一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法技术

本发明专利技术涉及一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，包括如下步骤：步骤一.收集探地雷达图像样本，然后利用标签生成器进行图像标记；步骤二.将图像标记的真实框尺寸结果进行K‑means筛选；步骤三.利用改进的非极大值抑制原理以及YOLO v3算法进行识别框估计；步骤四.将算法封装好并导入视觉系统，最后进行探地雷达图像的识别与定位。本发明专利技术原理技术成熟，可以获取多个电磁波的相互位置关系，从而快速定位于区分雷达图像中目标体，属于探地雷达的检测技术领域。

【技术实现步骤摘要】
一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法
本专利技术涉及探地雷达的检测技术，具体涉及一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法。
技术介绍
探地图像检测是电磁学领域的一个热门研究方向，农业机械在作业的时候容易受到耕作土壤中的硬质异物影响。目前尚无有效的手段对农田土壤中的物体进行实时预警。对于农田土壤中的物体检测，通常在探地雷达图像中表现为抛物线状的电磁波。目前对大部分工程实例对探地雷达实测资料的解析主要是依靠经验分析或者人工判断，这无疑是容易产生精确度不高的检测结果，而且不能做到实时分析检测结果。所以针对电磁波信号的定性分析是目前研究难题，特别是电磁波信号在土壤介质中发生畸变或者衰变后。
技术实现思路
针对现有技术中存在的技术问题，本专利技术的目的是：提供一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，能够大大提高探地雷达实时分析探测结果。为了达到上述目的，本专利技术采用如下技术方案：一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，其特本文档来自技高网...

【技术保护点】
1.一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，其特征在于：包括如下步骤：/n步骤一.收集探地雷达图像样本，然后利用标签生成器进行图像标记；/n步骤二.将图像标记的真实框尺寸结果进行K-means筛选；/n步骤三.利用改进的非极大值抑制原理以及YOLO v3算法进行识别框估计；/n步骤四.将算法封装好并导入视觉系统，最后进行探地雷达图像的识别与定位。/n

【技术特征摘要】
1.一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，其特征在于：包括如下步骤：
步骤一.收集探地雷达图像样本，然后利用标签生成器进行图像标记；
步骤二.将图像标记的真实框尺寸结果进行K-means筛选；
步骤三.利用改进的非极大值抑制原理以及YOLOv3算法进行识别框估计；
步骤四.将算法封装好并导入视觉系统，最后进行探地雷达图像的识别与定位。


2.按照权利要求1所述的一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，其特征在于：步骤一中，根据探地雷达图像特征，将目标体的电磁波状抛物线顶点作为检测与定位的主要特征点进行波形的位姿估计；然后利用K-means方法对出现频率较高的抛物线波形进行筛选训练后得出最佳的矩形识别框尺寸；然后将探地雷达中具有电磁波震荡信号或者波形重叠的案例，用震荡信号相似性IoU合并原理V-IoU进行非极大值抑制；最后输入到YOLOv3框架进行训练与输出模型；最后将IoU阈值模块以及YOLOv3训练好的模型导入用户计算机中，待用户在预先编译好的图形用户界面选择完适合的参数，将该界面软件端口利用USB接口连接到移动设置的摄像-计算机系统进行实时地检测工作。


3.按照权利要求1所述的一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，其特征在于：步骤二中，在深度学习训练前通过以下方式进行探地雷达图像的收集：农田土壤中的硬质异物的物理性质对于电磁波敏感，在探地雷达图像中表现为开口向下的抛物线；探地雷达在土壤表面通过高频无线电波，在短时间内产生非常高分辨率的雷达数据；探地雷达沿着测线移动并不断收集一系列轨迹A-scan形成电磁波图像。


4.按照权利要求3所述的一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法，其特征在于：深度学习经典识别算法YOLOv3卷积层的整体框架图中，在3个不同的阶段输出特征图，快速的对不同大小的探地雷达图像进行识别与定位。


5.按照权利要求1所述的一种基于探地雷达与深度学习的地下目标智能实时识别与定位方法...

【专利技术属性】
技术研发人员：赵祚喜，黎源鸿，罗阳帆，邱志，朱裕昌，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东;44