CN115761736B 基于多维探地雷达图像的地下空洞智能检测方法与系统 （长安大学）

基于多维探地雷达图像的地下空洞智能检本发明公开了一种基于多维探地雷达图像不同的深度学习网络对B_scan和C_scan图像分在结合B_scan探地雷达图像和C_scan探地雷达2步骤4，通过B_scan空洞目标识别模型检测B_scan异常特征2.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在3.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在4.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在5.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在6.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在7.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在38.根据权利要求1所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在9.根据权利要求8所述的基于多维探地雷达图像的地下空洞智能检测方法，其特征在数据获取单元，用于从B_scan图像中选择具有病害特征的B_scan图像模型建立单元，用于基于B_scan异常特征数据集中的训练集，构建B_s训练单元，用于通过B_scan空洞目标识别模型检测B_scan异常特征数据集中的验证检测单元，用于对B病害中心桩号和C病害区域重心桩号进行匹配，若匹4[0002]随着运营年限的增加，庞大规模的交通基础设施对养护与维修带来了巨大的挑算法训练得到的模型可以实现地下病害的自动识别。常用的目标识别算法有YOLOv1～v5、学习模型的误判；[0007]3.当前基于计算机视觉技术的探地雷达图像异常特征识别往往只单独使用目标5[0012]步骤2，从B_scan图像中选择具有病害特征的B_scan图像构成B_scan异常特征数[0015]步骤5，对B病害中心桩号和C病害区域重心桩号进行匹配，若匹配则判定存在病6的所有病害标注为空洞；将B_scan异常特征数据集和C_scan异常特征数据集分为训练集、7便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限8用MATLAB求解二值图中的最大连通区域并求解其最小外接矩形尺寸与最小外接矩形宽长区域的重心作为求解点，使用Python中的OpenCV库自动计算二值图像中病害区域的重心，根据图像对应实际桩号求解重心的实际桩号。求解完病害区域的各项信息，输出C病害类[0059]步骤S501，本步骤借助Excel的宏功能剔除同一病害在不同通道产生的双曲线特号相同或前后相差不超过0.2m)。遍历C病害区域重心桩号列，倘若B_scan疑似病害与C_害区域重心桩号列发现存在与B_scan疑似病害互认的C_scan疑似病害，则判定存在病害，隔一定距离导出一张图像，所以初次判定后1处B_scan疑似病害对应多个不同深度的C_9N2是剖面背景噪声的终止道数。[0076](t)=p(t)y(t)[0081]步骤S203，在所有导出的B_scan数据里挑选包含双曲线异常特征的图像构成B_包含双曲线异常特征的矩形框标定病害，并统一将病害分类为空洞，如图3。保存格式为颜色区域的多边形框标定病害，并统一将病害分类为空洞，如图4。每次标注完生成一个UNet网络与C_scan异常特征数据集训练一个病征图分成两个分支分别进行特征学习，一个分支直接进行1×1的卷积使特征图通道数减的特征，最后将两个分支的特征图拼接，得到与前层相同通道数的特征图。整个过程中Bottleneck的存在大大减少了参数量和计算量。骨架中的SPPF模块使用3个卷积核尺寸分框与真实框的损失值。YOLOv5s算法在每一轮训练过后采用BP反向传播算法计算损失值并[0091](5)训练过程选择YOLOv5s.pt文件作为初始权前两部分延续CIOU中的方法，但是宽高损失直接使目标盒与锚盒的宽度和高度之差最小，不一样，U_Net是通过将收缩路径的特征图裁剪到和膨胀路径相同尺寸的特征图进行归一[0103](7)模型权重自动调整：基于输出的分割图与标注图进行损失计算，U_Net使用[0106]U_Net算法在每一轮训练过后计算Dice损失值并反向传播调整权重数值，直至损据，使用病害分割模型分割C_scan图像上的[0113](3)以栈的大小是否为0作为结束条件，寻找栈顶元素相[0118](1)遍历保存有全部二值图像的文件夹，使用Python中的OpenCV库自动计算二值[0119](2)计算病害区域重心在全局的相对位置，并根据已有的实际桩号信息确定重心功能或复杂功能的VBA代码的集合，可以通过其编写想要实现的代码实现一键实现一组命[0123](1)将表格信息按照桩号由小至大排序，相同桩号或相近桩号的疑似病害信息会[0124](2)根据病害中心点桩号列与通道编号列对排序好的信息进行筛选，对于多个相号相同或前后相差不超过0.2m)。遍历C病害区域重心桩号列，倘若B_scan疑似病害与C_害区域重心桩号列发现存在与B_scan疑似病害互认的C_scan疑似病害，则判定存在病害，[0129]由于C_scan图像导出时同一位置导出多张图片，所以初次判定后1处B_scan疑似列计算分布范围内的C_scan疑似病害的最小外接矩形的平均宽长比值来代表一处C_scan