典型文献
基于卷积神经网络的路基病害自动识别方法研究
文献摘要：
路基病害导致的道路坍塌事件时有发生,利用探地雷达(ground penetrating radar,GPR)技术对道路路基进行周期性的无损检测和评估,可有效识别处于早期阶段的路基病害,为及时治理提供技术支撑.传统的GPR路基病害图像解释大多依靠人工,存在评价不客观且效率低下的问题.为实现路基病害的自动识别,提出基于卷积神经网络(CNN)提取GPR路基病害图像特征的方法.该方法所采用的网络结构由卷积层、池化层和全连接层组成;输入病害图像后首先经过5层卷积层和5层池化层提取图像特征,然后将提取到的图像特征输入两层全连接层分类,最后通过softmax层输出识别结果.正演模拟数据集表明,该方法对路基空洞充气、路基空洞充水、路基脱空及路基含水层这4种典型道路路基病害的雷达图像识别准确率达到96.75％,验证了该方法的有效性.
文献关键词：
探地雷达;深度学习;路基病害;图像识别
中图分类号：
作者姓名：
邓桂萍;苏龙
作者机构：
空军航空维修技术学院,长沙410124;湖南省导弹维修工程技术研究中心,长沙410124
文献出处：
引用格式：
[1]邓桂萍;苏龙-.基于卷积神经网络的路基病害自动识别方法研究)[J].现代交通技术,2022(05):1-5,11
A类：
B类：
路基病害,自动识别方法,坍塌,时有发生,探地雷达,ground,penetrating,radar,GPR,道路路基,行周期,无损检测,别处,早期阶段,病害图像,图像解释,图像特征,卷积层,池化,全连接层,取到,两层,softmax,正演模拟,模拟数据,路基空洞,充气,充水,脱空,含水层,雷达图像识别,识别准确率
AB值：
0.328249
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
