基于YOLOv8的道路地下目标探地雷达图像识别研究

吴 俊楠1, 范 日东1, 2, 毛 柏杨2
1、东华大学　环境科学与工程学院
2、上海市建筑科学研究院有限公司　上海市工程结构安全重点实验室

摘要


探地雷达定期检测道路地下隐患目标对减少道路塌陷事故具有重要意义。为解决探地雷达图像人工识图效
率低问题，使用 YOLOv8模型自动识别道路地下目标，从而确定适用于道路地下目标探地雷达图像识别的深度学习
模型。对 YOLOv8系列模型训练和推理结果表明，YOLOv8n的训练效果相对最好，推理速度达到实时推理要求，推
理效果较好。研究结果能够为道路病害监测预警提供技术支撑。

关键词


道路地下目标；目标检测；YOLOv8

全文:

PDF


参考


[1]Zou, Z.X., Chen, K.Y., Shi, Z.W., Guo, Y.H.

and Ye, J.P. (2023) Object detection in 20 years: a survey.

Proceedings of the IEEE, 111(3): 257-276.

[2]董洪义.深度学习之 PyTorch物体检测实战 [M].北

京：机械工业出版社，2020：10-11.

[3]高星.基于深度学习的口罩佩戴目标检测研究

[D]：[硕士学位论文 ].太原：中北大学，2023.

[4]李曼如.基于探地雷达和深度学习的道路地下病

害智能检测研究 [D]：[硕士学位论文 ].广州：广东工业

大学，2022.

[5]Ma, H.J., Liu, Y.L., Ren, Y.H. and Yu, J.X. (2020)

Detection of collapsed buildings in post-earthquake remote

sensing images based on the improved YOLOv3. Remote

Sensing, 12(1): 44.

[6]马德俊.基于 GPR的道路地下病害智能识别方法

研究 [D]：[硕士学位论文 ].烟台：烟台大学，2023.

[7]王广涛，郑文青，陈自谦，等.浅析三维探地雷

达水平切片在道路地下病害体识别中的作用 [J].城市勘

测，2021，（第A1期）：103-105.

[8]许明，张弓，王广涛，等.探地雷达图像异常检测

方法研究及应用 [J].中国煤炭地质，2023，35（02）：73-78.

[9]张迪，莫其妙.基于 GprMax的地下管线探地雷达

图像正演模拟 [J].工程地球物理学报，2022，19（02）：

168-182.




DOI: http://dx.doi.org/10.12361/2661-3654-06-11-140578

Refbacks

  • 当前没有refback。