检索结果-南通市图书馆

检索条件"主题词=GPR数据处理"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于gpr回波数据的目标识别与分类研究

基于GPR回波数据的目标识别与分类研究

引用

作者：杨呈哲延安大学

学位级别：硕士

探地雷达(Ground Penetrating Radar,gpr)是一种高频电磁波勘探技术,它利用电磁脉冲的反射波来探测地下目标的分布状况和特征,因其直观且高效的探测结果,被广泛应用于地下资源勘探和地下目标探测等领域。在实际应用中,通过gpr获取的数... 详细信息

探地雷达(Ground Penetrating Radar,gpr)是一种高频电磁波勘探技术,它利用电磁脉冲的反射波来探测地下目标的分布状况和特征,因其直观且高效的探测结果,被广泛应用于地下资源勘探和地下目标探测等领域。在实际应用中,通过gpr获取的数据需要相关专业人士进行解译,而人工解译存在工作量大、依赖解译人员专业能力等问题,使得地下目标的识别效果不尽如人意;其次,由于地下环境复杂多样、介质分布不均,目标回波数据往往会受到直达波和噪声等因素的干扰,这进一步增加了对数据解译的难度与成本,也成为地下目标识别中的重要影响因素。另一方面,目前gpr目标识别研究大多是基于仿真数据进行的,一般将地下介质建模为分层均匀介质,这与实际情况存在较大差异,会直接影响目标识别效果。因此,本文针对现有研究中存在的问题开展了以下研究:(1)探地雷达回波数据获取与处理。首先分析了土壤中不同颗粒成分的比例和土壤含水率,并引入Peplinski半经验土壤模型构建出探测环境的拟真土壤模型。然后,利用gpr Max仿真软件与Python脚本文件相结合的方式,批量生成探地雷达回波数据,并使用数据增强技术扩充数据。接着,采用平均抵消法和自适应阈值kuwahara滤波算法对gpr回波数据中存在的直达波及噪声进行处理。最后,建立gpr回波数据集。(2)基于区域提取和回归网络模型的地下目标识别与分类。首先讨论了基于区域提取和回归的卷积神经网络模型的目标识别方法,分析了它们的网络结构和训练原理。然后,在COCO数据集上进行训练与优化调整,并将已训练网络模型用于gpr回波数据集的识别与分类上。实验结果表明,卷积神经网络在地下目标的识别与分类上表现较好。(3)基于Center Net2网络模型的地下目标识别与分类。首先介绍了一种基于关键点检测的Center Net2目标分类识别网络模型,并采用迁移学习的方法,在预训练的网络模型上调整参数。然后,利用经过调优的神经网络,在测试集上进行测试,从而实现对地下目标的识别与分类。实验结果证明,采用Center Net2网络模型的目标分类识别方法不仅显著提升了识别准确率,而且在运行速度上也表现出色,可以快速、准确地对地下目标进行识别与分类。

关键词：目标识别与分类探地雷达卷积神经网络 gpr数据处理 Peplinski半经验模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CNN的探地雷达数据反演与道路病害自动识别

基于CNN的探地雷达数据反演与道路病害自动识别

引用

作者：赵勇吉林大学

学位级别：硕士

探地雷达凭借高效准确、非破坏性探测的优势使它被广泛应用于工程与环境方面的检测,例如,道路的结构与质量检测、环境污染物调查。传统的探地雷达数据速度反演是一种非线性、病态的优化问题,解决这种病态反演问题的方法通常是通过迭代... 详细信息

探地雷达凭借高效准确、非破坏性探测的优势使它被广泛应用于工程与环境方面的检测,例如,道路的结构与质量检测、环境污染物调查。传统的探地雷达数据速度反演是一种非线性、病态的优化问题,解决这种病态反演问题的方法通常是通过迭代算法不断优化反演模型的正演数据与真实数据之间的目标函数,并且往往需要多偏移距数据。因而存在两个主要问题:一是反演的效率和精度偏低,二是依赖于正演算法的准确性。本文研究了一种基于端到端自编码卷积神经网络（CNN）结构对共偏移距探地雷达数据速度反演的方法,这种基于深度学习的探地雷达反演方法不需要通过正演计算,而是将非线性病态优化问题转化成探地雷达数据空间到地下介质物理模型空间的映射问题。首先,通过正演模拟了足够数量带有标记的探地雷达数据;然后,训练神经网络模型学习包含了振幅、波形、双程走时等信息的探地雷达数据与地下介质的物性数据之间的内在映射关系。利用训练好的神经网络模型反演测试了不同介质模型模拟的探地雷达数据,具体包括均匀水平层状介质、起伏界面层状介质和利用小尺度非均匀性椭球式自相关函数建立的起伏界面随机等效介质,结果证明了方法的可行性。最后,分别对两个实测的探地雷达数据进行反演预测,一个是道路检测的探地雷达数据,反演出了道路的结构及速度信息;另一个是环境污染物调查的探地雷达数据,通过反演结果可以圈定污染物的范围和边界。经过研究发现,在基于卷积神经网络的共偏移距探地雷达数据速度反演方法中,训练完成的神经网络模型能够快速对探地雷达数据进行反演,并以此推断地下介质速度结构和各层内部的物性参数等信息。近年来,我国公路里程数快速增长,探地雷达作为无损探测的重要手段在道路检测领域得到了广泛应用,针对海量探测数据,道路病害的识别低效、费时。因此,本文采用基于Center Net对道路病害探地雷达图像自动识别。首先,构建了三种常见道路病害类型的模型,并使用正演模拟获得病害探地雷达图像。为了防止过拟合,增强模型的泛化能力,使用数据增强的方法扩充了数据集。然后,引入了迁移学习的策略,用模拟的探地雷达图像组成的数据集在预训练的神经网络上训练微调。最后,将训练好的目标检测网络模型分别对测试集和实测道路探地雷达的图像进行自动检测识别。结果表明该方法能够在样本数据集较少的情况下,取得较好的检测识别效果,证明了方法的有效性,可以从道路探地雷达探测图像中快速普查病害。

