一种基于机器学习的地下金属物体的定位方法及系统技术方案

本发明专利技术涉及一种基于机器学习的地下金属物体的定位方法及系统，属于定位领域，包括：获取数据集；数据集中第i个样本数据包括从第i个区域的不同地点获取的多个电磁感应信号和第i个区域的地下金属物体位置坐标；构建不同的多个地下金属物体定位子模型；获得对应多个训练好的地下金属物体定位子模型；对各训练好的地下金属物体定位子模型进行加权后相加，获得集成后的地下金属物体定位模型，各加权权重之和为1；采用粒子群算法调整集成后的地下金属物体定位模型中的各个权重，获得地下金属物体实时定位模型；采用地下金属物体实时定位模型，获得待测区域范围内地下金属物体位置坐标。本发明专利技术提高了定位的效率和精度。发明专利技术提高了定位的效率和精度。发明专利技术提高了定位的效率和精度。

【技术实现步骤摘要】
一种基于机器学习的地下金属物体的定位方法及系统


[0001]本专利技术涉及定位
，特别是涉及一种基于机器学习的地下金属物体的定位方法及系统。

技术介绍

[0002]伴随着科技的发展与进步，在考古学、探矿、地质测绘、未爆弹探测等诸多领域，对于地下金属物体的定位需求日益增长。其中基于电磁感应的地下金属目标定位方法因其对金属材料敏感、发射低频电磁波具有较强的穿透性等诸多优点，是目前常用的地下金属物体定位方法。基于电磁感应的地下金属目标定位方法利用电磁定位设备在地下金属物体附近发射电磁波形成磁场作用在地下的金属物体上，地下金属物体感应生成涡流，由涡流产生感应信号，最终定位设备接收感应信号，由于感应信号的信息与金属的位置相关，通过对感应信号进行分析便可以对地下金属物体定位。然而，传统的对感应信号进行分析时，是通过最小化由物理模型计算的拟合值与探测值之间的均方误差函数对地下金属目标的位置进行估计。然而实际的应用场景中，常常存在环境噪声，该方法在环境噪声存在时定位精度低甚至出现定位异常的情况，该方法鲁棒性差，因此如何对接收到的感应信号进行分析，以更高的精度对地下物体进行定位成为亟需解决的问题。

