-
公开(公告)号：CN113780361B
公开(公告)日：2024-09-13
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V20/64 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN113780361A
公开(公告)日：2021-12-10
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN115311532A
公开(公告)日：2022-11-08
申请号：CN202210881642.1
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/82 , G06V10/72 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S13/88 , G01S13/89 , G01S7/41 , G01V3/12 , G01V3/38
Abstract: 本发明提出一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法。所述方法包括对已获取的地下空洞目标的探地雷达回波图像进行预处理，分别包含背景消除、增益和降噪；对生成的探地雷达回波图像进行增益；对增益后的图像进行降噪；之后，对已降噪后的图像数据进行预筛选和人工分类，然后基于水平镜像翻转对图像进行增广，得到处理后的具有相似分布的增广图像数据集；将得到增广图像数据分为训练集和测试集，对ResNet网络模型进行训练，得到网络权重模型；将得到的测试集输入得到的权重模型，对图像进行目标识别分类；采用本发明的方法能有效的提高探地雷达地下空洞目标识别率，将识别率提高到90％以上。
-
公开(公告)号：CN117173617A
公开(公告)日：2023-12-05
申请号：CN202310971300.3
申请日：2023-08-03
Applicant: 哈尔滨工业大学
IPC: G06V20/50 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于联合CNN的三维探地雷达地下空洞目标自动识别方法。对已获取的地下空洞目标探地雷达回波图像进行直达波去除和增益控制，得到处理后的探地雷达回波图像；进行预筛选，标注明确空洞目标像素位置，制成二维检测数据集，对不同通道的二维图像重复截取固定位置得到三维检测数据集；将二维检测数据集随机分为训练集和验证集，对二维数据集采用不同主干网络的RetinaNet网络及Faster R‑CNN网络进行训练，得到二维权重模型；将三维检测数据集随机分为训练集和验证集，对三维数据集采用ResNet及Res2Net分类网络进行训练，得到三维权重模型；对二维权重模型采用二维检测数据集的验证集进行检测以缩小目标范围，然后根据二维检测的结果，从三维数据集中截取出检测位置的三维数据，利用三维权重模型进行识别。本发明解决传统方法以及二维神经网络识别地下空洞目标效率低下的问题。
-
公开(公告)号：CN114169402B
公开(公告)日：2024-10-18
申请号：CN202111354267.7
申请日：2021-11-16
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/50 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于门控循环单元的探地雷达地下空洞目标自动识别方法。所述门控循环神经网络的GRU有两个门：重置门和更新门；重置门主要决定了到底有多少过去的信息需要遗忘，根据输入xt，当前重置门的输出rt和上一时间步隐藏状态ht‑1得到候选隐藏状态#imgabs0#如果重置门近似0，上一个隐藏状态将被丢弃；而更新门帮助模型决定到底要将多少信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的，更新门zt根据上一时间步的隐藏状态ht‑1和当前时间步的候选隐藏状态#imgabs1#得到当前的隐藏状态ht；重置门和更新门的激活函数σ是sigmoid函数。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
Patent Agency Ranking
公开(公告)号：CN117011600A
公开(公告)日：2023-11-07
申请号：CN202310898951.4
申请日：2023-07-21
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S7/41 , G01S13/89
Abstract: 本发明提出一种基于3D‑CNN缺陷监测网络的探地雷达地下目标自动识别方法，所述方法包括步骤1：对已获取的探地雷达回波图像进行预处理，得到处理后杂波受到抑制的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行分类并打上标签；步骤3：将步骤2中有标签的雷达图像随机分为训练集和验证集；步骤4：用步骤3中获得的训练集对3D‑CNN网络进行训练，得到训练好的权重模型；步骤5：将步骤3中获得的验证集代入到步骤4中训练好的权重模型中，对探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN116930904A
公开(公告)日：2023-10-24
申请号：CN202310937148.7
申请日：2023-07-28
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种探地雷达图像对齐及差异检测方法，所述方法包括步骤1：对不同时间获取的探地雷达回波图像进行预处理，得到杂波受到抑制的探地雷达回波图像；步骤2：计算步骤1获取的前后两次测量回波图像的全局相似度并对齐；步骤3：从步骤2完成图像对齐和裁剪的两次图像数据中选取部分有差异的图像和无差异的图像；步骤4：提取步骤3中得到图像的特征，并进行差异检测。本发明解决现有探地雷达图像识别方法难以在大量数据中准确判断地下缺陷的问题，根据不同时间对同一地下环境复测图像进行比对，通过图像变化情况找到异常点进而检测出缺陷点。
-
公开(公告)号：CN115311531A
公开(公告)日：2022-11-08
申请号：CN202210881472.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S7/292 , G01S7/35 , G01S7/41 , G01S13/88
Abstract: 本发明提出一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。所述方法包括对已获取的探地雷达地下空洞目标的回波图像进行背景消除，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行增益，突出空洞目标像素位置特征；利用增益后的图像进行降噪处理，抑制杂波影响；对处理后的探地雷达回波图像进行预筛选，参照人工识别并实地确认的结果，利用labelimg对图像中的空洞进行标注；将获得的数据制成图像检测数据集；用获得的检测数据集训练RefineDet网络模型，得到网络权重参数；利用训练后的网络模型对地下空洞目标探地雷达回波图像进行目标检测。本发明解决现有方法难以检测地下空洞目标的问题。
-
公开(公告)号：CN114169411A
公开(公告)日：2022-03-11
申请号：CN202111384746.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
公开(公告)号：CN114169411B
公开(公告)日：2024-08-02
申请号：CN202111384746.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.046 seconds)
