储增强细分任何模型用于地下诊断

科学领域:

• 地质物理学 地质物理学
• 人工智能的人工智能
• 土木工程 土木工程是指土木工程.

背景情况:

• 城市基础设施依赖于地下完整性,受到裂和空洞等异常的威胁.
• 地面透雷达 (GPR) 可视化地下条件,但由于数据限制和模糊的边界,在准确检测异常方面面临挑战.
• 雷达数据虽然类似于图像,但从根本上代表了电磁波,其中的变化是异常识别的关键.

研究的目的:

• 开发一个先进的框架,使用GPR数据精确地检测城市基础设施中的地下异常.
• 通过整合视觉和波特征分析,提高异常检测的准确性和效率.
• 为城市安全监测提供可扩展和资源高效的解决方案.

主要方法:

• 提出了增强水库的分段任何模型,这是一个利用GPR数据的视觉特征和电磁波特性的框架.
• 该模型首先识别了视觉上明显的异常候选者,然后通过分析局部雷达扫描中的波变化来完善检测.
• 使用最小的非目标数据,避免密集训练,并支持自动和交互式操作.

主要成果:

• 在现实实验中实现了高检测准确度 (> 85%),超过了现有方法.
• 证明了异常区域的精确和完整的提取和分类.
• 展示了模型在有限的标记数据和不同的地下条件下工作的能力.

结论:

• 增强的分段任何模型提供了一个可扩展的,资源高效的解决方案,用于快速地底异常检测.
• 该框架通过减少手工工作和计算成本来改善城市安全监测.
• 这种方法提高了GPR在基础设施评估中的可靠性和适用性.