用于计算机自动辨别多类型缺陷的地质雷达标记方法技术

本发明专利技术公开了一种用于计算机自动辨别多类型缺陷的地质雷达标记方法，如下步骤：1、得到地质雷达波形图；2、将地质雷达波形图转换到图像域形成对应的地质雷达矢量图片；步骤3：得到带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集；步骤4：从带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集中分别随机选择70％的样本作为训练样本。利用本发明专利技术能辅助解决现有探地雷达解译效率低及受人为因素影响的问题。

【技术实现步骤摘要】
用于计算机自动辨别多类型缺陷的地质雷达标记方法
本专利技术涉及地球物理勘探
，具体地指一种用于计算机自动辨别多类型缺陷的地质雷达标记方法。
技术介绍
探地雷达(GroundPenetratingRadar,GPR)基于电磁波的发射、传播及接收形成GPR图像，再根据图像解译结果研究介质电磁特性差异，从而判断探测目标内部介质的详细分布情况。在过去的20-25年，探地雷达技术无论是在理论、方法还是在各相关领域的应用都取得了快速的发展。但是作为一门新兴的探测技术，在使用探地雷达进行无损检测时仍存在图像解译效率低下的问题，目前探地雷达图像解译以人工解译为主，而探地雷达的检测数据量极大，人工解译过程需要花费大量的时间和人力成本，解译效率偏低，作为雷达图像解释的基础，地质雷达缺陷标记方法急待完善。
技术实现思路
本专利技术的目的就是要提出一种用于计算机自动辨别多类型缺陷的地质雷达标记方法，利用本专利技术可以得到计算机自动辨别地质雷达的多类型缺陷所需要的训练模型样本集，便于计算机进行深度学习，辅助解决现有探地雷达解译效率低及受人为因素影响的问题。为实现此目的，本专利技术所设计的一种用于计算机自动辨别多类型缺陷的地质雷达标记方法，它包括如下步骤：步骤1：利用常规地质雷达仪器在已知地质模型区域采集得到的多个原始地质雷达数据进行数据预处理得到多个地质雷达波形图；步骤2：将步骤1所得的多个地质雷达波形图转换到图像域形成对应的多个地质雷达矢量图片，方便进行可视化标记；步骤3：对步骤2所得的每个地质雷达矢量图片进行特征标注，所有的地质雷达矢量图片可划分为具有富水区的地质雷达矢量图片、具有空洞区的地质雷达矢量图片、具有碎石区的地质雷达矢量图片、无异常区的地质雷达矢量图片，特征标注时将富水区、空洞区和碎石区分别用不同颜色的样条曲线进行人工标注，无异常区的地质雷达矢量图片不进行标注，并对无异常区的地质雷达矢量图片以及标注出富水区的地质雷达矢量图片、标注出空洞区的地质雷达矢量图片和标注出碎石区的地质雷达矢量图片分别增加对应的目标位置及地质缺陷类型标签，得到与标注出富水区的地质雷达矢量图片对应的带标签的富水区样本集、与标注出空洞区的地质雷达矢量图片对应的带标签的空洞区样本集、与标注出碎石区的地质雷达矢量图片对应的带标签的碎石区样本集、与无异常区的地质雷达矢量图片对应的无异常区样本集，所述带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集用于构建地质缺陷模型，所述地质缺陷模型用于后续缺陷类型识别时对雷达波形进行地质缺陷分类；步骤4：从步骤3所得到的带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集中分别随机选择70％的样本作为训练样本，该训练样本用于通过机器学习构建地质缺陷模型，其余的样本作为测试样本，该测试样本用来验证地质缺陷模型的正确性。本专利技术可以得到计算机自动辨别地质雷达的多类型缺陷所需要的训练模型样本集，用于后续计算机进行深度学习，辅助解决现有探地雷达解译效率低及受人为因素影响的问题。