[发明专利]一种基于神经网络的地下病害体目标识别方法

权利要求书

1.一种基于神经网络的地下病害体目标识别方法，其特征在于具体包括以下步骤：

S1、对地面病害进行图片采集，对地下病害通过雷达采集波形图像数据，将地面病害与地下病害的波形图像进行匹配，将图像数据按照不同类型分为五类，随机选取部分样本作为样本训练数据；

S2、混凝土介电常数随着空隙率的增大而减小，介电常数的不同会导致电磁波的反射系数存在差异，根据公式计算出反射系数，根据反射系数判别脱空层的存在；

S3、根据公式计算地下反射体的深度；

S4、不规则地下介质随着病害的埋深增加以及介质区域范围的扩大，扰射曲线变宽，根据公式能够计算出地下介质的电磁波的波速；

S5、建立一个病害体的识别项目，将样本进行分批次的模型训练，对图片权值进行计算更改，训练出最优的训练模型；

S6、所述使用探地雷达提取病害体的顶点坐标，对于衬砌，提取衬砌与围岩界面的最低点和最高点坐标，根据公式能够计算出病害的深度与衬砌厚度；

S7、通过特征提取能力，使训练模型能够自适应的学习地面病害反射信号的不同几何形态与分布位置；

S8、对于初始图片权值的选择，取随机数时，要趋近于0。

2.根据权利要求1所述的一种基于神经网络的地下病害体目标识别方法，其特征在于：所述步骤S1，利用拍照设备对地下病害体的数据进行采集，对地面病害进行拍照和保存图像，考虑光照的因素，分别在晴天、雨天以及阴天的天气状态下，分别采集地面病害的照片，采集到的病害图像包括裂缝、松散、沉陷、车辙以及泛油的图像信息，将采集到的地面病害图像进行水平翻转、垂直翻转以及随机缩放的图像增强处理，得到不同角度、方向的变换图片，利用图像增强的方法是一张病害图片扩充为若干张，将采集到的原始图片进行图像增强处理后，筛选去除变化较大以及市区部分病害特征的图片，采用探地雷达采集与地面采集图像相对应的探地雷达图像，探地雷达的主要组成部分有天线、发射机、接收机，信号处理器以及终端设备，探地雷达的电磁波从发射机发出，定向射入到路面结构中，反射的电磁波由接收天线接收，信号由接收机传给信号处理器，根据反射的波形特点信号处理器将形成的测试图像显示在终端设备上，得到地面图像的波形图像扩充样本，按照病害类型将地面图像以及对应的波形图像数据分为5类，对样本数据设置好标签，随机选取部分样本图片作为训练集，其余图片样本作为测试集。

3.根据权利要求2所述的一种基于神经网络的地下病害体目标识别方法，其特征在于：所述探测雷达采用横向扫描的方式进行图像采集，每隔一段距离记录一道反射信号，以灰度图的形式进行显示。

4.根据权利要求1所述的一种基于神经网络的地下病害体目标识别方法，其特征在于：所述步骤S2，混凝土中电磁波波速的关键因素是孔隙水的分布情况，水对探测混凝土电磁波波速的影响存在不同，雷达探测的混凝土中电磁波波速随含水率的降低而增加，混凝土介电常数随着空隙率的增大而减小，介电常数的不同会导致电磁波的反射系数存在差异，根据反射系数的强度变化，来判别脱空层的存在，根据反射系数的正负，能够判断脱空层的性质，根据公式：

pave＝(ε1-ε1)/(ε1+ε2)；

能够得到交界面的反射系数，水泥面板和基层不存在脱空现象时，水泥混凝土的ε1为6～9，透水基层的ε2为6～15，交界面的反射系数pave为-0.01～0.053，水泥面板和基层存在脱空现象时，水的介电常数ε2＝81，根据公式算得反射系数r＝-0.325～0.250，其中pave为反射系数，ε1以及ε1为两种交界面的介电常数。

5.根据权利要求1所述的一种基于神经网络的地下病害体目标识别方法，其特征在于：所述步骤S3，电磁波的行程所需要的t为：

其中，x为反射体的深度，y为天线之间的间距，n为介质的电磁波速度。