关键词：探地雷达卷积神经网络 gpr数据处理反演目标识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的公路路面内部病害探地雷达图像自动识别方法研究

基于深度学习的公路路面内部病害探地雷达图像自动识别方法研究

引用

作者：夏孺华桂林电子科技大学

学位级别：硕士

公路作为最基础、最广泛的交通基础设施,是衔接其他运输方式和发挥综合交通网络整体效率的主要支撑,在交通运输体系中具有不可替代的作用。由于人为或自然因素的影响,公路路面内部常常出现脱空、空洞、松散和裂缝等多种病害,严重影响公... 详细信息

公路作为最基础、最广泛的交通基础设施,是衔接其他运输方式和发挥综合交通网络整体效率的主要支撑,在交通运输体系中具有不可替代的作用。由于人为或自然因素的影响,公路路面内部常常出现脱空、空洞、松散和裂缝等多种病害,严重影响公路的运行安全和使用寿命。探地雷达作为成熟先进的无损检测方式,结合深度学习技术,能够实现公路路面内部病害快速、无损和智能的检测,有效提高道路检测养护的效率和精度,确保公路长期安全通行,对于确保交通畅通、保证驾驶安全以及提升交通运输效率具有关键的现实意义和工程价值。探地雷达(Ground Penetrating Radar,gpr)作为一种无损、高效、便捷的检测技术,在进行公路路面内部病害检测时已经广泛采用这种方法。然而,由于公路路面内部病害种类繁多,需要探测的数据量庞大,探测环境也十分复杂等原因,探地雷达检测技术在公路检测领域难以进一步的推广应用。目前存在的主要问题是:人工进行识别效率低下且误差较大,而传统的机器学习方法需要依靠人工设计特征和个人经验,难以实现自动识别病害的目的。地下存在着许多管线和构筑物,但对于这些病害环境较为复杂,并且缺乏物理模型所提供的一些先验知识,而且地下病害的解释缺乏标准,解释结果主要依靠个人的经验判断。当使用探地雷达进行探测时,由于环境的复杂性,探测到的信号可能会受到大量干扰和噪声的影响,甚至会出现目标信号被完全覆盖的情况,从而影响对病害目标的准确判断。针对上述问题,本研究从道路地下病害特征及智能检测方法两个方面进行了深入探讨,主要工作内容包括:(1)分析城市道路地下空间常见病害类型及成因,了解探地雷达工作原理,为正演模拟提供理论依据。(2)利用gprMax软件对脱空、空洞、裂缝和松散四种典型病害进行模拟,研究它们在雷达反射波和灰度图上的特点与规律。观察正演模拟的雷达灰度图像并依据图像中黑白条带的形状和分布规律,总结出各类病害所对应的特征形态。这些特征为后续病害智能检测研究的样本标记提供了关键参考和依据。(3)为了完成道路内部病害实时检测任务,本文首先研究YOLOv5网络,结合适当的初始anchor、CIoU损失函数等来提高网络模型的精度并加快收敛速度。因YOLOv5s网络模型较为复杂且对图像的特征提取存在缺陷,本文尝试采用基于ShuffleNetV2模块对YOLOv5s模型进行轻量化改进,在保证模型具有较高精度的同时提高模型的识别速度。(4)为避免过拟合现象,增强模型的泛化能力,运用数据增强方法对数据集进行扩充。并利用探地雷达对实际道路进行采集,得到实测道路的探地雷达图像。用模拟的道路内部病害探地雷达图像组成数据集,在预训练的神经网络上训练并进行微调,将训练好的网络模型分别对测试集和实测道路探地雷达图像进行自动识别。实验结果显示,所提出的方法具有较好的检测识别效果,证实了其有效性,并能在探地雷达图像中实现病害的快速检测。

关键词：探地雷达深度学习 gpr数据处理 YOLO算法目标识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：