亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于卷積神經(jīng)網(wǎng)絡(luò)的路基病害自動(dòng)識(shí)別方法研究

        2022-11-04 11:19:24鄧桂萍
        現(xiàn)代交通技術(shù) 2022年5期
        關(guān)鍵詞:空洞充氣含水層

        鄧桂萍,蘇 龍

        (1.空軍航空維修技術(shù)學(xué)院,長(zhǎng)沙 410124;2.湖南省導(dǎo)彈維修工程技術(shù)研究中心,長(zhǎng)沙 410124)

        隨著我國(guó)交通基礎(chǔ)設(shè)施建設(shè)的不斷推進(jìn),多層線下混凝土因其結(jié)構(gòu)平穩(wěn)、耐腐蝕、維修量較少而在隧道、道路、橋梁中被大量應(yīng)用。然而,隨著時(shí)間推移,混凝土結(jié)構(gòu)常會(huì)發(fā)生惡化,導(dǎo)致包括充氣空洞、脫空、排水不良在內(nèi)的各種結(jié)構(gòu)病害,直接影響到人們的生產(chǎn)安全和生活安全[1]。探地雷達(dá)是一種借助無(wú)線電波來(lái)確定地下介質(zhì)分布情況的探測(cè)技術(shù),能實(shí)現(xiàn)對(duì)地下隱蔽目標(biāo)物的有效、無(wú)損探測(cè),在路基病害探測(cè)方面得到了廣泛應(yīng)用[2]。

        近年來(lái),隨著人工智能技術(shù)的發(fā)展,利用深度學(xué)習(xí)方法實(shí)現(xiàn)GPR路基病害的自動(dòng)識(shí)別成為新的研究方向。田恩杰[3]設(shè)計(jì)了反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng),對(duì)分割處理后的公路路面病害圖像進(jìn)行識(shí)別,試驗(yàn)結(jié)果表明,該網(wǎng)絡(luò)能夠較好地識(shí)別路面裂縫。Xu等[4]提出了基于循環(huán)神經(jīng)網(wǎng)絡(luò)的探地雷達(dá)信號(hào)識(shí)別技術(shù)并成功應(yīng)用于路基沉降、積水、涌泥等病害的識(shí)別。侯哲哲[5]針對(duì)路基雷達(dá)圖像同相軸延續(xù)性以及紊亂程度的時(shí)域特征存在的冗余性和局限性問(wèn)題,通過(guò)主成分分析確定低維時(shí)域特征值,同時(shí)采用人工神經(jīng)網(wǎng)絡(luò)對(duì)路基病害進(jìn)行識(shí)別,為鐵路路基典型病害的識(shí)別奠定了算法基礎(chǔ)。童崢[6]提出了基于探地雷達(dá)剖面圖和卷積神經(jīng)網(wǎng)絡(luò)的瀝青和水泥路面結(jié)構(gòu)病害識(shí)別、定位和測(cè)量技術(shù),研究結(jié)果表明,這種方法的準(zhǔn)確性基本不受結(jié)構(gòu)介電常數(shù)、背景噪聲和探地雷達(dá)參數(shù)的影響,基本能夠滿足我國(guó)水泥和瀝青路面反射裂縫、坑槽、層間脫空等病害的檢測(cè)需求。沙愛(ài)民等[7]建立了級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別探地雷達(dá)圖像所反映的路基病害的任務(wù),級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)由兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)組成,分別用于識(shí)別低分辨率和高分辨率的探地雷達(dá)圖像,但該網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率還有待提升。上述研究表明,基于深度學(xué)習(xí)的GPR路基病害識(shí)別技術(shù)具有較好的準(zhǔn)確性和穩(wěn)定性;此外,該技術(shù)無(wú)須人工提取病害特征,自動(dòng)化程度高,適合大范圍推廣。但現(xiàn)階段,這些方法仍然存在一些問(wèn)題:深度網(wǎng)絡(luò)的訓(xùn)練較依賴(lài)數(shù)據(jù),若識(shí)別的路基病害任務(wù)不同,就需要不同的訓(xùn)練數(shù)據(jù)集,若訓(xùn)練數(shù)據(jù)集不夠,模型識(shí)別的性能會(huì)很差;現(xiàn)有的神經(jīng)網(wǎng)絡(luò)方法對(duì)于路基脫空、路基空洞充氣、路基空洞充水、路基含水層這4種較為相似的路基病害圖像識(shí)別的準(zhǔn)確率較低,可見(jiàn)該方法還需要進(jìn)一步改進(jìn)和提高。

