[发明专利]基于探地雷达和深度学习的地下管线探测方法和系统

说明书

本发明公开了一种基于探地雷达和深度学习的地下管线探测方法、系统、装置及介质，方法包括：通过探地雷达获取已知地下管线的样本数据，并根据所述样本数据建立图像数据库；根据所述图像数据库训练得到YOLOv3模型，所述YOLOv3模型用于识别地下管线的双曲线数据；通过所述YOLOv3模型检测实测雷达图像中的地下管线目标；通过所述的RTK测量仪，对管道位置进行精准定位。本发明基于探地雷达和YOLOv3模型，能精准识别探地雷达图像中的管线双曲线目标，提高了探测效率且节约了时间成本，可广泛应用于工程无损检测领域。

技术领域

本发明涉及工程无损检测领域，尤其是一种基于探地雷达和深度学习的地下管线探测方法和系统。

背景技术

地下管网是现代化城市运行与发展中必不可少的重要部分，作为重要的基础设施，地下管网不仅为城市中居民提供重要的生活物资，更承担着为城市的生产与发展提供基础资源和能量的责任。在城市建设或施工过程中，由于缺乏施工区域地下管线的准确管线图，且没有快速、精准的管线探测手段，所以可能无法获得准确的地下管线分布情况，导致施工过程中无法有效避开管线而造成管线破坏，影响城市居民的正常生活与城市的健康运作，甚至可能造成一系列的安全事故。

探地雷达(Ground Penetrating Radar,GPR)是通过发射和接收超宽带高频脉冲电磁波来探测介质内部结构和分布规律的一种无损探测方法，具有探测效率高、操作方便和探测精度高等优点，在工程领域应用广泛，并且逐步成为了地下管线探测的主要手段。然而，在地下管线探测过程中，由于数据采集速度快，探测过程中会产生大量的数据。通过人工解译数据耗时费力，并且严重依赖于从业人员的专业知识水平与工程经验。在实际探测应用中，地下管线目标在探地雷达数据中以双曲线的形态表示，具有明显的特征，与背景介质有明显的区分度。如何利用这一成像特征是本领域技术人员亟待解决的技术问题。

实时动态载波相位差分技术(Real-time kinematic，RTK)，是实时地处理两个测量站载波相位观测量的差分方法，通过求差解算坐标。RTK测量仪能够实时获得厘米级的定位精度，有助于通过结合探地雷达和智能识别，精确定位地下管线。

发明内容

有鉴于此，本发明实施例提供一种准确性高且高效的基于探地雷达和深度学习的地下管线探测方法和系统。

本发明的第一方面提供了一种基于探地雷达和深度学习的地下管线探测方法，包括：

通过探地雷达获取已知地下管线的样本数据，并根据所述样本数据建立图像数据库；

根据所述图像数据库训练得到YOLOv3模型，所述YOLOv3模型用于识别地下管线的双曲线数据；

通过所述YOLOv3模型检测实测雷达图像中的地下管线目标；

通过结合RTK设备和探地雷达，定位地下管线的位置。

在一些实施例中，所述通过探地雷达获取已知地下管线的样本数据，并根据所述样本数据建立图像数据库，包括：

通过探地雷达获取已知地下管线的扫描数据；

将所述扫描数据转换为灰度图像数据；

从所述灰度图像数据中筛选目标图像数据，所述目标图像数据包含管线双曲线；

对所述目标图像数据进行数据增强；

对所述数据增强后得到的所有图像进行裁剪，得到样本数据；

根据所述样本数据构建图像数据库。

在一些实施例中，所述根据所述样本数据构建图像数据库，包括：

通过矩形真实框将所述样本数据中的双曲线目标进行标注，得到所述矩形真实框的坐标信息；