基于YOLOv5s的探地雷达图像目标检测研究

摘要

针对阵列探地雷达数据处理过程中工作量大、耗时长及目标识别主观性强等问题,设计了一种基于YOLOv5s神经网络模型的探地雷达典型目标检测方法。先利用开源软件GprMax对400M天线的探地雷达数据进行模拟,生成金属管线、不规则孔洞、钢筋网等三种典型的地下空间目标,构建探地雷达地下典型目标样本库,然后采用YO⁃LOv5s网络对目标样本库进行学习训练,并用GprMax模拟目标进行验证,最后,使用400M阵列雷达采集的探地雷达数据进行验证。试验结果表明,基于YOLOv5s算法的探地雷达目标检测算法对典型的地下空间目标的检测准确率可达到70%以上。