        為解決上述問(wèn)題,本文通過(guò)GprMax2D正演模擬軟件獲取大量GPR路基病害數(shù)據(jù)集,解決了訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)時(shí)數(shù)據(jù)集不足的問(wèn)題,并提出基于卷積神經(jīng)網(wǎng)絡(luò)的方法對(duì)路基脫空、路基空洞充氣、路基空洞充水和路基含水層這4種較為相似的路基病害圖像進(jìn)行識(shí)別,與現(xiàn)有神經(jīng)網(wǎng)絡(luò)方法相比,提高了識(shí)別的準(zhǔn)確率。

        1 研究方法

        1.1 路基病害的正演模擬

        混凝土結(jié)構(gòu)中的不同病害往往有不同的形成機(jī)理,因此,不同病害具有不同的結(jié)構(gòu)特征和信號(hào)特征。

        道路路基病害的GPR正演模擬可用來(lái)分析電磁波在路基病害中的相位、雙程走時(shí)以及振幅等響應(yīng)特征和規(guī)律,為路基病害GPR圖像的識(shí)別解釋提供理論依據(jù)。GprMax2D是一款基于時(shí)域有限差分法(FDTD)和完美匹配層(PML)邊界吸收條件、模擬各向同性均勻介質(zhì)中電磁波的傳播規(guī)律及電磁波與目標(biāo)體的相互作用的正演模擬軟件。本文主要采用GprMax2D軟件對(duì)典型路基病害進(jìn)行二維數(shù)值模擬,建立路基脫空、路基空洞充氣、路基空洞充水和路基含水層4種典型病害的模型,并生成這4種典型病害模型的GPR圖像。

        路基脫空、路基空洞充氣、路基空洞充水、路基含水層這4種典型病害通常由交通設(shè)施地下結(jié)構(gòu)排水不良導(dǎo)致。路基脫空的成因往往是雨水滲漏和沖刷、地下結(jié)構(gòu)損耗使原本穩(wěn)定的結(jié)構(gòu)發(fā)生錯(cuò)位,通常表現(xiàn)為一個(gè)充滿空氣的中空腔體,形狀不規(guī)則、水平距離大。路基脫空進(jìn)一步發(fā)育會(huì)成為路基空洞,混凝土結(jié)構(gòu)中的空洞病害結(jié)構(gòu)與路基脫空相似,但水平方向尺寸較小。若排水不及時(shí)導(dǎo)致混凝土結(jié)構(gòu)中的水不能快速排出,水分逐漸積聚,就會(huì)形成路基含水層病害和路基空洞充水病害。路基含水層病害表現(xiàn)為一個(gè)充滿水的富水體,水平距離大;路基空洞充水病害的形狀特征是水平方向尺寸較小。

        建立長(zhǎng)度為1.5 m、深度為1 m的道路模型,模型上層為空氣層,深度為0.2 m;下層為混凝土層,深度為0.8 m;空氣相對(duì)介電常數(shù)設(shè)為1,混凝土相對(duì)介電常數(shù)設(shè)為6,水相對(duì)介電常數(shù)設(shè)為81;正演模擬的網(wǎng)格空間離散步長(zhǎng)取0.01 m;天線位于路面結(jié)構(gòu)層上方的空氣層,激勵(lì)源采用1 A電流強(qiáng)度、中心頻率為900 MHz的雷克子波,收發(fā)天線間距為0.002 m,收發(fā)天線移動(dòng)步長(zhǎng)為0.01 m;時(shí)窗設(shè)置為15 ns;PML層數(shù)為10網(wǎng)格數(shù)。在混凝土層中心位置設(shè)置4種不同的路基病害,其中路基脫空模型與路基含水層模型形狀設(shè)為矩形,路基空洞充氣模型與路基空洞充水模型形狀設(shè)置為圓形。4種路基病害結(jié)構(gòu)模型如圖1所示。設(shè)置每種路基病害的不同尺寸以獲取不同的探地雷達(dá)圖像,4種路基病害的尺寸范圍如表1所示。

