基于GPR和模型空间学习的地下诊断
IEEE transactions on pattern analysis and machine intelligence
|December 28, 2023
概括
本研究引入了一种新的地面透雷达 (GPR) 方法,使用双向回声状态网络 (2D-ESN) 进行自动地下异常检测. 2D-ESN有效分析GPR B扫描图像,改善管道检测和地下诊断的准确性.
科学领域:
- 地质物理学 地质物理学
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 地面透雷达 (GPR) 对于地下探测至关重要.
- 从GPR数据中自动识别地下结构是具有挑战性的,因为数据的特征是未知的.
研究的目的:
- 提出一种新的GPR B扫描图像诊断方法,用于自动地下异常识别.
- 提高管道检测和地下诊断的准确性和效率.
主要方法:
- 一个双向回声状态网络 (2D-ESN) 被开发出来,可以从GPR图像段中学习.
- 2D-ESN通过考虑水平和垂直连接来捕获动态GPR图像特征.
- 半监督和监督学习被应用到2D-ESN模型进行诊断.
主要成果:
- 拟议的2D-ESN方法有效地适应了GPR图像段.
- 该模型在捕获动态GPR图像特征方面表现出强的性能.
- 在真实世界数据集上的实验证实了2D-ESN在地下诊断中的有效性.
结论:
- 使用2D-ESN的模型空间学习方法为GPR数据提供了稳定和节的表示.
- 拟议的方法显著改善了从GPR B扫描图像中自动识别地下结构的方法.
- 这种技术提高了GPR在实际管道检测和地下诊断应用中的可靠性.


