买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳安德空间技术有限公司

摘要：本发明提供一种基于船载式探地雷达的坝体渗漏检测自动识别方法，包括：步骤S1，利用船载探地雷达对水下坝体的雷达数据进行收集和预处理，获得水下坝体的雷达图像合集；步骤S2，先对所述雷达图像合集进行数据增强和标注，然后将标注好的图片合集进行随机打乱，并按照预设比例划分训练集、测试集和验证集；步骤S3，利用训练集和验证集对轻量级目标检测网络进行训练和验证，得到优化后的目标检测模型；步骤S4，对得到的目标检测模型进行轻量化设置，并部署至嵌入式设备中；步骤S5，通过所述目标检测模型对采集得到的雷达数据进行实时检测。本发明能够实现对水下坝体内部隐患的高效智能检测和判别，节省了水下检测工作所需的人力和物力。

主权项：1.一种基于船载式探地雷达的坝体渗漏检测自动识别方法，其特征在于，包括以下步骤：步骤S1，利用船载探地雷达对水下坝体的雷达数据进行收集，对采集的雷达数据进行预处理，获得水下坝体的雷达图像合集；步骤S2，先对所述雷达图像合集进行数据增强和标注，在含有潜在隐患的雷达图像上通过矩形框标注出隐患位置，并针对所述潜在隐患打上相应的类别标签；然后将标注好的图片合集进行随机打乱，并将随机打乱后的图片按照预设比例划分训练集、测试集和验证集；步骤S3，利用训练集和验证集对轻量级YOLOX目标检测网络进行训练和验证，得到优化后的目标检测模型；步骤S4，对得到的目标检测模型进行轻量化设置，并部署至嵌入式设备中；步骤S5，利用所述船载探地雷达实时获取水下坝体的雷达数据，通过所述目标检测模型对采集得到的雷达数据进行实时检测；所述步骤S3包括以下子步骤：步骤S301，将训练集中的训练数据输入至轻量级YOLOX目标检测网络进行训练，在训练过程中，提取输入雷达图像中不同比例和尺寸的特征，并将所得到的特征发送至neck模块中进行特征融合，再通过对应的head检测头模块输出结果，以获得多目标的预测结果；步骤S302，通过验证集中的数据对训练后的轻量级YOLOX目标检测网络进行验证；步骤S303，通过测试集对验证后的轻量级YOLOX目标检测网络进行性能评估，所述性能评估包括对各类别的目标检测准确率、召回率、模型参数量以及FPS速率检测指标进行评估；所述步骤S301中，采用轻量级网络MobileNetV2提取输入雷达图像中不同比例和尺寸的特征；采用了深度可分离卷积块作为其卷积层；并将CBAM注意力机制模块集成到轻量级YOLOX目标检测网络的特征提取层中，其中，CBAM注意力机制模块包含通道注意力模块和空间注意力模块；轻量级网络MobileNetV2采用了深度可分离卷积块作为其卷积层的实现过程如下：先将输入的特征图按照通道分成不同组，每个卷积核对应不同的组；在对应的组内进行深度卷积操作，并生成一个特征图，将每组产生的特征图按通道顺序拼接；最后，使用1x1卷积对深度卷积的结果进行通道数升维；所述步骤S4包括以下子步骤：步骤S401，对得到的目标检测模型进行稀疏化训练，通过稀疏化因子对权重较小的通道进行结构化剪枝，并利用保留的通道权重对网络模型进行重构；步骤S402，将重构后的目标检测模型部署到嵌入式设备中；所述步骤S401包括以下子步骤：步骤S4011，在数据标准化BN层中加入稀疏因子𝛾，对数据标准化BN层进行稀疏化训练；步骤S4012，遍历稀疏化训练后的数据标准化BN层权重，对所有数据标准化BN层权重进行统计排序；根据排序后的数据标准化BN权重，确认要保留的通道总数，并以此对权重阈值threshold进行设置；步骤S4013，记录小于设定的权重阈值threshold的元素位置，并对网络模型进行剪枝操作；根据保留的各通道权重，对新模型各层进行赋值，得到剪枝后的新模型；步骤S4014，加载剪枝后的新模型，并对新模型进行微调；所述新模型指的是重构后的目标检测模型。

全文数据：

权利要求：

百度查询： 深圳安德空间技术有限公司 基于船载式探地雷达的坝体渗漏检测自动识别方法及系统