一种基于改进CapsNet网络的电磁法管道病害识别与定位方法技术

本发明专利技术公开了一种基于改进CapsNet网络的电磁法管道病害识别与定位方法，包括如下步骤：S1建立电磁图谱数据集；S2数据集处理；S3构建基于改进的CapsNet网络探地雷达图谱检测模型并训练；S4模型调参；S5进行模型测试，输出各项评价数值指标并保存最优模型，输出探地雷达图谱的识别结果；S6根据识别结果，由对应位置的探地雷达A

【技术实现步骤摘要】
一种基于改进CapsNet网络的电磁法管道病害识别与定位方法


[0001]本专利技术涉及深度学习与地球物理勘探
，具体涉及一种基于改进CapsNet网络的电磁法管道病害识别与定位方法。

技术介绍

[0002]探地雷达是一种重要的电磁无损探测技术，可以准确快速对浅层地表成像，获取埋地物体的空间与几何信息，在管线普查、公路隐蔽病害检测等物探应用中扮演着重要角色。在探测过程中，由电磁波理论和GPR原理，可以推断出地下管线的雷达回波信号特征接近双曲线；脱空的特征为反射信号能量强，频率、振幅、相位变化异常明显，下部多次反射波明显，边界可能伴随饶射现象；疏松的特征为反射信号能量变化较大，同相轴不连续，波形较为复杂，不连续。对于雷达图谱特征的分析方法研究，主要分为两种：人工方法、自动检测方法。人工方法由专业人员花费大量时间手工判图，过度依赖人工的主观经验，速度较慢且自动化程度低；自动检测方法主要包括霍夫(Hough)变换法、最小二乘(LS)法、机器学习方法等，大多数输入特征需要由人工识别，特征的质量直接决定了检测分类的结果。数据量增加后，效率和准确率难以保证。
[0003]在城市发展过程中，地下管线是基础设施建设中的一个重要组成部分，城市功能的正常运转和人们生活质量的提高与其不可分离。由于规划设计和建设施工时地下空间信息不完善、更新不及时，以及运营维护过程中不可避免的损耗，管网发生材料老化、改道、挖掘错误等，公路工程出现脱空、疏松、隐蔽裂缝等问题。这些问题不仅会对正常的城市功能产生不利影响，还有可能导致火灾、爆炸等恶性事故的发生。因此，在对地下空间进行全面的勘察、记录和系统管理时，如何提高探测的精度和速度，采取合理的、实用的探测识别方法，变成探测工作的重中之重，也是目前所亟待解决的。

