【技術實現步驟摘要】
本專利技術涉及探地雷達數據處理，尤其涉及一種基于psa-unet網絡的粘接面積定量化方法。
技術介紹
1、探地雷達(ground?penetrating?radar，gpr)，技術基于地下不同物質介質參數的差異，通過發射寬帶電磁波脈沖，實現對地表以下非可視化物體的內部結構或構造的精確勘測。
2、建筑外墻保溫層常常會出現各種病害，這些病害最終會導致外墻保溫板粘接劑面積的缺失，會對其保溫效果和能源消耗產生負面影響，引發安全隱患。在建筑工程質量監控領域中，建筑外墻保溫層病害的檢測一直是一個關鍵且復雜的挑戰。而探地雷達由于上述諸多優點，其相較于其他方法在保溫層病害檢測方面更有優勢。在探地雷達對建筑外墻保溫層的檢測中，通過對建筑外墻進行掃描，可以獲取保溫層的厚度、內部結構等信息，進而判斷其粘接劑的面積占比。外墻外保溫工程技術標準規定xps保溫板的最小粘接面積為50％。因此，需要對建筑外墻保溫層的粘接面積進行準確地檢測，以判斷粘接面積是否達到工程標準。
3、目前國內外在探地雷達回波b-scan圖像的語義分割，尤其是雙曲線的分割上有許多研究成果，如：深度卷積神經網絡(dcnn)、deeplabv3+語義分割算法、mask?r-cnn和像素級生成對抗網絡(pixel?to?pixel?image?translation?with?gan,pix2pix?gan)方法等。但是，上述方法對b-scan切片比較有效，對c-scan分層切片都存在一定的局限性。因此，保溫層粘接劑的有效粘接面積存在統計不清、統計不準的問題，這導致無
4、因此，亟需一種能夠高效、準確地處理保溫板粘接劑多目標、不均勻且分散目標的語義分割方法，以精準分割保溫板和粘接劑，同時提高后續粘接劑面積統計工作的準確度。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種基于psa-unet網絡的粘接面積定量化方法。
2、一種基于psa-unet網絡的粘接面積定量化方法，包括以下步驟：基于仿真和實測的探地雷達數據，獲取多種場景下的深度c-scan切片，并將所述深度c-scan切片標注轉化為對應的掩膜二值圖，構建得到數據集；將二元交叉熵損失函數、iou損失函數和焦點損失函數進行融合，作為目標損失函數；在u-net模型的上采樣階段添加polarized?self-attention自注意力機制，構建得到psa-unet網絡，并通過所述數據集進行訓練；采用訓練后的psa-unet網絡對待識別圖像進行語義分割，并通過輪廓檢測識別分割后圖像的粘接劑邊緣，進行二值化填充；基于二值化填充后的圖像，統計得到粘接劑的粘接面積。
3、在其中一個實施例中，所述基于仿真和實測的探地雷達數據，獲取多種場景下的深度c-scan切片，并將所述深度c-scan切片標注轉化為對應的掩膜二值圖，構建得到數據集，包括：獲取仿真和實測的探地雷達數據，根據所述探地雷達數據得到多種場景下的深度c-scan切片，所述深度c-scan切片包含用于區分保溫板和粘接劑的紋理特征；采用標注工具將所述深度c-scan切片轉化為對應的掩膜二值圖，其中，將保溫板背景標注為白色，粘接劑標注為黑色；根據所述深度c-scan切片與對應的掩膜二值圖構建得到數據集，所述數據集用于進行psa-unet網絡訓練。
4、在其中一個實施例中，還包括：采用離線數據增強方法對所述數據集進行增強處理。
5、在其中一個實施例中，所述目標損失函數，為：
6、l＝l1lbce+l2liou+l3lfocal
7、式中，lbce是二元交叉熵損失函數，liou是iou損失函數，lfocal是焦點損失函數，λ1,λ2,λ3是每個損失函數的超參數。
8、在其中一個實施例中，所述采用訓練后的psa-unet網絡對待識別圖像進行語義分割，并通過輪廓檢測識別分割后圖像的粘接劑邊緣，進行二值化填充，包括：采用訓練后的psa-unet網絡對待識別圖像進行語義分割，得到劃分保溫板和粘接劑區域的分割圖像；通過輪廓檢測函數，對所述分割圖像上粘接劑的最外部輪廓進行檢測，得到輪廓信息；根據所述輪廓信息，將分割圖像中輪廓內部的對應區域進行二值化填充。
9、在其中一個實施例中，所述基于二值化填充后的圖像，統計得到粘接劑的粘接面積，包括：基于二值化填充后的圖像，進行面積像素統計，得到總面積，并對粘接劑對應的黑色像素點進行統計，得到有效粘接面積；根據有效粘接劑和總面積，計算得到粘接劑面積在整個保溫板中的占比。
10、相比于現有技術，本專利技術的優點及有益效果在于：基于仿真和實測的探地雷達數據，獲取多種場景下的深度c-scan切片，并將深度c-scan切片標注轉化為對應的掩膜二值圖，構建得到數據集；將二元交叉熵損失函數、iou損失函數和焦點損失函數進行融合，作為目標損失函數，通過對損失函數進行改進，提升了u-net模型的分割性能；在u-net模型上采樣階段添加polarized?self-attention自注意力機制，構建得到psa-unet網絡，并通過數據集進行訓練；采用訓練后的psa-unet網絡對待識別圖像中的保溫板和粘接劑進行語義分割，并通過輪廓檢測分割后的圖像識別粘接劑邊緣，并進行二值化填充，避免誤判現象；基于二值化填充后的圖像，統計得到粘接劑的粘接面積，實現對粘接劑的粘接面積定量化分析，從而實現準確、高效地對保溫板粘接劑所呈現的多個、分散且不規則目標特征的c-scan分層深度切片的語義分割，提高保溫層粘接劑粘接面積的準確性。
本文檔來自技高網...【技術保護點】
1.一種基于PSA-UNet網絡的粘接面積定量化方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于PSA-UNet網絡的粘接面積定量化方法，其特征在于，所述基于仿真和實測的探地雷達數據，獲取多種場景下的深度C-scan切片，并將所述深度C-scan切片標注轉化為對應的掩膜二值圖，構建得到數據集，包括：
3.根據權利要求1所述的基于PSA-UNet網絡的粘接面積定量化方法，其特征在于，還包括：
4.根據權利要求1所述的基于PSA-UNet網絡的粘接面積定量化方法，其特征在于，所述目標損失函數，為：
5.根據權利要求1所述的基于PSA-UNet網絡的粘接面積定量化方法，其特征在于，所述采用訓練后的PSA-UNet網絡對待識別圖像進行語義分割，并通過輪廓檢測識別分割后圖像的粘接劑邊緣，進行二值化填充，包括：
6.根據權利要求2所述的基于PSA-UNet網絡的粘接面積定量化方法，其特征在于，所述基于二值化填充后的圖像，統計得到粘接劑的粘接面積，包括：
【技術特征摘要】
1.一種基于psa-unet網絡的粘接面積定量化方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于psa-unet網絡的粘接面積定量化方法，其特征在于，所述基于仿真和實測的探地雷達數據，獲取多種場景下的深度c-scan切片，并將所述深度c-scan切片標注轉化為對應的掩膜二值圖，構建得到數據集，包括：
3.根據權利要求1所述的基于psa-unet網絡的粘接面積定量化方法，其特征在于，還包括：
4.根據權利要求1所...
【專利技術屬性】
技術研發人員：蘭天，李雨菡，龔俊波，王健，劉冕，龐森，
申請(專利權)人：北京理工大學重慶創新中心，
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。