The invention discloses a non-metallic mine identification method based on the deep convolution neural network, which includes obtaining a number of two-dimensional radar simulation images; preprocessing the two-dimensional radar simulation images to obtain the pre-processing images, identifying the non-metallic mine target center echo in the pre-processing images and storing it in the. XML file, and then organizing the pre-processing image and the corresponding XML file into Pascal VOC file Data set; the information in Pascal VOC data set is divided into verification set and training set, and the training set is used to train the SSD target detection algorithm based on the deep convolution neural network to obtain the deep convolution model; the data in the verification set is input into the deep convolution model to obtain the average precision value, and when the average precision value is greater than the set threshold value, the actual scanned image of the ground penetrating radar after preprocessing is transmitted The convolution model is used for recognition.
【技术实现步骤摘要】
基于深度卷积神经网络的非金属地雷识别方法
本专利技术涉及物体识别技术,具体涉及一种基于深度卷积神经网络的非金属地雷识别方法。
技术介绍
依据“国际禁止地雷运动”的报道,目前已经存在4200人,其中42%是儿童,成为地雷的受害者。据估计,在全世界70个国家中,仍存在超过1亿种不同类型的地雷。而采用目前已知的方法进行地雷探测,需要400多年才能发现并清除他们。在中国和越南的交界地带,还存在大量地雷遗留,国家已耗费了大量人力、物力去检测并消除地雷,但是由于埋藏地雷的时间相对久远,地形变化比较大,导致云南地区依旧存在着大约60km2的永久性封围雷区。可见,地雷问题不仅杀伤了大量无辜人民,还减少了耕种面积,影响了相关地区的社会和经济发展。因此,如何实现对地雷的高效检测成为一个迫切需要解决的重要问题。地雷有各种不同类型,但最常用的是反坦克地雷和反步兵地雷。反坦克地雷一般金属材质制成,相对容易被检测识别,虚警率较低,不太容易误伤到平民;而反步兵地雷的主要成分是塑料等非金属,金属含量很低,并且体积很小,一般尺寸都在10cm×10cm×10cm以内,用金属探测器等传统的检测方法很难成功检测,同时又造价低廉,所以在世界各地仍遗留有大量这种地雷,引发了许多制约经济发展和人道主义问题。探地雷达是一种用高频宽带电磁波来探测地下介质分布的高效地球物理方法。探地雷达经发射天线向地下发射高频电磁波,由接收天线接收反射回地面的电磁波,再通过信号处理方法可生成直观的雷达剖面。电磁波在地下介质中传播时遇到存在电性差异的界面便会产生反射,根
【技术保护点】
1.基于深度卷积神经网络的非金属地雷识别方法,其特征在于,包括:/nS1、基于FDTD方法的GprMax软件进行浅层埋藏非金属地雷正演模拟得到若干二维雷达仿真图像;/nS2、采用主元分析去除法去除二维雷达仿真图像B-scan中的直达波得到预处理图像,在预处理图像中标识非金属地雷目标中心回波存储在.xml文件中,之后将预处理图像与对应.xml文件整理为PASCAL VOC数据集;/nS3、将PASCAL VOC数据集中信息按预设比例划分为验证集和训练集,并采用训练集对基于深度卷积神经网络的SSD目标检测算法进行训练得到深度卷积模型;/nS4、将验证集中数据输入深度卷积模型,得到模型的平均精度值,并判断模型的平均精度值是否小于设定阈值;若是进入步骤S5,否则进入步骤S6;/nS5、采用浅层埋藏非金属地雷正演模拟获取设定数量的二维雷达仿真图像,之后对新获得的二维雷达仿真图像进行去直达波处理后,将其与之对应的.xml文件整理至PASCALVOC数据集,进入步骤S3;/nS6、将采用主元分析去除法去除直达波的探地雷达实际扫描图像输入深度卷积模型,输出检测框及对应置信度,并根据置信度确定检测框中的 ...
【技术特征摘要】
1.基于深度卷积神经网络的非金属地雷识别方法,其特征在于,包括:
S1、基于FDTD方法的GprMax软件进行浅层埋藏非金属地雷正演模拟得到若干二维雷达仿真图像;
S2、采用主元分析去除法去除二维雷达仿真图像B-scan中的直达波得到预处理图像,在预处理图像中标识非金属地雷目标中心回波存储在.xml文件中,之后将预处理图像与对应.xml文件整理为PASCALVOC数据集;
S3、将PASCALVOC数据集中信息按预设比例划分为验证集和训练集,并采用训练集对基于深度卷积神经网络的SSD目标检测算法进行训练得到深度卷积模型;
S4、将验证集中数据输入深度卷积模型,得到模型的平均精度值,并判断模型的平均精度值是否小于设定阈值;若是进入步骤S5,否则进入步骤S6;
S5、采用浅层埋藏非金属地雷正演模拟获取设定数量的二维雷达仿真图像,之后对新获得的二维雷达仿真图像进行去直达波处理后,将其与之对应的.xml文件整理至PASCALVOC数据集,进入步骤S3;
S6、将采用主元分析去除法去除直达波的探地雷达实际扫描图像输入深度卷积模型,输出检测框及对应置信度,并根据置信度确定检测框中的目标对象。
2.根据权利要求1所述的基于深度卷积神经网络的非金属地雷识别方法,其特征在于,所述步骤S1进一步包括:
A1、采用基于FDTD方法的GprMax软件分别构建Peplinski半经验土壤模型、非金属地雷模型和岩体模型;
A2、调整发射天线和接收天线的相对距离和距离地面的高度,调整非金属地雷与岩体的中心距及分别埋藏在Peplinski半经验土壤模型中的深度;
A3、以预设采样间隔及预设离散步长将发射天线和接收天线从空间域一侧移动至另一侧,扫描获取若干道数据形成二维雷达仿真图像;以及
A4、判断二维雷达仿真图像数量是否达到设定阈值,若是进入步骤S2,否则返回A2。
3.根据权利要求1所述的基于深度卷积神经网络的非金属地雷识别方法,其特征在于,所述预处理图像的获取方法包括:
对二维雷达仿真图像的每个A-scan信号去均值,之后对二维雷达仿真图像进行奇异值分解:
其中,WR为二维雷达仿真图像;U...
【专利技术属性】
技术研发人员:马春光,薛曹逸,罗勇,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。