技术实现思路

[0004]为解决现有技术中存在的问题，本专利技术提供了一种基于改进CapsNet网络的电磁法管道病害识别与定位方法，采用改进优化的CapsNet的检测算法，在CapsNet基础上新增了一个卷积层，用于再次提取位于画幅中不同位置的特征，优化特征提取的效果，该方法检测效率快，准确度高，泛化能力强，鲁棒性更好，解决了上述
技术介绍
中提到的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于改进CapsNet网络的电磁法管道病害识别与定位方法，包括如下步骤：
[0006]S1、建立电磁图谱数据集；
[0007]S2、数据集处理；
[0008]S3、构建基于改进的CapsNet网络探地雷达图谱检测模型并训练；
[0009]S4、模型调参；
[0010]S5、进行模型测试，输出各项评价数值指标并保存最优模型，输出探地雷达图谱的
识别结果；
[0011]S6、根据步骤S5中的识别结果，由对应位置的探地雷达A
‑
scan数据实现管道病害的定位，获取其水平位置及埋地深度。
[0012]优选的，所述步骤S1中建立电磁图谱数据集具体包括：采集探地雷达图谱，对图谱进行筛选及预处理，建立电磁图谱数据集；
[0013]所述的电磁图谱数据集包括真实雷达图谱、模型试验雷达图谱与FDTD仿真图谱；
[0014]所述的筛选是指：保留噪声干扰较少、具有良好地下管线、脱空、疏松特征的图像；
[0015]所述的预处理是指：使用图像处理程序，将图像四周空白以及附加的无用信息，直接剪裁删去。
[0016]优选的，所述步骤S2的数据集处理是指采用数据增强技术扩充数据，标注生成标签文件，并将数据集按比例划分；
[0017]所述的数据增强技术包括反转镜像、平移裁剪、模糊处理以及对比度调整；
[0018]所述的标注是指使用labelme软件标注程序标注探地雷达图谱中的地下管线、脱空、疏松特征，标注图片背景区域像素为0，地下管线特征区域像素为1，脱空特征区域像素为2，疏松特征区域像素为3；
[0019]所述的将数据集按比例划分是指：按8：2的比例随机地分为训练集、测试集。
[0020]优选的，所述步骤S3中改进的CapsNet网络包括有Convs1层、Primary capsule层、Convs2层、Digit capsule层和Fully connected层。
[0021]优选的，所述的Convs1层，采用两个卷积操作进行路面病害局部特征的提取；
[0022]所述的Primary capsule层，采用神经胶囊进行不同特征图像信息的提取；
[0023]所述的Convs2层，进行卷积操作时，细化了特征的提取过程，一个滤波器提取一个特征，通过设置较少的滤波器个数来使训练的维度降低；
[0024]所述的Digit capsule层，采用动态路由Dynamic Routing算法得到Primary capsule层胶囊的向量输出；
[0025]所述的Fully connected层，采用全连接操作，提高图像像素之间的空间相关性，准确提取特征区域。
[0026]优选的，所述步骤S3中模型训练是指先初始化网络模型超参数，然后将训练集导入模型，进行模型的训练；所述的超参数包括初始学习率、总迭代次数、权重和动量系数；当损失值函数变化曲线达到平稳时，模型收敛，停止训练。
[0027]优选的，所述步骤S4中模型调参具体是指根据设置不同超参数时，模型的实际输出与目标输出的误差损失值来进行超参数的调整；所述调整的依据是使该误差损失值不再下降，趋于稳定。
[0028]优选的，所述步骤S5中进行模型测试是将测试集输入到模型进行测试，所述保存最优模型的条件是判断输出各项评价数值指标是否满足预设值。
[0029]优选的，所述的评价数值指标主要包括准确率，检测效率和预测误差。
[0030]优选的，所述步骤S6中的探地雷达A
‑
scan数据具体是指探地雷达A
‑
scan数据的振幅、双程走时。
[0031]本专利技术的有益效果是：
[0032]1)本专利技术建立真实雷达图谱、模型试验雷达图谱与FDTD仿真图谱的复合数据集，
面向实际探测的使用场景，真实雷达图谱占数据集图像总数的大部分，剩下部分的图像用于丰富数据集，提升了模型的鲁棒性和泛化能力。
[0033]2)本专利技术采用改进优化的CapsNet的检测算法，在CapsNet基础上新增了一个卷积层，用于再次提取位于画幅中不同位置的特征，优化特征提取的效果；改进了胶囊网络原本的动态路由算法使得参数量大大较少并且增大了允许接受的输入图片的尺度，提高模型检测的准确率，实现管道病害的智能、高效的识别。方法简单易行。受图像大小、旋转角度等干扰较小，能够较好地提高探地雷达图谱检测精度，且算法运行效率较高，特征提取能力强。而后在识别的基础上根据对应位置的探地雷达A
‑
scan数据实现管道病害的定位，有效提高工程检测行业的智能化水平以及探测的能力和效率。
附图说明
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进CapsNet网络的电磁法管道病害识别与定位方法，其特征在于，包括如下步骤：S1、建立电磁图谱数据集；S2、数据集处理；S3、构建基于改进的CapsNet网络探地雷达图谱检测模型并训练；S4、模型调参；S5、进行模型测试，输出各项评价数值指标并保存最优模型，输出探地雷达图谱的识别结果；S6、根据步骤S5中的识别结果，由对应位置的探地雷达A
‑
scan数据实现管道病害的定位，获取其水平位置及埋地深度。2.根据权利要求1所述的基于改进CapsNet网络的电磁法管道病害识别与定位方法，其特征在于：所述步骤S1中建立电磁图谱数据集具体包括：采集探地雷达图谱，对图谱进行筛选及预处理，建立电磁图谱数据集；所述的电磁图谱数据集包括真实雷达图谱、模型试验雷达图谱与FDTD仿真图谱；所述的筛选是指：保留噪声干扰较少、具有良好地下管线、脱空、疏松特征的图像；所述的预处理是指：使用图像处理程序，将图像四周空白以及附加的无用信息，直接剪裁删去。3.根据权利要求1所述的基于改进CapsNet网络的电磁法管道病害识别与定位方法，其特征在于：所述步骤S2的数据集处理是指采用数据增强技术扩充数据，标注生成标签文件，并将数据集按比例划分；所述的数据增强技术包括反转镜像、平移裁剪、模糊处理以及对比度调整；所述的标注是指使用labelme软件标注程序标注探地雷达图谱中的地下管线、脱空、疏松特征，标注图片背景区域像素为0，地下管线特征区域像素为1，脱空特征区域像素为2，疏松特征区域像素为3；所述的将数据集按比例划分是指：按8：2的比例随机地分为训练集、测试集。4.根据权利要求1所述的基于改进CapsNet网络的电磁法管道病害识别与定位方法，其特征在于：所述步骤S3中改进的CapsNet网络包括有Convs1层、Primary capsule层、Convs2层、Digit capsule层和Fully connected层。5.根据权利要求4所述的基于改进CapsNet网络的电磁法管道病...

【专利技术属性】
技术研发人员：赵焱，郑成志，张昭君，张娟，钟汶均，方宏远，王念念，胡浩帮，
申请(专利权)人：中交第一公路勘察设计研究院有限公司郑州大学，
类型：发明
国别省市：