基于地质雷达的城市道路病害智能识别系统分析与设计.pdf
《基于地质雷达的城市道路病害智能识别系统分析与设计.pdf》由会员分享,可在线阅读,更多相关《基于地质雷达的城市道路病害智能识别系统分析与设计.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023年8 月第43卷增刊第1期四川地质学报Vol.43Suppl.No.1Aug.,2023基于地质雷达的城市道路病害智能识别系统分析与设计彭伟1.2,武斌1,余舟1,徐文刚1.2(1.四川省地球物理调查研究所,成都6 10 0 7 2;2.四川省西南大地集团有限公司,成都6 10 0 7 2)摘要:随着城市化进程的推进,地下空间安全问题日益突出,其中包括管线老化、路面塌陷、燃气泄露等危险。为解决这些城市道路病害问题,三维地质雷达被广泛认为是一种有效的手段。然而,由于三维地质雷达所获取的数据量庞大且人工判读效率低下,近年来研究者们开始尝试利用深度神经网络进行自动识别道路病害的研究。现有的研
2、究成果在对主要城市道路病害如塌陷和空洞的智能识别方面还存在一定的不足,缺乏定量评估的数据支持。因此,本研究采用了Pytorch深度学习框架和Faster R-CNN目标检测网络,设计了一种基于三维地质雷达的城市道路病害人工智能识别系统。该系统的设计目标是达到9 0%以上的塌陷和空洞病害的正确识别率。该系统的主要功能是提供快速准确的城市道路地下病害监测手段,并实现对病害位置和类型的自动识别。为了处理三维地质雷达扫描切片图片长度超长的问题,研究采用了二次切分和缝合思路,以提高系统的处理效率和准确性。通过该系统,城市管理者和相关部门能够更有效地监测和识别地下病害,及时采取措施进行修复和维护,从而提高
3、城市道路的安全性和可持续发展能力。关键字:地质雷达;城市道路病害;人工智能;FasterR-CNN;Py t o r c h中图分类号:P631.3DOI:10.3969/j.issn.1006-0995.2023.S1.026伴随着城市化进程,地下空间安全问题日益凸现,越来越多的管线和路面面临老化问题,以及城市地下空间如同看不见的“暗网”,潜藏着路面塌陷、燃气管线泄露、道路空洞、疏松、富水等土体病害等危险,仅2 0 18 年7 至10 月,国内共发生地下管线事故16 0 余起,路面塌陷事故6 0 多起,2 0 18 年10 月7日,四川省达州市达川区东环南路10 3号发生人行道路面塌陷灾害,
4、面积约10 m,4人被困,其中2人经抢救无效死亡,2 人现场发现已死亡。三维地质雷达具有无损、高效、精度高、探测深度深等优点,是解决城市道路病害的有效手段,但三维地质雷达通道多、数据量大、人工判读效率低,通过深度神经网络自动识别道路病害是提高资料解释效率的有效方法,近年来成为研究热点。中国航天科工集团三院研制的探地雷达“鹰眼-A”,管线智能检测正确率超过90%,误报率小于5%(2 0 18 年);法国南布列塔尼大学Minh-TanPham团队,首次采用FasterRCNN框架来检测GPRB-scan中的反射双曲线,使用gprMax工具箱模拟生成更多不同配置的GPR仿真图以解决真实数据集匮乏的问
5、题(M in h-T a n Ph a m,2 0 18);中南大学侯斐斐团队利用FasterRCNN网络对GPRB-scan中双曲线进行检测,利用DCSE算法分别两次扫描二进制图像以识别双曲线特征,再通过双曲线拟合(CTFP算法)进一步估计目标位置(侯斐斐等,2 0 2 0);武汉大学杨必胜团队通过端到端的YOLOV3检测方法完成地下目标的自动识别与定位,对城市典型地下目标的检测精度和召回率达到8 5%以上,检测速度达到了16 顿/秒(杨必胜等,2 0 2 0);山东大学JingWang团队针对连续长测线进行反演或目标识别可能会导致被测目标的重建形状失真或错位的问题,提出了一种名为GPRI2
6、Net 的新型深度神经网络(DNN)架构,以同时重建介电常数图并从连续和长测量线的GPR数据中对对象类别标签进行分类(JingWang,2 0 2 1);郑州大学Haobang Hu团队提出了一种基于深度学习的方法,用于探地雷达(GPR)自动识别和定位地下管道,基于FasterR-CNN提出并训练了平均精度(AP)为0.92 56 的自动识别模型(HaobangHuetal.,2 0 2 2)。上述研究成果,均缺乏对塌陷、空洞等主要城市道路病害智能识别的定量评估。1需求分析及系统目标地质雷达是一种利用高频电磁波技术探测地下物体的电子设备,其有效探测深度2 6 m,是有效解收稿日期:2 0 2
