[发明专利]一种基于不均衡数据集的地下金属目标分类方法及系统

说明书

本发明公开了一种基于不均衡数据集的地下金属目标分类方法及系统，该方法包括：获取地下金属目标样本数据，构建样本数据库；对样本数据中的各磁场强度数据分别进行特征提取，得到样本特征数据；根据不同类别地下金属目标的样本数量，自适应地构建多个平衡样本数据集；利用平衡样本数据集对多个预设的机器学习模型分别进行训练，得到多个地下金属目标分类子模型；集成各个地下金属目标分类子模型，得到最终的地下金属目标分类模型；利用地下金属目标分类模型得到待测的地下金属目标对应的类别。本发明的技术方案在地下金属目标类别不均衡的数据集下，保证了地下金属目标分类的准确率。

技术领域

本发明涉及地下探测技术领域，特别涉及一种基于不均衡数据集的地下金属目标分类方法及系统。

背景技术

伴随地下金属目标探测技术被广泛应用在考古学、探矿、未爆弹探测等诸多领域。要探测的地下掩埋金属目标包括可能对人类造成重大安全隐患的金属目标，如战争遗留的地雷、爆炸物和具有放射性和危害性的金属碎片，另外航空设备坠机、矿井坍塌、地震等意外事故掩埋的重要金属目标也是地下金属目标探测领域的重要探测对象。如何高效、准确的区分这些地下金属目标是亟需解决的问题。其中基于电磁感应原理的瞬变电磁探测技术，通过发射脉冲信号使金属目标物体产生涡流，变化的涡流会进一步产生衰减的感应磁场，通过电磁探测设备接收到地下金属目标的衰减响应，并对该衰减响应信息进一步分析以对地下金属目标进行判别，由于接收到的响应的衰减规律与金属目标的类别相关，因此通过对接收到的衰减响应进行分析便可以对地下金属目标进行分类。

然而，现有的方法构建一个物理模型来模拟地下金属目标产生衰减响应的这一过程，通过利用采集到的衰减响应数据，进一步求得物理模型中的参数信息，然后利用这些参数来对金属目标进行分类。这种方法依赖于建立的物理模型的合理性，现实场景下，一般为复杂的多层非均匀介质，在这种场景下准确的建立一个物理模型来模拟地下金属目标产生衰减响应这一过程是比较困难的，甚至会存在地下介质未知的情况。

而如果可以利用机器学习技术直接对采集到的衰减响应数据进行分析以对地下金属目标进行分类，将不需要物理建模的过程，有利于实现自动化与实时探测。然而，在很多情况下，实际采集到的不同类别的地下金属目标的样本数据量是不均衡的，此时直接利用机器学习方法对不均衡的数据集进行学习，最终会导致对地下金属目标的分类效果很差。比如：在探测未爆弹时，采集到的数据集中某类别的未爆弹样本数据量很小，而其他类别的未爆弹样本数据量很大，此时数据集存在地下金属目标样本数量类别不均衡的问题，若直接利用机器学习方法区分地下金属目标的类别，会使最终其预测结果偏好样本数据量大的地下金属目标的类别。然而，由于不同类别的未爆弹，其后续挖掘处理的方式不同，若预测错误并以错误的方式处理则有可能会造成人员伤亡的情况。

因此，如何解决类别不均衡的问题，并以较高的精度对地下金属目标进行分类是一个亟需解决的问题。

发明内容

本发明提供了一种基于不均衡数据集的地下金属目标分类方法及系统，以解决现有技术所存在的由于类别不均衡造成的目标分类精度低的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于不均衡数据集的地下金属目标分类方法，所述基于不均衡数据集的地下金属目标分类方法包括：

获取地下金属目标样本数据，构建样本数据库；其中，所述样本数据库中的每个地下金属目标样本数据分别包括探测时，掩埋地下金属目标的地上区域内的探测设备根据时序接收到的衰减的磁场强度数据和地下金属目标的类别；

采用预设的特征提取算法对所述样本数据中的各磁场强度数据分别进行特征提取，得到磁场强度衰减规律特征数据，作为相应样本对应的样本特征数据；

对所述样本数据库中不同类别地下金属目标的样本数量进行统计，根据不同类别地下金属目标的样本数量，自适应地构建多个平衡样本数据集；