基于深度学习的机场道面地下结构病害自动检测方法

摘要

一种基于深度学习的机场道面地下结构病害自动检测方法。其构造了由二维卷积和三维卷积组成的卷积神经网络，可提取GPR B‑scan和C‑scan中的二维和三维特征并进行融合，充分考虑到了地下病害的空间性质和不同病害间的特征差异；接下来构造了反卷积子网络对融合特征进行反卷积，实现对地下病害目标的三维语义分割，将属于病害区域的前景像素点分割出来，然后通过聚类生成三维外接框，避免了对三维空间的大量搜索；将得到的三维外接框略微进行扩大作为感兴趣区域映射到已获得的三维特征图对应位置，然后进行池化操作，得到固定大小的感兴趣区域对应的特征图，本发明最后构造了全连接层对初始的三维预测框进行位置修正和分类，使得定位更加精确，可有效用于机场道面地下结构病害检测，且平均检测精度较现有公知方法高。