        表1 4種路基病害的尺寸范圍

        (a)路基空洞充氣

        根據(jù)不同尺寸的路基病害建立不同的GPR模型,使用GprMax2D軟件共得到400張路基病害圖像,每類(lèi)路基病害圖像100張。4種路基病害GPR B-scan(B掃描)圖像如圖2所示。

        (a)路基空洞充氣

        混凝土中路基空洞充氣病害的水平尺寸較小,形狀類(lèi)似于圓形,所以通常在GPR B-scan圖像中呈雙曲線狀圖案;由于填充介質(zhì)為空氣,反射信號(hào)的極性與入射信號(hào)相同,GPR圖像中雙曲線灰度值從白色變?yōu)楹谏笥肿優(yōu)榘咨?,如圖2(a)所示?;炷林械穆坊斩闯渌『μ畛浣橘|(zhì)為水,因此反射信號(hào)的極性與入射信號(hào)相反,GPR圖像中雙曲線灰度值從黑變?yōu)榘咨笥肿優(yōu)楹谏鐖D2(b)所示?;炷林械穆坊摽詹『吐坊畬硬『Φ乃匠叽巛^大,在GPR B-scan圖像中呈現(xiàn)出的雙曲線狀圖案頂部較為平坦,如圖2(c)和圖2(d)所示。

        1.2 卷積神經(jīng)網(wǎng)絡(luò)

        卷積神經(jīng)網(wǎng)絡(luò)[8]是一種深度學(xué)習(xí)方法,能有效提取圖像的特征,可用于GPR路基病害圖像的識(shí)別。本文提出的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括特征提取部分和分類(lèi)部分,特征提取部分由5層卷積層和5層池化層組成,每層卷積層所采用的卷積核個(gè)數(shù)分別為4、4、8、16和32;分類(lèi)部分由兩層全連接層和softmax函數(shù)輸出層組成,第一層全連接層節(jié)點(diǎn)數(shù)為100,第二層全連接層節(jié)點(diǎn)數(shù)為4,卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

        圖3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

        輸入的病害圖像首先經(jīng)過(guò)卷積層,卷積層的主要功能是使用卷積核提取圖像的特征,卷積核為一個(gè)包含權(quán)重參數(shù)的 3×3 大小矩陣。用卷積核以一定步長(zhǎng)遍歷圖像的全部區(qū)域,卷積核與圖像重合的區(qū)域內(nèi),圖像中的像素值與對(duì)應(yīng)的卷積核中的權(quán)重值相乘后求和,再加上偏置,所得的數(shù)值即為輸出特征圖的一個(gè)像素值,計(jì)算公式為

        (1)

        式中,ym,n為輸出特征圖在第m行第n列的特征值,wi,j為卷積核在第i行第j列的權(quán)重值,xm-1+i,n-1+j為輸入圖像中第(m-1+i)行和第(n-1+j)列的像素值。

        卷積過(guò)程示意如圖4所示。

        圖4 卷積過(guò)程示意

        輸入病害圖像經(jīng)過(guò)卷積層之后進(jìn)入池化層。池化層的主要功能是進(jìn)一步抽象卷積層輸出的特征信號(hào)、除去特征映射中的次要信息,從而減少網(wǎng)絡(luò)的訓(xùn)練參數(shù),其本質(zhì)是對(duì)局部特征的再次抽象表達(dá)。池化層能夠盡可能多地保留原始圖像的特征。和卷積操作一樣, 池化操作也有一個(gè)滑動(dòng)的核, 可以稱(chēng)之為滑動(dòng)窗口, 滑動(dòng)窗口的大小一般為 2×2,步幅為2,每滑動(dòng)到一個(gè)區(qū)域,則取最大值作為輸出,經(jīng)過(guò)池化操作之后,圖像的寬高尺寸會(huì)減半。最大池化過(guò)程示意如圖5所示。

