探地雷达钢筋检测数据深度学习反演

实际工程中探地雷达采集的数据量大,目前对其数据解译仍然以人工为主,成本高、效率低,且解译结果受解译员的专业知识及经验等主观因素影响.因此,为快速、准确且智能化对探地雷达实测数据进行处理,文中提出一种探地雷达钢筋检测数据深度学习反演方法.文中首先运用时域有限差分方法对不同尺寸、不同埋深的钢筋模型进行正演计算,构建样本数据集;其次搭建一种端到端的深度学习网络架构,其输入端为归一化后的探地雷达数据,输出端为介电常数模型;然后针对网络进行监督学习;最后,利用已训练好的网络对未知探地雷达数据进行反演.模型试验表明,反演结果与模型中钢筋位置及尺寸均高度吻合,模型一、模型二和模型三的介电常数反演值精度分别为99.28％、99.23％和98.84％.对于含噪声数据的反演,仍然具有较好的效果.实测探地雷达数据的反演也验证了文中方法的有效性.