详情

原文传递一种虚实融合的道路深层病害识别方法

专利名称：	一种虚实融合的道路深层病害识别方法
摘要：	本发明涉及道路病害检测技术领域，尤其涉及利用人工智能技术，能够在少量实测样本的条件下达到高识别精度的一种虚实融合的道路深层病害识别方法，主要是利用探地雷达设备采集的实测雷达B‑scan样本(实)与基于时域有限差分法正演模拟获得的虚拟B‑scan样本(虚)进行道路深层病害如空洞、裂缝、富水等问题的自动识别。本发明提供的一种虚实融合的道路深层病害识别方法具有能够在规避样本信息熵差异大的基础上，充分扩充样本体量，提高自动识别的精度和泛化性的优点。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	苏州同智瑞达交通科技有限公司
发明人：	岳光华;刘成龙;李亦舜;杜佳奇;吴荻非
专利状态：	有效
申请日期：	2023-08-18T00:00:00+0800
发布日期：	2023-11-14T00:00:00+0800
申请号：	CN202311046578.6
公开号：	CN117058109A
代理机构：	北京创智合源知识产权代理事务所(普通合伙)
代理人：	吴彩凤
分类号：	G06T7/00;G01V3/38;G01V3/12;G06V20/70;G06F30/23;G06V10/762;G06V10/82;G06N3/0464;G06N3/08;G;G06;G01;G06T;G01V;G06V;G06F;G06N;G06T7;G01V3;G06V20;G06F30;G06V10;G06N3;G06T7/00;G01V3/38;G01V3/12;G06V20/70;G06F30/23;G06V10/762;G06V10/82;G06N3/0464;G06N3/08
申请人地址：	215400 江苏省苏州市太仓市浮桥镇陆公路1号1号楼106-14室
主权项：	1.一种虚实融合的道路深层病害识别方法，其特征在于：包括采集探地雷达实测数据作为实测样本，生成探地雷达仿真数据作为仿真样本，利用课程学习策略与深度卷积神经网络建立对道路深层病害的自动识别，实现在少量实测样本的条件下达到高识别精度的效果。 2.根据权利要求1所述的虚实融合的道路深层病害识别方法，其特征在于：所述探地雷达实测数据为B-scan图像数据，所述的探地雷达仿真数据为基于时域有限差分法正演模拟获得的虚拟B-scan图像数据。 3.根据权利要求2所述的虚实融合的道路深层病害识别方法，其特征在于：所述课程学习策略是通过调整样本放入到深度卷积神经网络的次序，实现算法从易到难的递进式训练过程；所述的深度卷积神经网络是指目标识别类深度卷积神经网络。 4.根据权利要求3所述的虚实融合的道路深层病害识别方法，其特征在于：所述课程学习策略其计算流程包括，实测样本采集、仿真样本生成、样本标注、样本难度划分、样本投放与模型训练、模型测试。 5.根据权利要求4所述的虚实融合的道路深层病害识别方法，其特征在于：所述实测样本采集需保证采集样本覆盖所识别全部的病害类型，包括空洞、裂缝、富水；仿真样本生成步骤分别生成实测样本覆盖病害类型的B-scan仿真图像；样本标注步骤需通过边界框标记各类病害在图像中的具体位置，利用边界框四个边界点进行记录；样本难度划分是指基于图像信息熵对样本难度进行划分，通过对图像样本信息熵由小到大进行排列，将其划分成K类不同难度样本；样本投放与模型训练是指根据样本难度，逐一将K类不同难度的样本投入到深度卷积神经网络中进行训练，并通过每次样本投放后的训练结果对模型参数进行调整，直至所有样本均已投放，生成最终模型参数；模型测试是指利用实测数据对训练的自动识别算法进行测试，生成算法精度指标。 6.根据权利要求4所述的虚实融合的道路深层病害识别方法，其特征在于：所述实测样本与仿真生成样本的数量和比例根据工程实际情况与自动识别结果进行调整。 7.根据权利要求4所述的虚实融合的道路深层病害识别方法，其特征在于：所述的样本难度划分通过K-means聚类方法确定K类难度的信息熵阈值。