欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024107582647
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:包括以下步骤;

S1,构造数据集;

从不同道路场景下获取探地雷达图像,对每张探地雷达图像中的坍塌隐患区域及类别进行标注,将带标注的探地雷达图像作为训练样本,所有训练样本构成数据集;

S2,构造一改进的Faster R-CNN网络;

选取一Faster R-CNN网络,包括特征提取网络、区域提议网络、兴趣区域池化层和检测网络;

所述特征提取网络包括ResNet-50、双重融合特征金字塔和垂直方向逐通道一维卷积单元;

所述ResNet-50用于输入训练样本,输出四个不同尺度的特征图C所述双重融合特征金字塔用于生成第二融合特征图,包括Sa1~Sa6;

Sa1,先将C

Sa2,根据下式生成到第i层级第一融合特征图F式中,

Sa3,将

Sa4,用SENet网络得到I中各通道权重,构成权重向量V;

Sa5,将I按Sa3的反向操作,拆分为四张拆分图RSa6,根据公式

所述垂直方向逐通道一维卷积单元用于分别对P所述Y

S3,用数据集训练改进的Faster R-CNN网络至收敛,得到道路坍塌隐患智能识别模型;

S4,获取待识别的探地雷达图像,送入道路坍塌隐患智能识别模型中,对坍塌隐患区域进行预测。

2.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:双重融合特征金字塔中,用1×1的卷积层对C

3.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:Sa3中,加权图I根据下式得到;

式中,

Sa5中,将I按Sa3的反向操作,拆分为四张拆分图R

4.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:所述兴趣区域池化层为ROI Align层。

5.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:所述垂直方向逐通道一维卷积单元具体按以下步骤操作;

Sb1,从P

Sb2,将P

Sb3,对Z

式中,

Sb4,根据下式生成Z

式中,

6.根据权利要求5所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:Sb2中,Z式中,

7.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:S3训练时,损失函数包括分类损失和回归损失,所述分类损失为交叉熵损失,回归损失为Smooth L1损失。

8.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:所述C

9.根据权利要求1所述的基于探地雷达和深度学习的道路坍塌隐患智能识别方法,其特征在于:坍塌隐患区域的类别包括脱空、空洞和疏松体。