探地雷达(Ground Penetrating Radar, GPR)作为一种非破坏性的电磁探测技术,已广泛应用于市政工程、交通、军事等领域的探测.复杂的地下环境中,电磁波传播规律变得复杂,背景介质的介电常数难以准确获得.后向投影(Back Projection,BP)成...探地雷达(Ground Penetrating Radar, GPR)作为一种非破坏性的电磁探测技术,已广泛应用于市政工程、交通、军事等领域的探测.复杂的地下环境中,电磁波传播规律变得复杂,背景介质的介电常数难以准确获得.后向投影(Back Projection,BP)成像算法需要预知背景介质的相对介电常数,且需逐个计算各成像网格的散射强度值,计算效率低.本文提出一种基于深度学习的探地雷达自聚焦后向投影(Deep learning based Auto focusing BP,DABP)成像方法,设计了目标感兴趣区域(Region Of Interest,ROI)的检测模块,基于地下目标的空间稀疏特征,将YOLOX网络和BP成像机理相结合,快速检测出目标潜在区域,仅对该区域中的成像网格进行成像处理,避免全域的后向投影计算,大幅降低运算量.其次,针对介电常数未知情况下BP成像难以聚焦的问题,设计了一个自聚焦后向投影(Auto Focusing BP,AF-BP)成像模块,构建了BS-YOLOv5网络和相应的数据集,实现基于改进二分法的地下介质介电常数估计和自聚焦成像.然后,设计了一个基于双阈值和积分聚焦的伪影抑制(artifact suppression based on Double Threshold and Integral Focusing,DTIF)模块,进一步提高成像结果的聚焦度.开展了仿真和实测数据的成像处理和对比分析,与BP成像方法相比,仿真数据成像结果的ISLR指标下降了250%、SCR指标提升了131%;实测数据成像结果的ISLR指标下降了322%、SCR指标提升了72%,仿真实验和实测实验的成像速度均提升了300%,验证了所提方法在提高GPR成像效率和成像质量方面的有效性.展开更多
隧道衬砌内部空洞等病害检测已经成为隧道检修人员的主要工作之一。本文提出一种将探地雷达与深度学习相结合的隧道衬砌空洞检测方法,通过雷达探测和仿真模拟,得到大量衬砌雷达图像,并对图像进行标注和制作数据集。基于YOLOv5(You Only ...隧道衬砌内部空洞等病害检测已经成为隧道检修人员的主要工作之一。本文提出一种将探地雷达与深度学习相结合的隧道衬砌空洞检测方法,通过雷达探测和仿真模拟,得到大量衬砌雷达图像,并对图像进行标注和制作数据集。基于YOLOv5(You Only Look Once version 5)目标检测模型,结合数据集目标特征,提出一种检测衬砌空洞的算法,引入特征融合模块提高网络感受野,并采用K-means聚类算法提高检测准确率。通过现场检测,本文的检测方法准确率达到了97.7%,准确可靠,可在工程中进行应用。展开更多
文摘探地雷达(Ground Penetrating Radar, GPR)作为一种非破坏性的电磁探测技术,已广泛应用于市政工程、交通、军事等领域的探测.复杂的地下环境中,电磁波传播规律变得复杂,背景介质的介电常数难以准确获得.后向投影(Back Projection,BP)成像算法需要预知背景介质的相对介电常数,且需逐个计算各成像网格的散射强度值,计算效率低.本文提出一种基于深度学习的探地雷达自聚焦后向投影(Deep learning based Auto focusing BP,DABP)成像方法,设计了目标感兴趣区域(Region Of Interest,ROI)的检测模块,基于地下目标的空间稀疏特征,将YOLOX网络和BP成像机理相结合,快速检测出目标潜在区域,仅对该区域中的成像网格进行成像处理,避免全域的后向投影计算,大幅降低运算量.其次,针对介电常数未知情况下BP成像难以聚焦的问题,设计了一个自聚焦后向投影(Auto Focusing BP,AF-BP)成像模块,构建了BS-YOLOv5网络和相应的数据集,实现基于改进二分法的地下介质介电常数估计和自聚焦成像.然后,设计了一个基于双阈值和积分聚焦的伪影抑制(artifact suppression based on Double Threshold and Integral Focusing,DTIF)模块,进一步提高成像结果的聚焦度.开展了仿真和实测数据的成像处理和对比分析,与BP成像方法相比,仿真数据成像结果的ISLR指标下降了250%、SCR指标提升了131%;实测数据成像结果的ISLR指标下降了322%、SCR指标提升了72%,仿真实验和实测实验的成像速度均提升了300%,验证了所提方法在提高GPR成像效率和成像质量方面的有效性.
文摘隧道衬砌内部空洞等病害检测已经成为隧道检修人员的主要工作之一。本文提出一种将探地雷达与深度学习相结合的隧道衬砌空洞检测方法,通过雷达探测和仿真模拟,得到大量衬砌雷达图像,并对图像进行标注和制作数据集。基于YOLOv5(You Only Look Once version 5)目标检测模型,结合数据集目标特征,提出一种检测衬砌空洞的算法,引入特征融合模块提高网络感受野,并采用K-means聚类算法提高检测准确率。通过现场检测,本文的检测方法准确率达到了97.7%,准确可靠,可在工程中进行应用。
