[發明專利]基于曲線知識和深度學習的地下線纜雷達圖像檢測方法

在審

• 申請號: 202210215384.3
• 申請日: 2022-03-07
• 公開（公告）號: CN114581677A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 周東國;汪濱波
• 申請（專利權）人: 無錫科若斯科技有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/764;G06V10/82;G06K9/62;G01S13/89;G06N3/04;G06N3/08
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 吳靜

1.一種基于曲線知識和深度學習的地下線纜雷達圖像檢測方法，其特征在于，包括：

S100.提取B-scan雷達圖像的邊緣，制作邊緣圖像；

S200.計算邊緣圖像各邊緣點的曲率，制作曲率圖像；

S300.制作標簽數據，將邊緣圖像、曲率圖像和標簽數據作為神經網絡的輸入輸出數據對，將所有數據按一定的概率隨機分為訓練數據和測試數據；

S400.利用訓練數據調整網絡模型中的參數，直到獲得損失函數最小意義上的最低解；

S500.將測試數據集代入訓練得到的模型中，驗證訓練得到的模型的性能，反復步驟S400到S500，直到達到一定條件停止訓練；

S600.確定測試數據集上檢測精度最高的模型參數為最終結果。

2.如權利要求1所述的一種基于曲線知識和深度學習的地下線纜雷達圖像檢測方法，其特征在于，S100中，提取B-scan雷達圖像的邊緣的方法為基于一階導的方法、基于二階導的方法，或者基于模型的方法之一。

3.如權利要求1所述的一種基于曲線知識和深度學習的地下線纜雷達圖像檢測方法，其特征在于，S100中，提取B-scan雷達圖像的邊緣采用的邊緣閾值比普通邊緣檢測算法低；圖像邊緣檢測的方法包括但不僅限于Roberts、Prewitt、Sobel算子。

4.如權利要求1所述的一種基于曲線知識和深度學習的地下線纜雷達圖像檢測方法，其特征在于，S200中，計算各邊緣點的曲率，制作曲率圖像，具體方法為：

S201：檢測邊緣圖像的邊緣點；

S202：然后將邊緣點進行細化；

S203：連接邊緣圖像中的斷點；

S204：計算各邊緣點的曲率；

S205：并令非邊緣點處的曲率為0。

5.如權利要求4所述的一種基于曲線知識和深度學習的地下線纜雷達圖像檢測方法，其特征在于，S204中，對數字圖像中的邊緣曲線，將邊緣曲線上的點從一端到另一端依次從小到大編號，第i個點坐標(x_i,y_i)，計算各邊緣點的曲率的公式為：

k＝Δx_iΔ²y_i-Δy_iΔ²x_i (1)

其中，

其中，(x_i-1,y_i-1)、(x_i,y_i)和(x_i+1,y_i+1)分別表示邊緣曲線上的點從一端到另一端依次從小到大編號，第i-1、i和i+1個點的坐標。

6.如權利要求1所述的一種基于曲線知識和深度學習的地下線纜雷達圖像檢測方法，其特征在于，S500中，直到達到一定條件停止訓練，包括：訓練次數達到給定的次數或者誤差精度達到給定的精度。