-
题名基于YOLO算法的探地雷达道路图像异常自动检测
被引量：8
- 1
-
-
作者
覃紫馨
姜彦南
徐立
王娇
张世田
冯温雅
-
机构
桂林电子科技大学信息与通信学院
中国电波传播研究所
-
出处
《科学技术与工程》
北大核心
2023年第27期11505-11512,共8页
-
基金
国家自然科学基金(62261015)
广西自然科学基金(2019GXNSFFA245002)
+2 种基金
电波环境特性及模化技术重点实验室基金(202003007)
广西无线宽带通信与信号处理重点实验室基金(GXKL06200126)
桂林电子科技大学研究生教育创新计划(2021YCXB04)。
-
文摘
探地雷达(ground-penetrating radar,GPR)是一种可用于道路内部异常目标识别的无损检测方法。GPR工作时往往产生海量的扫描数据,而数据解释是技术要求高、任务繁重的工作,通常需要人工完成。此外,道路内部的复杂性和异常目标的多样性增加了图像异常检测的难度。近年来,人工智能(artificial intelligence,AI)技术的快速发展为基于AI的探地雷达B-scan图像自动解释提供了可行的技术思路,常用的深度学习算法有RCNN(region-convolutional neural network)和YOLO(you only look once)。虽然YOLOv3在目标检测方面已经有了一定的成效,但YOLOv4的改进算法可以进一步提高检测能力。结合YOLOv3算法,对比研究分析YOLOv4目标检测算法的改进对于目标检测任务的影响,以及YOLOv4算法对探地雷达图像异常目标检测效率的提升能力。结果表明,YOLOv4的改进算法更适用于探地雷达异常目标的自动检测,经过训练后的YOLOv4网络模型满足探地雷达道路内部异常目标智能化检测需求,具有较强的实用价值。
-
关键词
探地雷达
人工智能
目标检测
深度学习算法
卷积神经网络
-
Keywords
ground penetrating radar
artificial intelligence
object detection
deep learning algorithm
convolutional neural network
-
分类号
P227
[天文地球—大地测量学与测量工程]
-