        圖5 最大池化過(guò)程示意

        通過(guò)一系列卷積和池化操作之后,可以有效提取輸入病害圖像的特征,得到圖像的特征圖,將圖像的特征圖進(jìn)行扁平化操作變?yōu)橐痪S特征向量,并將一維特征向量輸入全連接層進(jìn)行分類(lèi),在全連接層中每一個(gè)節(jié)點(diǎn)都與上一層的所有節(jié)點(diǎn)相連,節(jié)點(diǎn)的輸出值為上一層所有節(jié)點(diǎn)乘以其對(duì)應(yīng)的連接權(quán)重,再加上一個(gè)偏置,計(jì)算公式為

        (2)

        4個(gè)輸出節(jié)點(diǎn)最后通過(guò)softmax函數(shù)處理,使得輸出向量滿足概率分布的要求。softmax函數(shù)公式可表示為

        (3)

        式中,yi為第i個(gè)節(jié)點(diǎn)的輸出值。

        2 結(jié)果與分析

        試驗(yàn)通過(guò)GprMax2D軟件建立了不同尺寸的路基脫空、路基空洞充氣、路基空洞充水和路基含水層4種典型病害的模型,正演模擬產(chǎn)生了400張GPR B-scan圖像,為擴(kuò)大訓(xùn)練數(shù)據(jù)集,進(jìn)行了數(shù)據(jù)增強(qiáng)操作,向原始數(shù)據(jù)集中加入了三種不同程度的噪聲,分別構(gòu)成了信噪比(SNR)為10 dB、5 dB和0 dB 的數(shù)據(jù)集,共得到1 200張圖像。將800張圖像用于訓(xùn)練網(wǎng)絡(luò)模型,剩下的400張圖像用于測(cè)試網(wǎng)絡(luò)模型。不同信噪比下的樣本圖像如圖6所示。

        (a)SNR=10 dB

        在網(wǎng)絡(luò)訓(xùn)練過(guò)程中,學(xué)習(xí)率設(shè)置為0.000 1,批量大小設(shè)置為50,損失函數(shù)為均方誤差(MSE)函數(shù),計(jì)算公式為

        (4)

        式中,yi為第i個(gè)樣本經(jīng)過(guò)網(wǎng)絡(luò)得到的預(yù)測(cè)值,ti為第i個(gè)樣本的真實(shí)值。

        為加速網(wǎng)絡(luò)訓(xùn)練、提高模型的泛化能力,引入L2正則化和批量歸一化方法。L2正則化是在原來(lái)的損失函數(shù)基礎(chǔ)上加上了權(quán)重參數(shù)的平方和,最后得到的損失函數(shù)計(jì)算公式為

        (5)

        式中,MSE為均方誤差損失函數(shù),λ為懲罰項(xiàng)系數(shù),wj為權(quán)重參數(shù)。

        批量歸一化方法[9]可將樣本圖像xi的值進(jìn)行標(biāo)準(zhǔn)化,計(jì)算公式為

        (6)

        式中,

        將400張路基病害圖像用于測(cè)試網(wǎng)絡(luò)模型,4種路基病害識(shí)別的混淆矩陣如表2所示。分析4種不同路基病害圖像的分類(lèi)結(jié)果可以看出,本文提出的CNN識(shí)別模型能夠?qū)?種路基病害圖像類(lèi)型進(jìn)行高精度識(shí)別,準(zhǔn)確率在92%~100%之間;其中兩類(lèi)的直徑識(shí)別準(zhǔn)確率為100%,另外兩類(lèi)的直徑識(shí)別準(zhǔn)確率為92%和95%,分別對(duì)應(yīng)路基空洞充氣病害和路基脫空病害。整個(gè)數(shù)據(jù)集的識(shí)別準(zhǔn)確率可達(dá)到96.75%。訓(xùn)練過(guò)程中的損失值變化結(jié)果如圖7所示,訓(xùn)練過(guò)程中的準(zhǔn)確率變化結(jié)果如圖8所示。