此外，本专利技术中对地质缺陷进行标记时用样条曲线将缺陷的形态轮廓进行精准标记，具有更高的地质缺陷分辨率和准确率。附图说明图1为本专利技术的地质雷达标记及识别方法的流程图图2为数据预处理后的地质雷达波形图像图3为标记之后的某富水区地质雷达波形图像。具体实施方式以下结合附图和具体实施例对本专利技术作进一步的详细说明：如图1所示的用于计算机自动辨别多类型缺陷的地质雷达标记方法，其特征在于，它包括如下步骤：步骤1：利用常规地质雷达仪器在已知地质模型区域采集得到的多个原始地质雷达数据进行数据预处理(通过地质雷达专用软件转换)得到多个地质雷达波形图，如图2所示；步骤2：将步骤1所得的多个地质雷达波形图转换到图像域形成对应的多个地质雷达矢量图片，方便进行可视化标记，具体过程见文献：徐俊.地下工程结构多类型缺陷的雷达信号自动辨别方法与工程应用[D].北京：北京科技大学,2019.；步骤3：对步骤2所得的每个地质雷达矢量图片进行特征标注，所有的地质雷达矢量图片可划分为具有富水区的地质雷达矢量图片、具有空洞区的地质雷达矢量图片、具有碎石区的地质雷达矢量图片、无异常区的地质雷达矢量图片，特征标注时将富水区、空洞区和碎石区分别用不同颜色的样条曲线进行人工标注，无异常区的地质雷达矢量图片不进行标注(上述分区由专业人员自行区分地质缺陷类型)，并对无异常区的地质雷达矢量图片以及标注出富水区的地质雷达矢量图片、标注出空洞区的地质雷达矢量图片和标注出碎石区的地质雷达矢量图片分别增加对应的目标位置及地质缺陷类型标签，得到与标注出富水区的地质雷达矢量图片对应的带标签的富水区样本集、与标注出空洞区的地质雷达矢量图片对应的带标签的空洞区样本集、与标注出碎石区的地质雷达矢量图片对应的带标签的碎石区样本集、与无异常区的地质雷达矢量图片对应的无异常区样本集，所述带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集用于构建地质缺陷模型，所述地质缺陷模型用于后续缺陷类型识别时对雷达波形进行地质缺陷分类；步骤4：从步骤3所得到的带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集中分别随机选择70％的样本作为训练样本(即富水区样本集选择70％的样本作为训练样本，空洞区样本集选择70％的样本作为训练样本，碎石区样本集选择70％的样本作为训练样本，无异常区样本集选择70％的样本作为训练样本)，该训练样本用于通过机器学习构建地质缺陷模型，其余的样本作为测试样本，该测试样本用来验证地质缺陷模型的正确性。上述技术方案的步骤4中，计算机采用机器学习算法对带标签训练样本进行仿真计算，不断地分析训练样本的标签特征，从而构建出对应的地质雷达缺陷模型。将测试样本放入到构建的地质缺陷模型中，让计算机采用机器学习算法自动进行分类计算，得到测试样本属于哪一种地质缺陷类型。再将测试样本人工标记结果与计算机计算分类的地质缺陷类型结果进行对比验证，若一致，则所构建的地质缺陷模型的准确，若不一致，则所构建的地质缺陷模型的不准确，需要进一步让计算机利用训练样本构建地质缺陷模型。上述技术方案中，所有具有富水区的地质雷达矢量图片对应的信息构成带标签的富水区样本集，其中某一个富水区的地质雷达矢量图片对应的信息即为富水区样本；所有具有空洞区的地质雷达矢量图片对应的信息构成带标签的空洞区样本集，其中某一个空洞区的地质雷达矢量图片对应的信息即为空洞区样本；所有具有碎石区的地质雷达矢量图片对应的信息构成带标签的碎石区样本集，其中某一个碎石区的地质雷达矢量图片对应的信息即为碎石区样本；所有无异常区的地质雷达矢量图片对应的信息构成无异常区样本集，其中某一个无异常区的地质雷达矢量图片对应的信息即为无异常区样本；上述技术方案中，富水区用红色虚线标注；破碎区用蓝色虚线标注，空洞区用绿色虚线标注，本文档来自技高网...

