【技术实现步骤摘要】
一种桥梁钢筋的雷达智能识别方法
[0001]本专利技术涉及一种桥梁钢筋的雷达智能识别方法，具体涉及桥梁检测、探地雷达和深度学习领域。
技术介绍
[0002]我国是一个桥梁大国，桥梁作为交通重要的组成部分，在现代人们出行中不可缺少。桥梁工程一般都是钢筋混凝土结构，混凝土结构施工时钢筋移位、钢筋质量是常见的问题，由此引起不少安全隐患，甚至发生安全事故。因此进行桥梁钢筋混凝土结构无损检测(钢筋的位置、直径等)对桥梁建筑正常运营具有重大意义。
[0003]探地雷达技术是一种用于对介质(如大地，混凝土)本身及其内部物体(如钢筋，管道，孔洞)进行探测的无损检测技术。探地雷达技术具有探测速度快、分辨率高、操作灵活、探测费用低、探测范围广等优点，使得该技术已经在市政工程、环境工程、地质工程等多领域得到了广泛应用。十多年以来，电子元器件及无线电技术的快速发展使得探地雷达硬件系统具有采集精度高、速度快、数据量大等特点，而与之配套的探地雷达数据处理技术则相对薄弱，这阻碍了探地雷达技术的进一步推广。探地雷达数据反演精度依赖于专业人员的经验。...
【技术保护点】
【技术特征摘要】
1.一种桥梁钢筋的雷达智能识别方法，其特征在于，包括以下步骤：S1、通过改变桥梁结构的介电常数和电导率，通过正演获取其响应特征；S2、收集已有桥梁钢筋探地雷达响应典型图谱，系统梳理响应特征，构建样本数据集；S3、为二维介电模型划分网格，所述二维介电模型包含不同直径、不同埋深的钢筋；设计混凝土中不同直径、不同埋深及不同位置的钢筋介电模型，通过时域有限差分法正演计算，获得样本数据对的数据集；每个样本数据对均由介电模型和相应的探地雷达数据组成；S4、基于全卷积神经网络的M
‑
Net架构为骨干网络设计桥梁钢筋的雷达智能识别网络，使用Keras构建雷达智能识别网络模型框架，采用tensorflow作为后端；S5、对雷达智能识别网络进行训练与优化，将样本数据库随机分为训练数据，测试数据和验证数据，在训练过程中，所有输入和输出值均被标准化为[0，1]的范围，在每次训练之后进行验证；S6、对物理模型实测探地雷达数据进行反演，验证钢筋位置、介电常数和直径与真实情况是否相符。2.根据权利要求1所述的桥梁钢筋的雷达智能识别方法，其特征在于，通过调节钢筋直径、保护层厚度、钢筋间距，改变桥梁结构的介电常数和电导率。3.根据权利要求1所述的桥梁钢筋的雷达智能识别方法，其特征在于，通过双线性插值使步骤S3中的探地雷达数据与模型数据同大小。4.根据权利要求1所述的桥梁钢筋的雷达智能识别方法，其特征在于，雷达智能识别网络包括探地雷达桥梁钢筋多尺度输入模块、编码模块、金字塔卷积模块、解码模块和多尺度输出模块。5.根据权利要求4所述的桥梁钢筋的雷达智能识别方法，其特征在于，探地雷达桥梁...
【专利技术属性】
技术研发人员：刘鹏飞，李京伦，谢小国，张志厚，罗兵，张天一，许广春，刘慰心，叶志虎，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。