在GPR图像中识别空隙和严重松动的自动化方法
Ze Chai1, Zicheng Wang1, Zeshan Xu2
1School of Computer and Control Engineering, Northeast Forestry University, Harbin 150040, China.
Journal of imaging
|August 27, 2025
概括
这项研究引入了一种使用地面透雷达 (GPR) B扫描图像的自动化方法,以检测道路结构缺陷,如空隙和松动. 这种新的方法在现实道路条件下提高了准确性和稳定性.
科学领域:
- 土木工程
- 地质学
- 计算机视觉
背景情况:
- 道路结构容易受到地下缺陷的影响,例如空隙和严重松动.
- 准确及时发现这些缺陷对于基础设施的维护和安全至关重要.
- 现有的方法可能缺乏在各种现实道路环境中的精度或适用性.
研究的目的:
- 开发一种新的自动识别方法,用于区分道路结构中的空隙和严重松.
- 为了利用地面透雷达 (GPR) 的B扫描图像来检测缺陷.
- 为道路基础设施评估创建一个实用且可靠的解决方案.
主要方法:
- 从GPRB扫描图像中提取特征,包括纹理,反射接口特征和内部波形规律性.
- 开发FKS-GPR数据集,该数据集由实际道路环境进行手动注释.
- 为自动检测缺陷而改进的ACF-YOLO网络的设计.
主要成果:
- 提出的方法有效地区分了道路结构中的空隙和严重松动.
- 与模拟数据集相比,FKS-GPR数据集具有很高的实际相关性.
- 改进的ACF-YOLO网络在实验验证中表现出卓越的准确性和稳定性.
结论:
- 开发的自动识别方法是有效的,可用于工程目的.
- 功能分析和深度学习的结合为基于GPR的道路缺陷检测提供了一个有前途的方法.
- FKS-GPR数据集是推动该领域研究的宝贵资源.