【技术保护点】
1.一种用于计算机自动辨别多类型缺陷的地质雷达标记方法，其特征在于，它包括如下步骤：/n步骤1：对已知地质模型区域采集得到的多个原始地质雷达数据进行数据预处理得到多个地质雷达波形图；/n步骤2：将步骤1所得的多个地质雷达波形图转换到图像域形成对应的多个地质雷达矢量图片；/n步骤3：对步骤2所得的每个地质雷达矢量图片进行特征标注，所有的地质雷达矢量图片可划分为具有富水区的地质雷达矢量图片、具有空洞区的地质雷达矢量图片、具有碎石区的地质雷达矢量图片、无异常区的地质雷达矢量图片，特征标注时将富水区、空洞区和碎石区分别用不同颜色的样条曲线进行人工标注，无异常区的地质雷达矢量图片不进行标注，并对无异常区的地质雷达矢量图片以及标注出富水区的地质雷达矢量图片、标注出空洞区的地质雷达矢量图片和标注出碎石区的地质雷达矢量图片分别增加对应的目标位置及地质缺陷类型标签，得到与标注出富水区的地质雷达矢量图片对应的带标签的富水区样本集、与标注出空洞区的地质雷达矢量图片对应的带标签的空洞区样本集、与标注出碎石区的地质雷达矢量图片对应的带标签的碎石区样本集、与无异常区的地质雷达矢量图片对应的无异常区样本集，所述带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集用于构建地质缺陷模型，所述地质缺陷模型用于后续缺陷类型识别时对雷达波形进行地质缺陷分类；/n步骤4：从步骤3所得到的带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集中分别随机选择70％的样本作为训练样本，该训练样本用于通过机器学习构建地质缺陷模型，其余的样本作为测试样本，该测试样本用来验证地质缺陷模型的正确性。/n...

【技术特征摘要】
1.一种用于计算机自动辨别多类型缺陷的地质雷达标记方法，其特征在于，它包括如下步骤：
步骤1：对已知地质模型区域采集得到的多个原始地质雷达数据进行数据预处理得到多个地质雷达波形图；
步骤2：将步骤1所得的多个地质雷达波形图转换到图像域形成对应的多个地质雷达矢量图片；
步骤3：对步骤2所得的每个地质雷达矢量图片进行特征标注，所有的地质雷达矢量图片可划分为具有富水区的地质雷达矢量图片、具有空洞区的地质雷达矢量图片、具有碎石区的地质雷达矢量图片、无异常区的地质雷达矢量图片，特征标注时将富水区、空洞区和碎石区分别用不同颜色的样条曲线进行人工标注，无异常区的地质雷达矢量图片不进行标注，并对无异常区的地质雷达矢量图片以及标注出富水区的地质雷达矢量图片、标注出空洞区的地质雷达矢量图片和标注出碎石区的地质雷达矢量图片分别增加对应的目标位置及地质缺陷类型标签，得到与标注出富水区的地质雷达矢量图片对应的带标签的富水区样本集、与标注出空洞区的地质雷达矢量图片对应的带标签的空洞区样本集、与标注出碎石区的地质雷达矢量图片对应的带标签的碎石区样本集、与无异常区的地质雷达矢量图片对应的无异常区样本集，所述带标签的富水区样本集、带标签的空洞区样本集、带标签的碎石区样本集和无异常区样本集用于构建地质缺陷模型，所述地质缺陷模型用于后续缺陷类型识别时对雷达波形进行地质缺陷分类；
步骤4：从步骤3所得到的带标签的...

【专利技术属性】
技术研发人员：刘玉，金彦，叶辉，周超，
申请(专利权)人：武汉市工程科学技术研究院，
类型：发明
国别省市：湖北;42