        圖7 訓(xùn)練過(guò)程中的損失值變化結(jié)果

        圖8 訓(xùn)練過(guò)程中的準(zhǔn)確率變化結(jié)果

        表2 4種路基病害識(shí)別的混淆矩陣

        此外,為提高方法的可解釋性,卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征的可視化結(jié)果如圖9所示。圖中,(a)列表示輸入圖像,(b)列為第一層卷積池化后提取的特征圖,(c)列為第二層卷積池化后提取的特征圖,(d)列為第三層卷積池化后提取的特征圖,(e)列為第四層卷積池化后提取的特征圖,(f)列為第五層卷積池化后提取的特征圖,(g)列為第一層全連接層提取的特征向量轉(zhuǎn)成圖像的表示,(h)列為輸出層向量轉(zhuǎn)成圖像的結(jié)果;1~4行分別為路基空洞充氣、路基空洞充水、路基脫空及路基含水層的GPR路基病害圖像。由圖9可以看出,網(wǎng)絡(luò)模型通過(guò)卷積池化層一步一步提取輸入圖像的特征,越往后,提取的特征層次越高、越抽象,最終輸出一個(gè)長(zhǎng)度為4的特征向量,轉(zhuǎn)為圖像后,由(h)列表示,其中灰度級(jí)越大,代表屬于該類(lèi)的概率就越大,因此,通過(guò)提出的網(wǎng)絡(luò)模型可以完成GPR路基病害的分類(lèi)識(shí)別。

        圖9 卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征的可視化結(jié)果

        3 總結(jié)

        本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的方法來(lái)提取GPR路基病害的圖像特征,進(jìn)而實(shí)現(xiàn)GPR路基病害的識(shí)別。首先利用GprMax2D軟件建立典型路基病害模型,并正演模擬獲取GPR B-scan圖像數(shù)據(jù)集,再利用獲取的數(shù)據(jù)集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)。測(cè)試時(shí),輸入的病害圖像首先經(jīng)過(guò)5層卷積層和5層池化層提取圖像特征,然后將提取到的圖像特征輸入兩層全連接層,最后通過(guò)softmax層輸出識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明,本文提出的方法對(duì)路基脫空、路基空洞充氣、路基空洞充水及路基含水層4種典型道路路基病害的雷達(dá)圖像識(shí)別準(zhǔn)確率達(dá)到了96.75%,驗(yàn)證了該方法的有效性。

        猜你喜歡
        空洞充氣含水層
        全球多個(gè)含水層里的水正快速流失
        充氣恐龍
        為什么汽車(chē)安全氣囊能瞬間充氣?
        讓充氣城堡不再“弱不禁風(fēng)”
        空洞的眼神
        美國(guó)西部奧加拉拉含水層水位下降原因初探
        國(guó)內(nèi)外非充氣輪胎的最新研究進(jìn)展
        用事實(shí)說(shuō)話勝過(guò)空洞的說(shuō)教——以教育類(lèi)報(bào)道為例
        新聞傳播(2015年20期)2015-07-18 11:06:46
        全球地下含水層下降驚人:要被抽干了
        巖溶含水層水流模型研究進(jìn)展
        中文字幕av日韩精品一区二区 | 亚洲福利第一页在线观看| 日本一区二区久久精品亚洲中文无| 美女与黑人巨大进入免费观看| 在线播放五十路熟妇| 亚洲中文字幕在线第二页| 久久精品人人做人人爽| 亚洲AV色无码乱码在线观看| 亚洲AV日韩AV高潮喷潮无码| 中文字幕色资源在线视频| 亚洲精品第一国产综合精品| 在教室伦流澡到高潮h麻豆 | 亚洲色欲大片AAA无码| 人妻少妇粉嫩av专区一| 亚洲精品国产一二三区| 中国老熟女重囗味hdxx| 人人玩人人添人人澡| 精品国产AⅤ一区二区三区4区| 亚洲av永久无码精品水牛影视| 中文文精品字幕一区二区| 奇米影视7777久久精品| 亚洲性无码av在线| 九九日本黄色精品视频| 91精品人妻一区二区三区久久久| 亚洲avav天堂av在线网爱情| 男女边吃奶边做边爱视频| 国产爆乳美女娇喘呻吟久久| 蜜桃免费一区二区三区| 日韩中文字幕免费视频| 欧美a在线播放| 中文字幕丰满人妻被公强| 最新国产不卡在线视频| 亚洲欧美乱日韩乱国产| 97精品依人久久久大香线蕉97| 天天中文字幕av天天爽| 久久中文字幕av一区二区不卡| 日本人妻伦理在线播放| 国产麻豆成人精品av| 久久频道毛片免费不卡片| 日韩精品高清不卡一区二区三区| 欧美老妇牲交videos|