【技術實現步驟摘要】
本專利技術涉及目標識別，尤其涉及一種基于mimo雷達技術和深度學習的智能白蟻檢測系統。
技術介紹
1、白蟻是一種社會性昆蟲，通常生活在地下或建筑物內部，是具有高度組織化的群體結構。白蟻以木材和纖維素為食，能夠破壞建筑結構、木質家具和其他含有纖維素的材料。由于其隱蔽性和高效的繁殖能力，白蟻的活動往往難以被早期發現，導致嚴重的經濟損失和安全隱患。
2、白蟻的危害主要體現在以下幾個方面：
3、建筑損害：白蟻侵蝕木質結構，削弱建筑的穩定性，嚴重時可能導致建筑物倒塌。
4、經濟損失：白蟻的破壞力強，修復被侵蝕的建筑和家具需要大量的資金投入。
5、安全隱患：被白蟻侵蝕的建筑和家具存在安全隱患，可能對居住者的人身安全造成威脅。
6、環境影響：白蟻活動改變土壤結構，影響植物生長，進而對生態環境造成影響。
7、當前白蟻檢測方法在定位準確性和操作效率方面存在顯著不足，特別是對于隱藏在墻體內的白蟻活動。傳統檢測方法依賴人工經驗，難以實現對隱蔽區域的精準探測。近年來，mimo雷達技術以其優異的穿透能力和高分辨率，為白蟻檢測提供了新的技術途徑。結合深度學習算法，可以進一步提高檢測的準確性和效率。
8、現有的白蟻檢測系統多采用手動或半自動的方法，這些方法在精確定位和實時監測方面存在局限，無法滿足實際需求。由于雷達信號具有穿透能力，能夠探測隱藏在墻體內部的物體，通過與深度學習技術結合，可以實現對白蟻活動的精準識別和監測。然而，現有方案在實際應用中仍存在許多技術缺陷，如數據處理
技術實現思路
1、本專利技術的目的是提供一種基于mimo雷達技術和深度學習的智能白蟻檢測系統，其通過結合微波雷達和深度學習模型，實現對白蟻活動的實時監測和精確識別。
2、本專利技術采用的技術方案為：
3、基于mimo雷達技術和深度學習的智能白蟻檢測系統，其包括箱體設備和移動終端；
4、其中，箱體設備用于部署于檢測目標附近，通過微波雷達對檢測目標進行雷達探測，獲取檢測目標內部的雷達回波信號；
5、箱體設備包括外箱體、內箱體、微波雷達設備、樹莓派數據處理單元、電源模塊和外置接口；其中，微波雷達設備固定于外箱體的底部，其雷達掃描方向向下；與微波雷達設備連接的樹莓派數據處理單元置于外箱體頂部，電源模塊用于為微波雷達設備和樹莓派數據處理單元供電，微波雷達設備外箱體還配置有外置接口，用作電源接口及數據傳輸接口；
6、樹莓派數據處理單元用于設置微波雷達設備的工作參數，微波雷達設備用于采集檢測目標內部的雷達回波信號并發送給樹莓派數據處理單元；樹莓派數據處理單元用于對雷達回波信號進行噪聲過濾，再經成像處理獲取對應的二維圖像數據并對其進行圖像增強處理得到待檢測數據；將待檢測數據經無線網絡傳輸給移動終端；樹莓派數據處理單元根據預置的回波信號所生成的圖像區域的劃分形式，基于接收的回波信號統計每個區域的雷達能量并經無線網絡傳輸給移動終端；
7、移動終端中配置有基于mobilenetv2模型的白蟻檢測應用程序，用于對接收的待檢測數據進行目標檢測，得到初步檢測結果；并基于對雷達回波能量變化的監測確認初步檢測結果中白蟻的活動區域，生成最終的白蟻檢測結果并在移動終端進行可視化顯示。
8、即本專利技術基于部署于檢測目標(如水泥墻體、木制墻體等墻體目標)附近的箱體設備、遠端的移動終端，以及基于預置的用戶交互程序和mobilenetv2深度學習模型，實現對檢測目標的實時監測和可視化白蟻活動。
9、進一步的，白蟻檢測應用程序在移動終端的用戶界面包括：
10、開始停止功能：用于實現數據保存的開始和停止，可在移動終端的用戶界面頂部設置“開始/停止”操作項，以便于用于用戶可以隨時開始或終止可視化進程，避免冗余數據的產生。
11、實時監控顯示區域：用于顯示由微波雷達設備傳輸的實時視頻或圖像，并在檢測到白蟻活動時進行對應區域的置信度標注；
12、數據保存功能：可在用戶界面頂部設置“保存”操作項，用戶可以在檢測完成后保存相關數據，用于后續分析。
13、進一步的，白蟻檢測應用程序在移動終端的用戶界面還包括歷史檢測記錄查詢功能，以供用戶查看并分析過去的檢測數據，其支持按時間條件進行篩選和回顧。
14、進一步的，噪聲過濾采用高通濾波器去除不超過指定頻率的背景噪信號。
15、進一步的，樹莓派數據處理單元采用直方圖均衡化方式執行圖像增強處理。
16、進一步的，mobilenetv2模型依次包括輸入層、起始卷積層、倒殘差塊序列、結束前的卷積層、局平均池化層和基于softmax激活函數的全連接層，用于輸出待檢測數據的每個圖像區域的白蟻檢測置信度，得到初步檢測結果。
