(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110706142.X (22)申请日 2021.06.24 (65)同一申请的已公布的文献号 申请公布号 CN 113447536 A (43)申请公布日 2021.09.28 (73)专利权人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 王正方　刘涵池　王静　蒋鹏　 雷鸣　隋青美　张凤凯　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G01N 27/22(2006.01) G01S 13/88(2006.01) G06F 30/27(2020.01)(56)对比文件 CN 111323764 A,2020.0 6.23 CN 111781576 A,2020.10.16 CN 112462346 A,2021.0 3.09 CN 111123374 A,2020.0 5.08 CN 112731377 A,2021.04.3 0 CN 108875211 A,2018.1 1.23 CN 10948 8384 A,2019.0 3.19 CN 112149502 A,2020.12.2 9 CN 111395125 A,2020.07.10 US 202016 0212 A1,2020.0 5.21 Alex Hanso n.Bidirecti onal convolutional LSTM for the detecti on of violence in videos. 《E CCV 2018 W orkshops, LNCS11130》 .2019, 李姝凡. 《基 于探地雷达的确 切内下病害识 别方法研究》 . 《中国优秀高级论文 全文数据库 工程科技 II辑》 .2020, 审查员 杜赞赞 (54)发明名称 一种混凝土介电常数反演与病害识别方法 及系统 (57)摘要 本发明提供了一种混凝土介电常数反演与 病害识别方法及系统， 对不同应用场景的地质雷 达设备提取实际发射子波信号， 将其作为仿真建 模源子波信号进行正演， 生 成相应的地质雷达剖 面图， 其同建立的介电常数分布图和目标类别标 签形成数据对， 构成仿真训练数据集； 构建地质 雷达智能反演与识别模型， 基于仿真训练数据 集， 训练所述地质雷达智 能反演与识别模型； 建 立真实训练数据集， 基于真实训练数据集和迁移 学习方法微调所述地质雷达智能反演与识别模 型； 利用微调 后的地质雷达智能反演与识别模型 对真实雷达检测数据进行介电常数反演和病害 识别。 本发 明解决了拼接位置病害形态与介电常 数数值的不连续问题， 适用于任意长度连续测线地质雷达数据处 理。 权利要求书2页 说明书10页 附图4页 CN 113447536 B 2022.09.30 CN 113447536 B 1.一种混凝 土介电常数反演与病害识别方法， 其特 征是： 包括以下步骤： 对不同应用场景的地质雷达设备提取实际发射子波信号， 将其作为仿真建模源子波信 号进行正演， 生成相应的地质雷达剖面图， 其同建立的介电常数分布图和目标类别标签形 成数据对， 构成仿真训练数据集； 构建地质雷达智能反演与识别模型， 基于仿真训练数据集， 训练所述地质雷达智能反 演与识别模型； 建立真实训练数据集， 基于真实训练数据集和迁移学习方法微调所述地质雷达智能反 演与识别模型； 利用微调后的地质雷达智能反演与识别模型对真实雷达检测数据进行介电常数反演 和病害识别； 所述地质雷达智能反演与识别模型包括级联的局部短测线空间特征提取结构、 长测线 时空特征交互结构和介电常数反演与目标识别双任务结构； 所述局部短测线空间特征提取结构， 采用多个并行的全卷积网络结构， 每个全卷积网 络结构用于单独处理从任意长度连续测线中不同位置提取的各个局部 短测线B‑Scan剖面， 对其进行空间上 下文特征提取， 形成任意长度连续测线地质雷达检测数据的特 征序列； 所述长测线时空特征交互结构， 采用一层Bi ‑ConvLSTM结构， 用 于实现局部短测线B ‑ Scan剖面特征序列中的双向时空信息融合， 通过地质雷达探测方向的正向和地质雷达探测 方向的反向的局部短测线B ‑Scan特征的自适应信息融合， 生 成包含局部短测线B ‑Scan剖面 之间的空间上下文信息的增强特征序列， 以实现反演或识别具有连续形状、 类别和介电常 数值的混凝 土内部目标； 所述介电常数反演与目标识别双任务结构， 采用多个并行的两分支卷积网络结构， 每 个并行的两分支卷积网络结构用于单独处理每个局部短测线B ‑Scan剖面经长测线时空特 征交互结构提取的增强特 征， 同时重建 混凝土介电常数分布和识别病害类型、 位置及轮廓。 