学位论文简介

随着城市道路塌陷事故的不断发生和增多，城市道路安全问题日益引起了人们的关注，这关系到基础设施建设水平的衡量和人民群众生命安全的保障。而探地雷达（Ground Penetrating Radar, GPR）技术是道路安全检测的重要手段，深度学习技术是图像自动化检测的关键手段，因此通过GPR图像与深度学习技术的结合来自动探测地下安全隐患成为城市道路交通安全领域热门课题。我们探索了深度学习算法在GPR图像上应用，取得了以下主要创新性研究成果：

1）针对地面塌陷隐患自动化检测的问题，我们首次设计基于深度学习的算法来预测地下隐患，提出一种基于探地雷达（GPR）的地下隐患检测网络（GcNet），用于检测地下隐患类型，包括空洞、不良土质等。同时，提出一种基于区域二值模式的特征增强方法，通过增加探地雷达图像的多层次特征，实现探地雷达数据的扩充。

2）针对GPR图像的杂波抑制问题，本文提出了一种基于无监督学习算法GDGAN来抑制GPR图像中的无效杂波干扰，并对GPR数据上重建隐患信号。结果表明，该方法优于其他无监督方法，能够有效地抑制隐患信号，准确地重构缺陷信号。此外，还可以显著提高城市道路地下隐患的识别精度；

3）针对GPR数据无法支持大批量数据训练的问题，提出了一种基于半监督学习方法的地下隐患检测算法，自注意力对比学习网络（SA DenseCL）。实验数据表明，该方法比使用监督学习网络的隐患检测精度要高，可以提高探地雷达图像中隐患检测准确度。

主要学术成果

1. Wei Yao, Xu Zhou, Guanghua Tan, Shenghong Yang, Kenli Li. GCNet: Ground Collapse Prediction Based on the Ground-Penetrating Radar and Deep Learning Technique[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2023. (第一作者, SCI四区, IF: 1.5).

2. 姚伟;周旭;谭光华;杨圣洪.基于3D任务并行网络的地下塌陷隐患实时检测方法和系统.专利号：CN202210839427.5 (实审阶段).

3. 姚伟;周旭;李肯立;谭光华;杨圣洪.一种基于混合网络的地面塌陷隐患智能检测方法和系统.专利号：CN202111586665.1(实审阶段).

4. 姚伟.智慧水务云平台技术的应用与发展.安防科技，2023，38：251-251

5. 姚伟.海绵城市理念下的智慧水务建设研究.科技新时代，2023，8：176-176

6. 姚伟.面向复杂场景的排水管网智能检测技术及装置.中国仪器仪表学会科学技术三等奖.