优化卷积神经网络模型在隧道探地雷达实测数据分类中的研究及应用

发布时间：2022-01-01 03:38

　　随着我国高速公路建设的加快,施工中隧道地质超前预报是施工安全保障的重要手段之一,其中探地雷达（Ground Penetrating Radar,GPR）图像的判读是隧道地质超前预报中的关键步骤,如何提高探地雷达图像判读准确率一直是该领域的研究热点。本文结合卷积神经网络在图像识别中的优势,研究并实现高效的隧道GPR图像分类模型,并对卷积神经网络模型压缩做了相关研究。在实际工程中,隧道GPR图像存在复杂多变,难以识别等问题,所以传统的机器学习方法很难有效提高对GPR图像的识别准确率。因此,本文采用迁移学习和数据扩增的技术改进了典型VGG-16（Visual Geometry Group-16）网络模型,旨在使用较少的标记样本充分训练卷积神经网络,以有效提高模型对隧道GPR图像的识别准确率。并在此基础上进一步研究发现,基于迁移学习改进的VGG-16网络模型存在模型体积庞大、预测时间久等问题,不利于将该网络模型部署在嵌入式设备中。因此,本文在研究相关模型压缩技术后,采用通道剪枝和权值量化的方式对改进的VGG-16网络模型进行优化。首先,迁移学习阶段使用VisTex纹理数据库作为源域数据,在Ca... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

本文技术路线图

探地雷达结构示意图

SIR-300探地雷达

【参考文献】：
期刊论文
[1]深度网络模型压缩综述[J]. 雷杰,高鑫,宋杰,王兴路,宋明黎.  软件学报. 2018(02)
[2]探地雷达的常见干扰和不良地质体的超前预报在隧道工程中的应用[J]. 岳全贵,张杨,肖国强,周黎明.  长江科学院院报. 2017(08)
[3]基于CNN技术的探地雷达线测图分类解释模型[J]. 郭玉锦,陈旭阳,赵耀华.  公路交通科技(应用技术版). 2017(07)
[4]隧道综合超前地质预报技术及其工程应用[J]. 周轮,李术才,许振浩,李利平,黄鑫,何树江,李国豪.  山东大学学报(工学版). 2017(02)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[6]提高探地雷达时域接收机性能的技术研究[J]. 赵翠荣,彭宇,胡通海.  现代电子技术. 2015(01)
[7]隧道衬砌背后积水地质雷达检测模型试验研究[J]. 杨艳青,高永涛,贺少辉,齐法琳.  中国铁道科学. 2014(06)
[8]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)
[9]超宽带探地雷达探测性能研究[J]. 李文超,王绪本,邓薇.  成都理工大学学报(自然科学版). 2008(02)
[10]探地雷达应用概述[J]. 李嘉,郭成超,王复明,张景伟.  地球物理学进展. 2007(02)



本文编号：3561575