[发明专利]一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法

说明书

本发明公开了一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法，包括：利用探地雷达在混凝土表面采集包含钢筋双曲线反射目标的雷达剖面，并对数据进行零时校正和格式转换预处理；把预处理后的图像输入训练后的SSD模型进行智能识别；根据识别结果提取所有被矩形框自动框选的双曲线目标区域；对目标边框区域进行希尔伯特变换和绕射叠加偏移；利用迭代阈值法确定图像二值化的最佳阈值；利用顶点定位法，在二值图像中确定目标区域块的顶点；根据钢筋顶点，计算钢筋的保护层厚度和钢筋水平间距。本发明通过结合探地雷达和深度学习技术对混凝土内的钢筋进行智能探测和定位，能快速地获取混凝土内钢筋的位置和数量信息。

技术领域

本发明属于工程无损检测领域，具体涉及一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法。

背景技术

在建筑物的竣工验收以及老旧建构筑的安全评估中，根据规范要求需要对钢筋混凝土结构中的钢筋进行检测，其中钢筋的位置、间距、直径和保护层厚度等都是钢筋检测的重点。传统方法是通过在混凝土表面开凿和钻孔等有损的方式来检视混凝土中的钢筋情况，这种方法不但耗时耗力，还破坏了建筑构件的完整性，影响其力学性能和承载能力。

探地雷达(Ground Penetrating Radar,简称GPR)是一种通过发射和接收超宽带高频脉冲电磁波的工程物探方法，具有便捷、无损、检测效率高、精度高等优点，目前已经在工程检测等领域中得到了广泛应用，也成为了混凝土内钢筋检测的主要手段。然而，探地雷达的现场检测会产生大量数据。对探地雷达数据的解译需要由具备专业知识的检测人员来完成，不仅费事费力，而且经常经人为因素导致检测精度下降。因此，为了提高探地雷达对混凝土内钢筋进行检测的工作效率，减少检测结果对操作人员专业知识和经验的依赖，需要开发能自动识别雷达剖面钢筋目标并精确确定钢筋目标位置和保护层厚度的智能算法。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法。

为了达到上述目的，本发明采用以下技术方案：

一种基于探地雷达和深度学习的混凝土内钢筋智能定位方法，包括以下步骤：

利用探地雷达在混凝土表面采集包含钢筋双曲线反射目标的雷达剖面，并对数据进行零时校正和格式转换预处理；

把预处理后的图像输入训练后的SSD模型识别雷达剖面中的钢筋双曲线反射，并用矩形框自动框选其所在区域；

对目标边框区域进行希尔伯特变换和偏移处理，把图像中双曲线目标重构成真实描述钢筋横截面形状的近似圆形目标；

利用迭代阈值法确定图像二值化的最佳阈值，进而将目标区域图像处理成二值图像；

利用顶点定位法，在二值图像中确定目标区域块的顶点，该顶点位置即为钢筋真实的顶点位置；

根据钢筋顶点，计算钢筋的保护层厚度和钢筋水平间距。

作为优选的技术方案，所述SSD模型为可准确识别钢筋双曲线目标的SSD模型，SSD模型的输出结果是把图像中的双曲线用矩形框自动框选出来。

作为优选的技术方案，所述希尔伯特变换是将雷达信号转换为分析信号，然后取包络来增强雷达图像的对比度，利于目标的识别。

作为优选的技术方案，所述偏移处理采用偏移算法，所述偏移算法为绕射叠加偏移算法，其计算公式如下：

其中，E_in为偏移前的探地雷达灰度图幅值，E为偏移后图像的幅值，t_i是第i道反射信号的采样时间，z表示图像中像素的垂直位置，x_i为探地雷达发射天线的水平位置，x₀为收发天线的间距，x表示成像点对应的水平位置，v是电磁波在混凝土中的传播速度。