技术实现思路

[0003]本专利技术的目的是提供一种基于机器学习的地下金属物体的定位方法，提高了定位的效率和精度。
[0004]为实现上述目的，本专利技术提供了如下方案：一种基于机器学习的地下金属物体的定位方法，包括：获取数据集；所述数据集中第i个样本数据包括从第i个区域的不同地点获取的多个电磁感应信号和第i个区域的地下金属物体位置坐标；对所述数据集中各样本数据中电磁感应信号进行预处理，获得预处理后的数据集；构建不同的多个地下金属物体定位子模型，各地下金属物体定位子模型均为机器学习模型；采用预处理后的数据集，以多个预处理后的电磁感应信号为输入，对应的地下金属物体坐标为输出分别训练各地下金属物体定位子模型，获得对应多个训练好的地下金属物体定位子模型；对各训练好的地下金属物体定位子模型进行加权后相加，获得集成后的地下金属物体定位模型，各加权权重之和为1；以定位误差最小为目标，采用粒子群算法调整所述集成后的地下金属物体定位模型中的各个权重，获得地下金属物体实时定位模型；将采集的待测区域范围内多个节点的电磁感应信号进行预处理后输入所述地下
金属物体实时定位模型，获得待测区域范围内地下金属物体位置坐标。
[0005]可选地，各所述地下金属物体定位子模型包括支持向量回归模型和神经网络回归模型。
[0006]可选地，所述对所述数据集中各样本数据中电磁感应信号进行预处理，获得预处理后的数据集，具体包括：采用线性函数归一化方法或零均值归一化方法对所述数据集中各样本数据中电磁感应信号进行归一化处理，获得预处理后的数据集。
[0007]可选地，所述采用预处理后的数据集，以多个预处理后的电磁感应信号为输入，对应的地下金属物体坐标为输出分别训练各地下金属物体定位子模型，获得对应多个训练好的地下金属物体定位子模型，具体包括：将预处理后的数据集按照7:3的比例划分训练集和验证集；对于每个地下金属物体定位子模型，基于所述训练集和所述验证集，利用交叉验证的方法，调整地下金属物体定位子模型中的参数，获得训练好的地下金属物体定位子模型。
[0008]可选地，所述获取数据集，具体包括：在已知掩埋地下金属物体的区域内，按照每隔一定距离预先设定n个节点；通过手持移动探测设备在n个节点发射电磁信号，并在n个节点处接收电磁感应信号。
[0009]本专利技术还公开了一种基于机器学习的地下金属物体的定位系统，包括：数据集获取模块，用于获取数据集；所述数据集中第i个样本数据包括从第i个区域的不同地点获取的多个电磁感应信号和第i个区域的地下金属物体位置坐标；数据预处理模块，用于对所述数据集中各样本数据中电磁感应信号进行预处理，获得预处理后的数据集；地下金属物体定位子模型构建模块，用于构建不同的多个地下金属物体定位子模型，各地下金属物体定位子模型均为机器学习模型；地下金属物体定位子模型训练模块，用于采用预处理后的数据集，以多个预处理后的电磁感应信号为输入，对应的地下金属物体坐标为输出分别训练各地下金属物体定位子模型，获得对应多个训练好的地下金属物体定位子模型；地下金属物体定位模型集成模块，用于对各训练好的地下金属物体定位子模型进行加权后相加，获得集成后的地下金属物体定位模型，各加权权重之和为1；地下金属物体实时定位模型确定模块，用于以定位误差最小为目标，采用粒子群算法调整所述集成后的地下金属物体定位模型中的各个权重，获得地下金属物体实时定位模型；地下金属物体实时定位模型应用模块，用于将采集的待测区域范围内多个节点的电磁感应信号进行预处理后输入所述地下金属物体实时定位模型，获得待测区域范围内地下金属物体位置坐标。
[0010]可选地，各所述地下金属物体定位子模型包括支持向量回归模型和神经网络回归模型。
[0011]可选地，所述数据预处理模块，具体包括：
数据预处理单元，用于采用线性函数归一化方法或零均值归一化方法对所述数据集中各样本数据中电磁感应信号进行归一化处理，获得预处理后的数据集。
[0012]可选地，所述地下金属物体定位子模型训练模块，具体包括：数据集划分单元，用于将预处理后的数据集按照7:3的比例划分训练集和验证集；地下金属物体定位子模型训练单元，用于对于每个地下金属物体定位子模型，基于所述训练集和所述验证集，利用交叉验证的方法，调整地下金属物体定位子模型中的参数，获得训练好的地下金属物体定位子模型。
[0013]可选地，所述数据集获取模块，具体包括：节点预设单元，用于在已知掩埋地下金属物体的区域内，按照每隔一定距离预先设定n个节点；电磁感应信号获取单元，用于通过手持移动探测设备在n个节点发射电磁信号，并在n个节点处接收电磁感应信号。
[0014]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术公开了一种基于机器学习的地下金属物体的定位方法及系统，实际探测定位时将获取到的感应信号强度数据输入地下金属物体定位模型中，便可以实现对地下金属物体的定位，提高了定位的效率和精度；采用多个机器学习模型训练并得到地下金属物体定位子模型，并最终集成为地下金属物体定位模型，与使用单一机器学习模型而言，增强了地下金属物体定位模型的泛化性能。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术一种基于机器学习的地下金属物体的定位方法流程示意图；图2为本专利技术采用粒子群算法调整各个地下金属物体定位子模型权重的流程图；图3为本专利技术一种基于机器学习的地下金属物体的定位系统结构示意图。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的地下金属物体的定位方法，其特征在于，包括：获取数据集；所述数据集中第i个样本数据包括从第i个区域的不同地点获取的多个电磁感应信号和第i个区域的地下金属物体位置坐标；对所述数据集中各样本数据中电磁感应信号进行预处理，获得预处理后的数据集；构建不同的多个地下金属物体定位子模型，各地下金属物体定位子模型均为机器学习模型；采用预处理后的数据集，以多个预处理后的电磁感应信号为输入，对应的地下金属物体坐标为输出分别训练各地下金属物体定位子模型，获得对应多个训练好的地下金属物体定位子模型；对各训练好的地下金属物体定位子模型进行加权后相加，获得集成后的地下金属物体定位模型，各加权权重之和为1；以定位误差最小为目标，采用粒子群算法调整所述集成后的地下金属物体定位模型中的各个权重，获得地下金属物体实时定位模型；将采集的待测区域范围内多个节点的电磁感应信号进行预处理后输入所述地下金属物体实时定位模型，获得待测区域范围内地下金属物体位置坐标。2.根据权利要求1所述的基于机器学习的地下金属物体的定位方法，其特征在于，各所述地下金属物体定位子模型包括支持向量回归模型和神经网络回归模型。3.根据权利要求1所述的基于机器学习的地下金属物体的定位方法，其特征在于，所述对所述数据集中各样本数据中电磁感应信号进行预处理，获得预处理后的数据集，具体包括：采用线性函数归一化方法或零均值归一化方法对所述数据集中各样本数据中电磁感应信号进行归一化处理，获得预处理后的数据集。4.根据权利要求1所述的基于机器学习的地下金属物体的定位方法，其特征在于，所述采用预处理后的数据集，以多个预处理后的电磁感应信号为输入，对应的地下金属物体坐标为输出分别训练各地下金属物体定位子模型，获得对应多个训练好的地下金属物体定位子模型，具体包括：将预处理后的数据集按照7:3的比例划分训练集和验证集；对于每个地下金属物体定位子模型，基于所述训练集和所述验证集，利用交叉验证的方法，调整地下金属物体定位子模型中的参数，获得训练好的地下金属物体定位子模型。5.根据权利要求1所述的基于机器学习的地下金属物体的定位方法，其特征在于，所述获取数据集，具体包括：在已知掩埋地下金属物体的区域内，按照每隔一定距离预先设定n个节点；通过手持移动探测设备在n个节点发射电磁信号，并在n个节点处接收电磁感应信号。6.一种基于机器学习的地下金属物体的定位系统，其特征在于，包括：数据集获取模块，用于获取数据集...

【专利技术属性】
技术研发人员：张波，张超，
申请(专利权)人：科大天工智能装备技术天津有限公司，
类型：发明
国别省市：