[发明专利]一种基于卷积神经网络的探地雷达路基病害目标检测方法

权利要求书

1.一种基于卷积神经网络的探地雷达路基病害目标检测方法，其特征在于，按照以下步骤执行：

步骤一：获取探地雷达原始图像数据

利用探地雷达系统对实际路基进行探测采集探地雷达B-Scan实际图像数据，以及采用基于FDTD的gprMax软件对路基中常见的3种病害类型进行正演模拟生成探地雷达B-Scan仿真图像；

步骤二：探地雷达数据预处理

对采集的探地雷达图像数据采用归一化、去零偏、均值滤波法去直达波和自动增益处理，对仿真探地雷达图像数据采用均值滤波法去除直达波和自动增益放大信号处理，分别得到相应预处理后的二维图像数据，再将预处理后的图像及步骤一中原始图像数据缩放至统一的像素大小；

步骤三：标记探地雷达图像中目标

采用labelImg软件标记仿真和采集的探地雷达图像中目标，将目标类别、坐标信息存储在.xml文件中；

步骤四：构建PASCALVOC数据集

将.jpg格式的探地雷达图像数据与.xml格式的标记信息整理构建PASCALVOC数据集，并按照一定比例划分为训练集、验证集和测试集；

步骤五：动态设置锚框参数

计算训练集中标记的目标边界框在不同纵横比下对应的数量，选择大于设定阈值的纵横比及其倒数作为网络训练中预设锚框纵横比参数的初始值；

步骤六：获取卷积神经网络模型

采用搭建的CascadeR-CNN模型对训练集数据进行训练，得到拟合数据的网络模型，并用步骤四中生成的验证集数据对网络超参数进行微调得到最终的卷积神经网络模型；

步骤七：评价卷积神经网络模型性能

采用步骤四中生成的测试集评价模型性能，召回率和平均精度作为评价指标；

步骤八：检测探地雷达路基病害目标

将探地雷达数据B-Scan数据以.jpg格式输入训练好的CascadeR-CNN模型中进行检测，输出存在目标的类别、置信度及检测框坐标。

2.根据权利要求1所述的一种基于卷积神经网络的探地雷达路基病害目标检测方法，其特征在于，步骤一中获取探地雷达原始图像数据具体过程如下：

(1)获取探地雷达采集图像数据

采用探地雷达系统对不同地方的实际路基进行探测，采集探地雷达图像，以B-Scan形式成像；

(2)获取探地雷达仿真图像数据

采用基于FDTD的gprMax软件对路基中3种常见病害类型进行正演模拟生成探地雷达B-Scan仿真图像，gprMax软件分别构建道路模型和3种病害目标模型，仿真模型主体宽度为10m、高度为3m，模型由面层、基层和底基层三层结构构成，厚度分别设置为20cm、30cm和2.5m，相对介电常数分别为4、9和12，电导率分别为0.05、0.05和0.1，3种病害包括空洞、脱空和断层，将其放置于底基层中的不同位置；

调整不同类型病害目标的大小、形状和埋藏深度，目标数据每10个数据为一组，每组中目标所处位置不同，组间目标大小不同，并且设置发射天线的中心频率分别为300MHz、900MHz和2GHz，仿真出探地雷达路基病害目标数据图像，以B-Scan形式成像显示。