[发明专利]一种基于卷积神经网络的沙漠地区管道泄漏目标识别方法

说明书

本发明公开了一种基于卷积神经网络的沙漠地区管道泄漏目标识别方法，包括，利用探地雷达采集目标数据，对数据进行预处理，构建卷积神经网络，对卷积神经网络进行训练与测试。目前最常使用的人工解译手段具有极强的主观性，容易受人影响产生极大的偏差，人工智能由计算机进行学习识别，得出的结论不容易受人的主观因素影响，得出的解释结果也更加客观准确，本发明所提出的是基于卷积神经网络的自动目标识别方法，其能够从输入的数据中自动提取出管道以及泄漏的特征，且在进行训练中仅需要人工输入部分标签，不需要过多的干预。经过训练后的网络可以对于沙漠区域管道地下图像进行实时高效的识别，可以广泛应用于沙漠区域地下管道的泄漏识别。

技术领域

本发明涉及目标识别技术领域，具体涉及一种基于卷积神经网络的沙漠地区管道泄漏目标识别方法。

背景技术

新疆塔河管线众多，管道情况复杂部分管道处于胡杨、红柳、农田等敏感区域，一旦管道发生泄漏，造成环境污染风险高。

探地雷达是目前实用性较高的一种能够无损准确探测地底目标的有效手段。它的主要工作由发射天线跟接收天线配合完成，首先利用发射天线向下方发射穿透地层的高频的雷达脉冲波，再通过接受天线以接收由于地下物体介电常数变化所造成的反射波来探测地下目标，并以此为基础检测地下结构以及相关材料特性的变化。

由于在实际的探测中，地下情况比较复杂，雷达波在其中进行传播特别容易受到各种杂波干扰，从而降低B扫数据图像的信噪比。因此要准确表征出地下目标的前提是能够分辨出杂波与噪声，从雷达数据中提取出真正表征目标物的有用信息。目前对于探地雷达数据的处理方法有很多，探测手段上可以多次取相近位置测量的平均值减少非目标的回波；数据处理手法上常用低频、高通、带通等频率域滤波将非目标频段消除，通过滤波去除背景，多次叠加，偏移，反褶积，复信号处理等。对于探地雷达数据的解译，首先要根据雷达工作环境的特点对数据进行预处理，通过目标特性来分析处理后的相关数据，从数据中进行人工判读，目前最常使用的人工解译手段具有极强的主观性，容易受人影响产生极大的偏差。

因此亟需一种可以实时、精确地对沙漠区域地下管道目标进行分析，可以广泛应用于沙漠区域地下管道的泄漏识别的方法。

发明内容

为解决现有技术中存在的问题，本发明提供了一种，解决了上述背景技术中提到的问题。

为实现上述目的，本发明提供如下技术方案：一种基于卷积神经网络的沙漠地区管道泄漏目标识别方法，包括如下步骤：

S1、利用探地雷达采集目标数据；

S2、对数据进行预处理；

S3、构建卷积神经网络；

S4、对卷积神经网络进行训练与测试。

优选的，所述步骤S1中的利用探地雷达采集目标数据具体包括：

S11、划定测量区域：根据地图和管道走向图对探测区域进行划分，分别选取沿管道方向探测以及垂直管道方向测线进行探测和采集；

S12、对测线进行探测：根据踏勘和设计的线路进行探测和采集，采用连续探测模式沿着测线某一方向平稳前行，探测过程中实时读取雷达剖面异常，记录下存在异常处的横坐标，将其当做目标物的横坐标，做好标记，记录在班报中；

S13、模拟泄漏探测：对于泄漏管道的模拟，选择在管道上方挖坑，并在坑中倒入水使之自然渗透，待完全渗透后进行填埋，再按照步骤S12中的探测步骤对该区域进行探测和采集。

优选的，所述步骤S2中的对数据进行预处理具体包括：

S21、对数据进行横向数据插值以及时间子采样：对在时间方向上的数据进行时间子采样，对在横向组上的横向数据进行插值，使两个维度的数据量处于一个量级。

S22、对数据进行滑动滤波去除背景；