基于卷积神经网络的路基病害自动识别方法研究 |
| |
引用本文: | 邓桂萍,苏龙.基于卷积神经网络的路基病害自动识别方法研究[J].现代交通技术,2022,19(5):1-5. |
| |
作者姓名: | 邓桂萍 苏龙 |
| |
作者单位: | 空军航空维修技术学院;湖南省导弹维修工程技术研究中心 |
| |
摘 要: | 路基病害导致的道路坍塌事件时有发生,利用探地雷达(ground penetrating radar,GPR)技术对道路路基进行周期性的无损检测和评估,可有效识别处于早期阶段的路基病害,为及时治理提供技术支撑。传统的GPR路基病害图像解释大多依靠人工,存在评价不客观且效率低下的问题。为实现路基病害的自动识别,提出基于卷积神经网络(CNN)提取GPR路基病害图像特征的方法。该方法所采用的网络结构由卷积层、池化层和全连接层组成;输入病害图像后首先经过5层卷积层和5层池化层提取图像特征,然后将提取到的图像特征输入两层全连接层分类,最后通过softmax层输出识别结果。正演模拟数据集表明,该方法对路基空洞充气、路基空洞充水、路基脱空及路基含水层这4种典型道路路基病害的雷达图像识别准确率达到 96.75%,验证了该方法的有效性。
|
关 键 词: | 探地雷达 深度学习 路基病害 图像识别 |
|
| 点击此处可从《现代交通技术》浏览原始摘要信息 |
|
点击此处可从《现代交通技术》下载全文 |
|