17、進一步的，mobilenetv2模型為基于通道注意力機制的模型。
18、進一步的，mobilenetv2模型在訓練時所需的白蟻數據集的構建方式為：
19、獲取形態多樣的被白蟻蛀食的木頭樣本；
20、在搭建的實驗環境中放置度厚度均勻的墻體材料，并在該墻體材料后設置兩個區域，一個區域放置正常木塊材料，另一個區域放置獲取的被蛀食的木頭樣本(簡稱蛀食樣本)；
21、兩個區域之間采用隔板分離，并在放置被蛀食的木頭樣本的一側加入一定數量的白蟻，例如乳白蟻；在厚度均勻的墻體材料上進行區域的劃分標注，以對應雷達回波信號成像所得到的二維圖像的圖像劃分；
22、將本專利技術的箱體設備部署于度厚度均勻的墻體材料前，以采集mobilenetv2模型訓練時所需的白蟻數據集；
23、其中，厚度均勻的墻體材料可以為水泥墻段或木質墻體，以模仿不同檢測情景，不同的墻體材料所對應的白蟻數據集所訓練得到的模型用于對不同墻體材料的檢測目標進行監測，可將不同墻體材料所對應的訓練好的mobilenetv2模型均部署于移動終端，并向用戶提針檢測目標材質的可選檢測操作。
24、進一步的，移動終端基于對雷達回波能量變化的監測確認初步檢測結果中白蟻的活動區域具體包括：
25、統計一段時間內各圖像區域的能量值均值并求出其方差作為各區域的評估值；
26、再基于設置的能量閾值，將低于該能量閾值的區域的置信度值直接置為0；
27、置信度值非0的區域為白蟻的活動區域。
28、進一步的，能量閾值采用自適應調整策略進行設置：
29、初始化能量閾值，并基于該初始值對各區域的置信度值進行是否置0的處理；
30、從置信度值為0的區域，統計雷達回波能量的均值μb和標準差σb；
31、基于公式tadaptive＝μb+k·σb得到調整后的能量閾值tadaptive，其中，k是用于控制閾值嚴格程度的調整系數，預設值；
32、進一步的，系統在運行過程中持續監控調整后的能量閾值對本文檔來自技高網...
【技術保護點】
1.基于MIMO雷達技術和深度學習的智能白蟻檢測系統，其特征在于，包括箱體設備和移動終端；
2.如權利要求1所述的系統，其特征在于，白蟻檢測應用程序在移動終端的用戶界面包括：
3.如權利要求2所述的系統，其特征在于，白蟻檢測應用程序在移動終端的用戶界面還包括歷史檢測記錄查詢功能，以供用戶查看并分析過去的檢測數據，其支持按時間條件進行篩選和回顧。
4.如權利要求1所述的系統，其特征在于，噪聲過濾采用高通濾波器去除不超過指定頻率的背景噪信號。
5.如權利要求1所述的系統，其特征在于，樹莓派數據處理單元采用直方圖均衡化方式執行圖像增強處理。
6.如權利要求1所述的系統，其特征在于，MobileNetV2模型依次包括輸入層、起始卷積層、倒殘差塊序列、結束前的卷積層、局平均池化層和基于Softmax激活函數的全連接層，用于輸出待檢測數據的每個圖像區域的白蟻檢測置信度，得到初步檢測結果。
7.如權利要求1所述的系統，其特征在于，MobileNetV2模型在訓練時所需的白蟻數據集的構建方式為：
8.如權利要求1
9.如權利要求8所述的系統，其特征在于，能量閾值采用自適應調整策略進行設置：
10.如權利要求9所述的系統，其特征在于，系統在運行過程中持續監控調整后的能量閾值對白蟻活動檢測準確性，以評估不同取值的調整系數k的檢測效果，基于檢測效果擇優選取下一時間段的調整系數k。
...【技術特征摘要】
1.基于mimo雷達技術和深度學習的智能白蟻檢測系統，其特征在于，包括箱體設備和移動終端；
2.如權利要求1所述的系統，其特征在于，白蟻檢測應用程序在移動終端的用戶界面包括：
3.如權利要求2所述的系統，其特征在于，白蟻檢測應用程序在移動終端的用戶界面還包括歷史檢測記錄查詢功能，以供用戶查看并分析過去的檢測數據，其支持按時間條件進行篩選和回顧。
4.如權利要求1所述的系統，其特征在于，噪聲過濾采用高通濾波器去除不超過指定頻率的背景噪信號。
5.如權利要求1所述的系統，其特征在于，樹莓派數據處理單元采用直方圖均衡化方式執行圖像增強處理。
6.如權利要求1所述的系統，其特征在于，mobilenetv2模型依次包括輸入層、起始卷積層...
【專利技術屬性】
技術研發人員：田丹，習顥繽，歐陽維民，饒力騰，曾遼原，
申請(專利權)人：電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。