一种基于Faster R-CNN的地下未爆炸物检测与识别方法技术

本发明专利技术提供了一种基于Faster R‑CNN的地下未爆炸物检测与识别方法；首先，采用高精度磁表征数据生成方法，生成地下未爆炸物的磁表征数据图像，并标注地下未爆炸物的位置，作为训练数据集；然后通过卷积神经网络进行特征提取，得到特征图；再使用区域提议网络RPN，生成一组区域提议；最后通过ROIPooling使得每个ROI生成固定尺寸的特征图，并计算这些区域属于地下未爆炸物的可能性，通过边框回归修改区域大小，最终得到地下未爆炸物的检测结果。本发明专利技术的有益效果是：本发明专利技术所提出的技术方案能够对复杂环境中的地下未爆炸物磁表征数据进行识别，通过应用深度学习Faster R‑CNN目标识别算法，达到快速高效地检测与识别地下未爆炸物的目的。

A detection and recognition method of underground unexploded ordnance based on fast r-cnn

【技术实现步骤摘要】
一种基于FasterR-CNN的地下未爆炸物检测与识别方法
本专利技术涉及计算机人工智能与地球物理的交叉
，尤其涉及一种基于FasterR-CNN的地下未爆炸物检测与识别方法。
技术介绍
磁检测是寻找地下未爆炸物位置的常用方法之一。这项任务的主要挑战是在磁表征数据中将非均匀磁性土壤所产生的磁异常与地下未爆炸物产生的磁异常区分开来。文献”Xavier,N.；Mercedes,S.；Paula,G.；Henrique,L.GPRSignalCharacterizationforAutomatedLandmineandUXODetectionBasedonMachineLearningTechniques.RemoteSensing2014,6,9729-9748.”通过逻辑回归和神经网络处理模拟地雷场的GPR数据以定位地下未爆弹药，文献”Zhang,B.；O'Neill,K.；Jin,A.；Tomasz,M.G.SupportVectorMachineandNeuralNetworkClassificationofMetallicObject本文档来自技高网...

【技术保护点】
1.一种基于Faster R-CNN的地下未爆炸物检测与识别方法，其特征在于：包括以下步骤：/nS101：在地下空间剖分中随机生成地下未爆炸物，通过地球物理的磁表征数据生成方法生成地下未爆炸物的磁表征数据，并利用MATLAB将磁表征数据转化为磁表征数据图；所述磁表征数据有多个，对应的，所述磁表征数据图也有多个；/nS102：对生成的所有地下未爆炸物位置进行标注，以制作地下未爆炸物磁表征数据的数据集，得到多个带有位置标签的磁表征数据图组成的数据集；/nS103：对所述数据集中的数据进行随机混洗，并根据需要将随机混洗后的数据集中的数据划分为训练集和测试集；/nS104：在所述训练集中随机选择一定数...

【技术特征摘要】
1.一种基于FasterR-CNN的地下未爆炸物检测与识别方法，其特征在于：包括以下步骤：
S101：在地下空间剖分中随机生成地下未爆炸物，通过地球物理的磁表征数据生成方法生成地下未爆炸物的磁表征数据，并利用MATLAB将磁表征数据转化为磁表征数据图；所述磁表征数据有多个，对应的，所述磁表征数据图也有多个；
S102：对生成的所有地下未爆炸物位置进行标注，以制作地下未爆炸物磁表征数据的数据集，得到多个带有位置标签的磁表征数据图组成的数据集；
S103：对所述数据集中的数据进行随机混洗，并根据需要将随机混洗后的数据集中的数据划分为训练集和测试集；
S104：在所述训练集中随机选择一定数量的数据对FasterR-CNN网络进行批训练，得到训练后的FasterR-CNN网络，即地下未爆炸物的初始检测模型；
S105：采用所述测试集对所述初始检测模型进行测试，得到对应的评估结果；
S106：判断评估结果是否符合要求或者循环次数S是否达到最大循环次数；若是，则将此时的初始检测模型作为最终检测模型，到步骤S108；否则，到步骤S107；所述循环次数S的初始值为0，所述最大循环次数为预设值；
S107：更新训练参数，并返回步骤S104，以对所述初始检测模型进行再次训练，同时将S更新为S+1；
S108：将实际的地下未爆炸物的磁表征数据输入至所述最终检测模型，以进行地下未爆炸物的实际检测，得到地下未爆炸物的检测与标记结果。


2.如权利要求1所述的一种基于FasterR-CNN的地下未爆炸物检测与识别方法，其特征在于：步骤S101中，通过地球物理学的手段生成地下空间网格剖分，在每个网格剖分的数据中随机产生1～5个地下未爆炸物，每个地下未爆炸物位置随机，同时增加非均匀土壤产生的磁场，计算出产生的总磁场，并生成含有地下未爆炸物位置的符合PascalVOC格式的标签文件，作为一条数据；所述数据集中包括多条互不相同的数据。


3.如权利要求1所述的一种基于FasterR-CNN的地下未爆炸物检测与识别方法，其特征在于：步骤S102中，所述数据集格式与PascalVOC数据集格式相同。


4.如权利要求1所述的一种基于FasterR-CNN的地下未爆炸物检测与识别方法，其特征在于：所述FasterR-CNN网络包括卷积神经网络、RPN网络和ROI层；步骤S104中，在所述训练集中随机选择一定数量的数据对FasterR-CNN网络进行训练，得到训练后的FasterR-CNN网络；具体包括：
S201：在所述训练集中随机选择一定数量R的训练数据...

【专利技术属性】
技术研发人员：左博新，王力哲，蔡易，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42