[发明专利]一种基于深度学习的地下管线检测识别方法在审
| 申请号： | 201811592445.8 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109685011A | 公开（公告）日： | 2019-04-26 |
| 发明（设计）人： | 刘振;张鹏;刘思娇;赵英海;侯杰 | 申请（专利权）人： | 北京华航无线电测量研究所 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京天达知识产权代理事务所(普通合伙) 11386 | 代理人： | 胡时冶;庞许倩 |
| 地址： | 100013 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的地下管线检测识别方法，属于地质勘探技术领域，解决了现有检测方法工作效率低及受人为因素影响较大的问题。包括：获取用于地下管线检测模型训练所需的数据集；构建地下管线检测模型，并利用上述数据集训练模型；利用训练好的地下管线检测模型对地下管线进行检测识别。本发明通过对采集的探地雷达数据特性进行分析，结合人工智能算法‑“深度学习”进行地下管线的自动检测识别，通过构建的卷积神经网络进行目标特征的自动提取，进而实现地下管线的自动识别，提高了地下管线的检测效率，可以满足对大量探测数据的快速高效处理，同时有效减少了人为因素对数据解释和判读结果的影响，提高了地下管线检测识别的置信度。 | ||
| 搜索关键词： | 地下管线检测 地下管线 人为因素 数据集 构建 检测 卷积神经网络 人工智能算法 大量探测 地质勘探 高效处理 工作效率 模型训练 目标特征 判读结果 数据解释 数据特性 探地雷达 训练模型 有效减少 自动检测 自动识别 自动提取 置信度 学习 采集 分析 | ||
【主权项】：
1.一种基于深度学习的地下管线检测识别方法，其特征在于，包括以下步骤：获取用于地下管线检测模型训练所需的数据集；构建地下管线检测模型，并利用上述获取的数据集训练所述模型；利用训练好的地下管线检测模型对地下管线进行检测识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京华航无线电测量研究所，未经北京华航无线电测量研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811592445.8/，转载请声明来源钻瓜专利网。