7、2-0 5-2 2作者简介:彭伟(198 5一),男,四川省资阳人,地球物理勘查及遥感高级工程师,主要从事地球物理算法研究与数字化应用工作文献标识码:A文章编号:10 0 6-0 995(2 0 2 3)S1-0133-04133基于地质雷达的城市道路病害智能识别系统分析与设计决城市道路病害的常用手段(武斌等,2 0 19)。但地质雷达通道多、数据量大,拾取病害位置、识别病害类别以及判别病害的级别需要依靠人工经验来判读,效率低下,容易错判漏判。如意大利IDS GeoRadar公司生成的StreamX三维地质雷达,配备16 个2 0 0 MHz天线阵列,具有15个数据通道,2 0 0 MHz的D
8、ML天线模块用于地下目标探测时,测线间隔12 cm,采用VV极化方式,扫描宽度1.8 m,一条1km长、30 m宽的城市主干道,需要16 个测幅,共计2 40 个通道数据,每个通道可探测3m深度,数据量高达8 GB。数据解译时,需要根据异常所在通道平面位置,对不同深度进行切片,分析其雷达图谱平面图上异常形态,根据异常形态,排除明显的干扰异常,比如井盖、管线等,再切换至剖面图,依据地下病害体雷达图谱特征,圈定异常点位,形成初步的病害卡,可以看到,数据解译时需要核实每条通道不同深度切片的异常,工作量非常大,常常1天的野外采集数据需要花费2 3天时间解译,工作效率极其低下。因此,城市道路地下病害检测
9、效率呕待提升,更需要精准量化数据且及时来指导下一步的养护与修复工作。本次研究主要目标是为城市道路地下病害探测提供快速的、精准的监测手段,实现自动识别病害位置及病害类型,通过目标检测网络,在信噪比良好的情况下达到主要城市道路病害(塌陷、空洞)90%以上的正确识别率。2技术路线及技术难点目前主流的深度学习框架包括Pytorch、T e n s o r Fl o w、Ca f f e 等,其中Caffe已停止维护、安装比较复杂,上手难度也比较大,已逐渐淘汰,TensorFlow和Pytorch在动态图和静态图、社区和生态系统、部署和移动设备支持、API和易用性、网络可视化和调试工具等方面各有优劣,但
10、Pytorch灵活性、易用性比TensorFlow更胜一筹,尤其是近年来,Pytorch生态系统逐渐完善,使用热度已明显超越TensorFlow。基于开发维护成本考虑,本次研究采用Pytorch作用深度学习框架。本次课题研究对象是计算机视觉领域的目标检测,目标检测网络是用于执行目标检测任务的深度学习模型,它可以自动学习和理解图像中的目标特征,并生成包含目标位置和类别信息的预测结果。常用的目标检测网络模型包括Faster R-CNN(Fa s t e r Re g i o n-b a s e d Co n v o l u t i o n a l Ne u r a l Ne t w o r k)、
11、SSD(Si n g l eShot MultiBox Detector)YO LO(Yo u O n l y Lo o k O n c e)、Ef f i c i e n t D e t 等,Faster R-CNN通过在图像中提取候选区域,然后对每个候选区域进行分类和位置回归,从而实现目标检测,SSD是一种单阶段目标检测模型,它在图像的多个不同尺度上进行预测,以便检测不同大小的目标。SSD通过在卷积网络的不同层级上预测目标的位置和类别,实现了高效的目标检测。YOLO是另一种单阶段目标检测模型,它将目标检测任务转化为一个回归问题,同时预测目标的位置和类别。EfficientDet是一种基于E
12、fficientNet网络结构的目标检测模型,它通过使用特征金字塔网络(FeaturePyramid Network)和BiFPN(Bi d i r e c t i o n a l Fe a t u r ePyramid Network)来实现多尺度目标检测,同时在模型效果和计算效率上取得了很好的平衡(RossGirshick,2 0 15;Sh a o q i n g Re n e t a l.,2 0 15;Ji f e n g D a i e t a l.,2 0 15)。SSD、YO LO、Ef f i c i e n t Ne t 主要针对视频进行目标检测,拥有更高推断速度FPS值,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 地质 雷达 城市道路 病害 智能 识别 系统分析 设计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。