[發明專利]隧道襯砌檢測模型的抗干擾訓練方法及隧道襯砌檢測方法

在審

• 申請號: 202210536807.1
• 申請日: 2022-05-18
• 公開（公告）號: CN114638829A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 宋恒;賈波;趙晶麗;耿天寶;王擴;王東杰;劉道學;張大偉;余振;田炳坤
• 申請（專利權）人: 安徽數智建造研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 趙靜

1.一種隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，所述訓練方法包括：

使用訓練影像集對隧道襯砌檢測模型進行多次周期性的訓練，其中，針對每次訓練周期，執行以下操作：

獲取訓練影像集，其中，所述訓練影像集包括襯砌雷達影像；

將所述訓練影像集中的襯砌雷達影像輸入至隧道襯砌檢測模型，得到第一特征圖和預測的第一位置信息，并向所述第一特征圖加入擾動生成擾動特征圖，以及利用所述隧道襯砌檢測模型基于所述擾動特征圖，得到預測的第二位置信息；

基于所述第一位置信息得到第一損失函數，基于所述第二位置信息得到第二損失函數，并根據所述第一損失函數和所述第二損失函數得到第三損失函數；

根據所述第三損失函數，調整所述隧道襯砌檢測模型的參數。

2.根據權利要求1所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，將所述訓練影像集中的襯砌雷達影像輸入至隧道襯砌檢測模型，得到第一特征圖和預測的第一位置信息，包括：

將所述襯砌雷達影像輸入至神經網絡模塊中特征提取單元，得到第一特征圖；

利用所述神經網絡模塊中的第一位置提取單元對所述第一特征圖進行位置檢測，得到所述第一位置信息。

3.根據權利要求2所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，向所述第一特征圖加入擾動生成擾動特征圖，以及利用所述隧道襯砌檢測模型基于所述擾動特征圖，得到預測的第二位置信息，包括：

利用預設的抗干擾模塊基于所述第一特征圖，得到噪聲特征圖；

根據所述第一特征圖和所述噪聲特征圖，得到所述擾動特征圖；

利用所述神經網絡模塊中的第二位置提取單元對所述擾動特征圖進行位置檢測，得到所述第二位置信息。

4.根據權利要求3所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，所述抗干擾模塊采用的噪聲為高斯噪聲，椒鹽噪聲、乘性噪聲中的任一者。

5.根據權利要求4所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，當所述抗干擾模塊采用高斯噪聲時，利用預設的抗干擾模塊基于所述第一特征圖，得到噪聲特征圖，包括：

獲取多個所述第一特征圖的尺寸內，獨立且服從均勻分布的隨機數，生成服從高斯分布的高斯隨機數，并計算多個所述高斯隨機數的平均值和方差；

隨機獲取所述第一特征圖的尺寸內m個數，并計算m個數的平均值，其中，i為正整數，0＜i≤m；

根據預設的噪聲特征圖表達式，得到所述噪聲特征圖。

6.根據權利要求5所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，所述預設的噪聲特征圖的表達式為：

其中，表示所述噪聲特征圖，表示多個所述高斯隨機數的平均值，表示多個所述高斯隨機數的標準差，表示m個數的平均值。

7.根據權利要求3所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，所述第一特征圖和所述噪聲特征圖的大小和通道數相同，其中，根據所述第一特征圖和所述噪聲特征圖，得到所述擾動特征圖，包括：

將所述第一特征圖和所述噪聲特征圖進行相加，得到所述擾動特征圖。

8.根據權利要求1所述的隧道襯砌檢測模型的抗干擾訓練方法，其特征在于，所述第三損失函數的表達式為：

其中，表示所述第三損失函數，表示所述第一損失函數，表示所述第二損失函數，表示權重平衡因子。

9.一種隧道襯砌檢測方法，其特征在于，所述檢測方法包括：

獲取待識別襯砌雷達影像；

將所述待識別襯砌雷達影像輸入至訓練好的隧道襯砌檢測模型，得到所述待識別襯砌雷達影像中的檢測目標的位置信息，其中，所述訓練好的隧道襯砌檢測模型利用如權利要求1-8中任一項所述的隧道襯砌檢測模型的抗干擾訓練方法得到。