[发明专利]一种基于探地雷达的地下工程目标体智能识别方法及系统

说明书

本发明公开了一种基于探地雷达的地下工程目标体智能识别方法及系统，所述方法包括：获取计算机模拟数据集，所述数据集包括多组探地雷达数据剖面图‑目标体标签图数据对；采用深度学习网络，基于所述数据集训练得到目标体识别模型；获取实时采集到的雷达检测数据，采用所述目标体识别模型进行目标体识别。本发明能够实现针对探地雷达数据的目标体实时识别和输出。

技术领域

本发明涉及地质探测技术及人工智能技术领域，尤其涉及一种基于探地雷达的地下工程目标体智能识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前对地下结构的检测主要是对探地雷达采集的数据进行分析，通过雷达波的反射发现异常，使用人工专家解释探地雷达检测数据中存在的异常属于什么物体或者与探地雷达检测数据的数据库进行匹配来判断，需要消耗大量的人力物力，使得检测的效率极其低下。

尽管已有将深度学习方法应用于探地雷达检测数据的识别，但主要集中在特定的研究领域，而且，识别的结果都是是否存在异常，不能准确给出异常所在位置。而且模型建立之前，还需要提前收集大量涵盖不同异常类型的探地雷达检测数据，但异常类型涵盖范围非常大，数据收集工作繁琐，构建的模型往往广泛性差。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于探地雷达的地下工程目标体智能识别方法及系统，能够针对探地雷达检测数据，对异常体、病害等目标体进行快速有效的识别。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于探地雷达的地下工程目标体智能识别方法，包括如下步骤：

获取计算机模拟数据集，所述数据集包括多组探地雷达数据剖面图-目标体标签图数据对；

采用深度学习网络，基于所述数据集训练得到目标体识别模型；

获取实时采集到的雷达检测数据，采用所述目标体识别模型进行目标体识别。

进一步地，构建计算机模拟数据集包括：

针对多种、背景介质、形状、尺寸及分布的地下工程目标体的介电常数模型进行模拟；

对于每一介电常数模型进行正演，分别生成不同频率的雷达数据剖面图，得到多组探地雷达数据剖面图-目标体介电常数模型数据对；

对于每一组探地雷达数据剖面图-目标体介电常数模型数据对中的目标体介电常数模型进行轮廓识别，将轮廓范围以内的像素值赋值为相应的类型标识码，得到多组探地雷达数据剖面图-目标体标签图数据对。

进一步地，所述深度学习网络模型架构包括：用于对雷达检测数据剖面图进行特征提取的时间维度压缩网络结构、用于对每个特征通道进行编码的自编码网络结构，和用于对每个特征通道进行解码的标签图解码网络结构。

进一步地，所述时间维度压缩网络结构包括6层依次级联的卷积结构，其中，第2层卷积结构的输出端还连接残差块的输入端，残差块的输出端连接至第3层卷积结构的输入端。

进一步地，所述自编码网络结构包括4层全连接层。

进一步地，所述标签图解码网络结构包括6层依次级联的卷积结构，其中，第2层卷积结构的输出端还连接残差块的输入端，残差块的输出端连接至第3层卷积结构的输入端。

进一步地，还获取多组真实的探地雷达数据剖面图-目标体标签图数据对，对得到的目标体识别模型进行调参。

一个或多个实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述一种基于探地雷达的地下工程目标体智能识别方法。