面向探地雷达常见地下目标的GDS-YOLOv8n检测方法

作     者：王惠琴 杨发东 何永强 刘宾灿 刘鑫 

作者机构：兰州理工大学计算机与通信学院 西北民族大学土木工程学院 陕西建工安装集团有限公司 

出 版 物：《雷达学报》 (Journal of Radars)

年 卷 期：2024年

核心收录：

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 0835[工学-软件工程] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：甘肃省重点研发计划(23YFFA0060) 甘肃省优秀研究生“创新之星”项目 

主　　题：探地雷达 深度学习 雷达图像处理 模型部署 实时检测 

摘      要：针对当前探地雷达(GPR)图像检测中存在准确率低、误检和漏检等问题，该文提出了一种GPR常见地下目标检测模型GDS-YOLOv8n。该模型首先使用DRRB特征提取模块替换YOLOv8n模型中的部分C2f模块，旨在增强模型对多尺度特征的提取能力。其次使用SPD-Conv下采样模块替换像素为320×320及以下特征图所对应的Conv模块，有效克服分辨率受限以及存在小目标的GPR图像在下采样过程中的信息损失问题；同时利用辅助训练模块，在不增加检测阶段模型复杂度的前提下提升GPR图像的检测性能。最后，引入Inner-SIoU损失函数，在添加新约束条件的基础上，通过比例因子生成适合于当前GPR图像的辅助边界框，以提高预测框的准确性。实验结果表明，GDS-YOLOv8n模型对金属管、PVC管和电缆线等6类常见地下目标在实测GPR图像数据集上的P,R和mAP50分别为97.1%, 96.2%和96.9%，较YOLOv8n模型分别提高了4.0%, 6.1%和4.1%，尤其对PVC管和电缆线目标的检测效果提升更明显。与YOLOv5n, YOLOv7-tiny和SSD等模型相比，其mAP50分别提高了7.20%,5.70%和14.48%。此外，将GDS-YOLOv8n模型部署到NVIDIA Jetson Orin NX嵌入式设备上，并使用TensorRT进行优化。经FP16量化后，模型的检测速度由22.0FPS提高到40.6FPS，能够满足移动场景下GPR地下目标实时探测任务的需求。