一种基于多尺度学习的冰裂隙检测方法技术

本发明专利技术涉及基于探地雷达数据的冰裂隙检测技术领域，具体涉及一种基于多尺度学习的冰裂隙检测方法。本发明专利技术包括以下步骤：对待处理包含冰裂隙的探地雷达数据，进行数据标准化、滑动窗口划分、数据增强、数据集构造等预处理；构建多尺度Gabor

【技术实现步骤摘要】
一种基于多尺度学习的冰裂隙检测方法


[0001]本专利技术涉及基于探地雷达数据的冰裂隙检测
，具体涉及一种基于多尺度学习的冰裂隙检测方法。

技术介绍

[0002]极地中冰雪的变化对气象和大气变化研究非常重要，但是在极地科考期间，冰裂隙由于被其上面的雪桥覆盖而不易被发现，从而危及科考人员和雪地机器的安全，增大了科学研究的危险性和成本。因此，准确且实时地检测到被雪桥覆盖的裂缝非常重要。
[0003]探地雷达凭借其精度高、抗干扰能力强和无损勘探等优点，常被应用于目标检测工程中。探地雷达在20世纪70年代首次用于冰裂隙检测中。起初，冰裂隙检测采用人工方法，将探地雷达设备绑定在移动的车辆的前部，预先采集前方路况的数据并生成雷达图，操作员需要从这些实时更新的雷达图中寻找裂隙特征并及时给出警告。这种方法存在人为因素风险，包括操作员的疲劳程度、经验和主观性等。为了避免人为因素的风险，提升冰裂隙检测的可靠性和鲁棒性，冰裂隙的自动化检测被提出。近几年，一些机器学习方法已被应用于基于探地雷达数据的自动化冰裂隙检测。其中，传统机器学习方法涉及人工选择特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度学习的冰裂隙检测方法，其特征在于，包括如下步骤：步骤1：数据预处理，即对待处理包含冰裂隙的探地雷达数据，进行数据标准化、滑动窗口划分、数据增强、数据集构造等预处理，具体如下：首先，对待学习探地雷达数据，采用最小最大值方法进行标准化预处理，图像灰度值标准化到[
‑
1,1]，使雷达图显示更显著的纹理信息；其次，对标准化处理后的数据，采用窗口长度L进行滑动窗口划分，窗口与窗口之间有80％的重叠率，每个分析窗口内的探地雷达数据看作一个样本；最后，基于冰裂隙滑窗划分数据，根据数据标注信息，选择冰裂隙数据和连续雪层数据构造训练集和测试集，只对训练集数据采用水平翻转方式进行数据增强；步骤2：在训练阶段，随机选择预处理后的探地雷达数据，将其输入多尺度Gabor
‑
UNet深度学习网络中进行学习，具体如下：首先，将预处理后的滑窗划分样本数据作为网络输入数据，采用十折交叉验证的方法进行网络训练和测试；其次，构建基础UNet神经网络模型，在网络末尾添加三层全连接层，在第一层和第二层全连接层之间设置ReLU激活函数；然后，对基础UNet网络进行改进，构建多尺度Gabor
‑
UNet深度学习模型，实现对冰裂隙多尺度和多方向纹理特征的提取；最后，采用Adam优化算法和BCEWithLogitsLoss作为损失函数，对基于多尺度Gabor
‑
UNet神经网络的冰裂隙检测模型进行训练和验证，并保存训练后的模型；步骤3：在测试阶段，基于训练后的多尺度Gabor
‑
UNet神经网络模型，对测试数据进行检测，输出检测结果。2.根据权利要求1所述的一种基于多尺度学习的冰裂隙检测方法，...

【专利技术属性】
技术研发人员：刘艳，赵博，汪敏，陈德元，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：