基于改进Cascade R-CNN的探地雷达管线目标检测

摘要：

针对人工识别探地雷达管线图像时效率低、误差大和成本高昂等问题,本文提出了一种基于改进Cascade R-CNN的管线目标智能化检测方法.首先对探地雷达管线图像数据集进行预处理,提升数据质量.然后采用ResNeXt代替ResNet作为主干网络提取目标特征信息,并添加多尺度特征融合模块FPN使高层特征向低层特征融合,增强低层特征表达能力.其次,使用高斯形式的非极大值抑制方法Soft-NMS得到更加精准的候选框,使用Smooth_L1作为损失函数,加速了模型收敛并且降低了训练中发生梯度爆炸的概率.最后,对于管线目标特殊的形状特征,设置合适的锚框长宽比和大小,提高锚框的生成质量.实验结果表明,本文方法解决了复杂特征的地下管线目标智能化检测,对地下管线目标检测的平均精度达到94.7%,比Cascade R-CNN方法提高了10.1%.

关键词：探地雷达、地下管线、深度学习、Cascade R-CNN、FPN、Soft-NMS、目标检测

所属期刊栏目：32

分类号：TP391.41;TN911.72;TP274

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：102-110