2.如权利要求1所述的一种混凝土介电常数反演与病 害识别方法， 其特征是： 对不同应 用场景的地质雷达设备提取实际发射子波信号， 将其作为仿真建模源子波信号进行正演， 进行正演的具体过程包括： 对不同应用场景确定地质雷达设备， 提取该地质雷达设备 的空 采直达波作为子波， 采用与该地质雷达 设备子波频率和相位一致的雷克子波作为建模的源 子波， 对每一副介电常数分布图进行正演， 生成相应的地质雷达剖面图。 3.如权利要求1所述的一种混凝土介电常数反演与病 害识别方法， 其特征是： 地质雷达 剖面图同建立的介电常数分布图和目标类别标签形成数据对的具体过程包括： 将不同应用 场景测量所得的背景噪声随机叠加到仿 真雷达检测数据中， 得到背景与子波接近真实的仿 真数据； 建立混凝土结构介电常数分布图和目标类别标签两种标签， 得到 “地质雷达剖面 图‑介电常数分布图与/或目标类别标签 ”数据对。 4.如权利要求1所述的一种混凝土介电常数反演与病 害识别方法， 其特征是： 作为可选 择的实施方式， 建立真实训练数据集的具体过程包括： 对地质雷达实际探测的连续测线地 质雷达剖面数据、 依据实际现场建立的介电常数模型以及目标类型标签进 行对应的水平 方 向的随机 裁剪和双线性插值以进行 数据增强， 建立真实训练数据集。 5.一种混凝 土介电常数反演与病害识别系统， 其特 征是： 包括： 仿真训练数据构建模块， 被配置为对不同应用场景的地质雷达设备提取实际发射子波权　利　要　求　书 1/2 页 2 CN 113447536 B 2信号， 将其作为仿真建模源子波信号进 行正演， 生成相应的地质雷达剖面图， 其同建立的介 电常数分布图和目标类别标签形成数据对， 构成仿真训练数据集； 模型构建训练模块， 被配置为构建地质雷达智能反演与识别模型， 基于仿真训练数据 集， 训练所述 地质雷达智能反演与识别模型； 模型迁移学习模块， 被配置为建立真实训练数据集， 基于真实训练数据集和迁移学习 方法微调所述 地质雷达智能反演与识别模型； 反演与识别模块， 被配置为利用微调后的地质雷达智能反演与识别模型对真实雷达检 测数据进行介电常数反演和病害识别； 所述地质雷达智能反演与识别模型包括级联的局部短测线空间特征提取结构、 长测线 时空特征交互结构和介电常数反演与目标识别双任务结构； 所述局部短测线空间特征提取结构， 采用多个并行的全卷积网络结构， 每个全卷积网 络结构用于单独处理从任意长度连续测线中不同位置提取的各个局部 短测线B‑Scan剖面， 对其进行空间上 下文特征提取， 形成任意长度连续测线地质雷达检测数据的特 征序列； 所述长测线时空特征交互结构， 采用一层Bi ‑ConvLSTM结构， 用 于实现局部短测线B ‑ Scan剖面特征序列中的双向时空信息融合， 通过地质雷达探测方向的正向和地质雷达探测 方向的反向的局部短测线B ‑Scan特征的自适应信息融合， 生 成包含局部短测线B ‑Scan剖面 之间的空间上下文信息的增强特征序列， 以实现反演或识别具有连续形状、 类别和介电常 数值的混凝 土内部目标； 所述介电常数反演与目标识别双任务结构， 采用多个并行的两分支卷积网络结构， 每 个并行的两分支卷积网络结构用于单独处理每个局部短测线B ‑Scan剖面经长测线时空特 征交互结构提取的增强特 征， 同时重建 混凝土介电常数分布和识别病害类型、 位置及轮廓。 6.一种计算机可读存储介质， 其特征是： 用于存储计算机指令， 所述计算机指令被处理 器执行时， 完成权利要求1 ‑4中任一项所述的方法中的步骤。权　利　要　求　书 2/2 页 3 CN 113447536 B 3