【技术实现步骤摘要】
本专利技术涉及探地雷达数据处理，尤其涉及一种基于psa-unet网络的粘接面积定量化方法。
技术介绍
1、探地雷达(ground penetrating radar，gpr)，技术基于地下不同物质介质参数的差异，通过发射宽带电磁波脉冲，实现对地表以下非可视化物体的内部结构或构造的精确勘测。
2、建筑外墙保温层常常会出现各种病害，这些病害最终会导致外墙保温板粘接剂面积的缺失，会对其保温效果和能源消耗产生负面影响，引发安全隐患。在建筑工程质量监控领域中，建筑外墙保温层病害的检测一直是一个关键且复杂的挑战。而探地雷达由于上述诸多优点，其相较于其他方法在保温层病害检测方面更有优势。在探地雷达对建筑外墙保温层的检测中，通过对建筑外墙进行扫描，可以获取保温层的厚度、内部结构等信息，进而判断其粘接剂的面积占比。外墙外保温工程技术标准规定xps保温板的最小粘接面积为50％。因此，需要对建筑外墙保温层的粘接面积进行准确地检测，以判断粘接面积是否达到工程标准。
3、目前国内外在探地雷达回波b-scan图像的语义分割，尤其是双曲线的分割上有许多研究成果，如：深度卷积神经网络(dcnn)、deeplabv3+语义分割算法、mask r-cnn和像素级生成对抗网络(pixel to pixel image translation with gan,pix2pix gan)方法等。但是，上述方法对b-scan切片比较有效，对c-scan分层切片都存在一定的局限性。因此，保温层粘接剂的有效粘接面积存在统计不清、统计不准的问题，这导致无
4、因此，亟需一种能够高效、准确地处理保温板粘接剂多目标、不均匀且分散目标的语义分割方法，以精准分割保温板和粘接剂，同时提高后续粘接剂面积统计工作的准确度。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于psa-unet网络的粘接面积定量化方法。
2、一种基于psa-unet网络的粘接面积定量化方法，包括以下步骤：基于仿真和实测的探地雷达数据，获取多种场景下的深度c-scan切片，并将所述深度c-scan切片标注转化为对应的掩膜二值图，构建得到数据集；将二元交叉熵损失函数、iou损失函数和焦点损失函数进行融合，作为目标损失函数；在u-net模型的上采样阶段添加polarized self-attention自注意力机制，构建得到psa-unet网络，并通过所述数据集进行训练；采用训练后的psa-unet网络对待识别图像进行语义分割，并通过轮廓检测识别分割后图像的粘接剂边缘，进行二值化填充；基于二值化填充后的图像，统计得到粘接剂的粘接面积。
3、在其中一个实施例中，所述基于仿真和实测的探地雷达数据，获取多种场景下的深度c-scan切片，并将所述深度c-scan切片标注转化为对应的掩膜二值图，构建得到数据集，包括：获取仿真和实测的探地雷达数据，根据所述探地雷达数据得到多种场景下的深度c-scan切片，所述深度c-scan切片包含用于区分保温板和粘接剂的纹理特征；采用标注工具将所述深度c-scan切片转化为对应的掩膜二值图，其中，将保温板背景标注为白色，粘接剂标注为黑色；根据所述深度c-scan切片与对应的掩膜二值图构建得到数据集，所述数据集用于进行psa-unet网络训练。
4、在其中一个实施例中，还包括：采用离线数据增强方法对所述数据集进行增强处理。
5、在其中一个实施例中，所述目标损失函数，为：
6、l＝l1lbce+l2liou+l3lfocal
7、式中，lbce是二元交叉熵损失函数，liou是iou损失函数，lfocal是焦点损失函数，λ1,λ2,λ3是每个损失函数的超参数。
8、在其中一个实施例中，所述采用训练后的psa-unet网络对待识别图像进行语义分割，并通过轮廓检测识别分割后图像的粘接剂边缘，进行二值化填充，包括：采用训练后的psa-unet网络对待识别图像进行语义分割，得到划分保温板和粘接剂区域的分割图像；通过轮廓检测函数，对所述分割图像上粘接剂的最外部轮廓进行检测，得到轮廓信息；根据所述轮廓信息，将分割图像中轮廓内部的对应区域进行二值化填充。
9、在其中一个实施例中，所述基于二值化填充后的图像，统计得到粘接剂的粘接面积，包括：基于二值化填充后的图像，进行面积像素统计，得到总面积，并对粘接剂对应的黑色像素点进行统计，得到有效粘接面积；根据有效粘接剂和总面积，计算得到粘接剂面积在整个保温板中的占比。
10、相比于现有技术，本专利技术的优点及有益效果在于：基于仿真和实测的探地雷达数据，获取多种场景下的深度c-scan切片，并将深度c-scan切片标注转化为对应的掩膜二值图，构建得到数据集；将二元交叉熵损失函数、iou损失函数和焦点损失函数进行融合，作为目标损失函数，通过对损失函数进行改进，提升了u-net模型的分割性能；在u-net模型上采样阶段添加polarized self-attention自注意力机制，构建得到psa-unet网络，并通过数据集进行训练；采用训练后的psa-unet网络对待识别图像中的保温板和粘接剂进行语义分割，并通过轮廓检测分割后的图像识别粘接剂边缘，并进行二值化填充，避免误判现象；基于二值化填充后的图像，统计得到粘接剂的粘接面积，实现对粘接剂的粘接面积定量化分析，从而实现准确、高效地对保温板粘接剂所呈现的多个、分散且不规则目标特征的c-scan分层深度切片的语义分割，提高保温层粘接剂粘接面积的准确性。
本文档来自技高网...【技术保护点】
1.一种基于PSA-UNet网络的粘接面积定量化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于PSA-UNet网络的粘接面积定量化方法，其特征在于，所述基于仿真和实测的探地雷达数据，获取多种场景下的深度C-scan切片，并将所述深度C-scan切片标注转化为对应的掩膜二值图，构建得到数据集，包括：
3.根据权利要求1所述的基于PSA-UNet网络的粘接面积定量化方法，其特征在于，还包括：
4.根据权利要求1所述的基于PSA-UNet网络的粘接面积定量化方法，其特征在于，所述目标损失函数，为：
5.根据权利要求1所述的基于PSA-UNet网络的粘接面积定量化方法，其特征在于，所述采用训练后的PSA-UNet网络对待识别图像进行语义分割，并通过轮廓检测识别分割后图像的粘接剂边缘，进行二值化填充，包括：
6.根据权利要求2所述的基于PSA-UNet网络的粘接面积定量化方法，其特征在于，所述基于二值化填充后的图像，统计得到粘接剂的粘接面积，包括：
【技术特征摘要】
1.一种基于psa-unet网络的粘接面积定量化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于psa-unet网络的粘接面积定量化方法，其特征在于，所述基于仿真和实测的探地雷达数据，获取多种场景下的深度c-scan切片，并将所述深度c-scan切片标注转化为对应的掩膜二值图，构建得到数据集，包括：
3.根据权利要求1所述的基于psa-unet网络的粘接面积定量化方法，其特征在于，还包括：
4.根据权利要求1所...
【专利技术属性】
技术研发人员：兰天，李雨菡，龚俊波，王健，刘冕，庞森，
申请(专利权)人：北京理工大学重庆创新中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。