進行病害的水平分級，以探地雷達采集數(shù)據(jù)結(jié)果為基準，運用可拓評價進行層間脫空等級分類，確定各向指標的節(jié)域、各脫空狀態(tài)下經(jīng)典域及權(quán)系數(shù)以獲得較高的脫空識別率和較低的誤判率。

隨著機器學(xué)習(xí)的不斷發(fā)展，近年來深度學(xué)習(xí)在圖像識別領(lǐng)域取得了巨大的成果，其中卷積神經(jīng)網(wǎng)絡(luò)及其變形形式的成果最為顯著。基于深度學(xué)習(xí)的識別技術(shù)已經(jīng)開始被用于路面結(jié)構(gòu)內(nèi)部病害，但目前來說人工設(shè)計特征和分類器，包括人工神經(jīng)網(wǎng)絡(luò)、支持向量機等仍存在諸多缺點：公路路面結(jié)構(gòu)內(nèi)部病害形態(tài)多樣、尺寸多變、人工特征的表示能力有限，難以適應(yīng)復(fù)雜多變的病害環(huán)境，識別精度難以滿足實際應(yīng)用需求。

而目前已有的基于卷積神經(jīng)網(wǎng)絡(luò)的自動化識別方法存在同類路面結(jié)構(gòu)內(nèi)部病害形態(tài)特征多變，采用單一特征來表征病害很難具有普適性和通用性等缺點。

發(fā)明內(nèi)容

本申請公開了一種探地雷達圖像人工智能識別方法及裝置，用于解決目前已有的基于卷積神經(jīng)網(wǎng)絡(luò)的自動化識別方法存在同類路面結(jié)構(gòu)內(nèi)部病害形態(tài)特征多變，采用單一特征來表征病害很難具有普適性和通用性等缺點的技術(shù)問題。

本申請第一方面公開了一種探地雷達圖像人工智能識別方法，包括：

對已有的不同類型的病害數(shù)據(jù)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(shù)據(jù)，對探地雷達發(fā)射天線的不同中心頻率進行正演模擬，獲取模擬發(fā)射天線中心頻率；

利用所述模擬發(fā)射天線中心頻率，對不同路面進行數(shù)據(jù)采集，獲取探地雷達現(xiàn)場試驗數(shù)據(jù)，確定手動特征；