学位论文简介

本论文聚焦于解决多视图神经网络在具身智能终端上面临的计算冗余与性能瓶颈问题。研究围绕多视图耦合关联技术，系统性地探索了从推理、训练到未来量子计算的智能加速技术研究。取得了以下主要创新性研究成果：

本论文面向道路巡检塌陷类隐患检测任务，围绕“输入质量改善—检测基线构建—半监督利用—任务引导协同”的总体思路，从监督检测、输入域杂波抑制、半监督学习及两者耦合等方面开展系统研究，形成一套兼顾可分辨性增强与训练有效性的整体方案。主要创新性研究成果如下：

1. 面向道路巡检隐患检测的监督基线框架 GCNet。针对隐患目标尺度与形态多样、定位与分类优化目标不一致等问题，本文构建 GCNet 检测框架：在输入侧引入纹理增强以强调局部结构差异；在网络结构上采用以 ResNet-101 为骨干并结合 FPN 的多尺度特征融合方式，以适配不同尺度与形态的隐患回波；在训练策略上引入任务对齐与样本重加权机制，缓解分类与定位目标不一致带来的优化偏差，提升训练稳定性与定位精度。

2. 面向复杂层状背景的杂波抑制与隐患增强方法 GDGAN。针对层状背景与结构性噪声对隐患回波的遮蔽效应，本文提出 GDGAN，将观测 B-scan 图像表示为背景分量与隐患分量的叠加，并采用双分支编码—解码结构分别刻画背景稳定结构与局部异常；同时引入局部判别约束与一致性约束，在抑制背景纹理干扰与伪影生成的同时，保持整体几何结构一致性并突出隐患相关细节，从输入域提升隐患可见性，为下游检测提供更清晰、更稳定的表征。

3. 融合对比表征与一致性检测的半监督框架 CL-SemiGPR。针对标注稀缺导致的泛化不足问题，本文提出 CL-SemiGPR，将对比学习表征预训练与教师—学生一致性检测训练相结合，使未标记样本能够通过伪监督参与模型更新；在伪标签生成与使用过程中采用置信度筛选与一致性约束抑制伪标签噪声；在数据组织层面以原始样本为单位划分训练与测试集合，避免同一原始样本的多视角增强跨集合引入评估偏差，从而在有限标注条件下提升检测性能。

4. 任务引导去噪及其与半监督一致性学习的耦合方法 DeGPR 与 De-SemiGPR。针对仅以重建误差优化的去噪易平滑弱隐患细节的问题，本文提出任务引导去噪方法 DeGPR，在去噪网络中引入辅助检测分支，使检测损失对去噪过程施加约束，引导模型在抑制干扰的同时保留对检测更敏感的结构信息；进一步构建 De-SemiGPR，将去噪弱增强分支用于产生更稳定的教师信号，并通过几何一致映射对齐不同增强分支下的伪标签监督目标，降低噪声与增强变换引起的伪标签漂移，增强一致性训练在复杂噪声场景中的有效性与鲁棒性。

在道路巡检数据上的实验与分析表明,GCNet 基线能够为多尺度隐患目标检测提供较好性能；GDGAN 与 DeGPR 从输入域改善了隐患可见性，使检测网络在低对比度目标上获得更清晰的响应；在有限标注条件下，CL-SemiGPR 能够有效利用未标记数据提升整体检测水平，并在不同 IoU 阈值指标下保持一致的改进趋势；将任务引导去噪与半监督一致性学习结合的 De-SemiGPR 在噪声较强场景中表现出更强的鲁棒性。上述研究为道路巡检 GPR 隐患自动检测提供方法支撑，并为后续在更复杂工况下的泛化验证、伪标签质量控制与物理机理融合研究提供参考。

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.