矿山地质雷达探测中人工智能系统有效应用研究

王 杰，陈思状

（中咨公路养护检测技术有限公司，北京 100089）

1 雷达图像模式识别技术现状

得益于图像识别技术、人工智能系统的快速进步，有关于通过仪器采集数据处理结果判别以及区分已是目前行业发展的趋势。图像识别是以减少矿山地质勘查人员工作量为目标，可以对所采集的地质数据自动分析、判断的智能系统。

图片领域判断的逻辑基础是自模式领域到类型领域的转换。图片判断措施大致分为三类：决策理论判断、句法分解判断、隶属择近判断等。然而上述三类措施开发在图片判断亦有所长亦有所短，因此立足于大量图片判断行业的发展需求，大量的专家开创了相当多的手段，例根据类别对应的图片判断措施、根据人工智能的图片判断措施、根据可观决断的图片判断措施等，更存在各种手段相互联系起来的图片判断措施，同时开发于工程现场也具备显著的优势。

GPR选取发射装置持续产生较强电磁信号到被测断面前方，接着感应前方异常岩体电磁折返信号，基于相异的异常岩体与较强电磁信号存在相异折返关系，因而自GPR数据反映上存在相异的图型关系。因而选取图片判断手段，较为简单做矿井未开挖段异常岩体研究分类工作。大量专家在GPR图片判断做了许多探究，提出了多种GPR图片标志点筛分以及对象判断的新手段。对图片弱信号做晒别，接着晒分弱信号图片的基本结构组成对象的标志，通过线性分类器做晒别进行对象判断。

2 GPR数据前置分析

2.1 杂声滤去、图像两极分割

数据结果在采集、转移工作下存在许多杂音点的损坏导致图像质量变差，也存在筛分功效低的程序使结果产生杂音。数据结果里体现出，杂音导致开始正常以及一直蜕转的黑色量值倏地增高以及降低，产生一定量失实的东西周围以及表面。

所以，减少以及蜕去这种杂音，对提高数据效果有益。把一个存在圆锥线关系的样板GPR图形当作范本，筛除特定频率做效应分析如图1。

图1 样板2D-GPR数据前置分析

图像两极分割是把黑色量值数据结果以及非黑白数据结果蜕变成仅有墨值同亮值色彩度数据的解析途径。两极分割阶段普遍先于图片标志点筛分以及对象判断。对黑色量值图像两极分割最易用的手段是做整体TR分析，也就是黑色量值高于特定层的色彩度判定作1（代表亮彩），因此低于此层级的色彩度判定作0（即暗彩）。把已经筛除特定频率的影型设置成两极分割前的开端影型，设临界层级即90，因此已经被两极分割的数据结果。

2.2 外型分析

数据结果轮廓作为影型的极关键要素。数据结果轮廓即作为其边界暗色值存在低级升蜕转的此类数值的组成元素。轮廓普遍存在于元素集合、后基中缘，元素集合、元素集合中缘、元素与元素中缘，此也作为影型筛离所凭借的根本要素。

拿2D-GPR数据结果作讨论，数据结果轮廓能够认为即通过各种禁止联通范围构造结合，因此分辨此类禁止联通范围相互中的区段层表达了GPR方向关键含义，此类区段层在GPR数据结果中一般展示出了硬质的间断特点。把GPR数据结果做轮廓分析，即为分析此类间断特点，换言之把此类音型硬质的间断值做筛分剔出。因为GPR数据分析途经的繁琐特点，还有很多杂音起点的产生，数据结果分析判断过程也会非常繁琐。

2.3 GPR数据结果关键点筛出

数据结果判断把相当多音型关键点分析的，此类关键点的取舍相当关键，对数据结果判断筛分仪的规划制作、品质和判断最终的恰当点起作用。关键点取舍失败，筛别不但筛得错误，还有可能不能筛别。关键点的取舍是GPR数据结果分析中的重要节点之一。

因为GPR数据结果存在紧跟周围情况的更改因而导致更改，此把GPR数据结果关键点取舍以及筛出相当繁琐。把关键点的最初内容选取相异的分析手段，能够筛分得许多种类的关键点内容，然而也不能把一切关键点被选取于样板判断，被选取于样板判断的关键点一定需要有此叄种特性即特异性、可分性、鲁棒性。

日常把选取普遍选取壹类性质使彻底具备前面叄类特点，因此把普遍选取大数量关键点的构成作样板判断。发展在数据结果判断的关键点存在大量类别，一般能归呈后述四种：音型的外在表现、音型规律表现、转化表现、理论表现。

关键点值的筛别手段有很多，例每一单元性质筛别、结构性质筛别、立体数学性质筛别、多值性质筛别、曲型降级性质筛别等。

此篇文章选取每一单元性质筛别手段，把GPR数据结果做全体元素的分析，把暗性数值假定为元素满，把亮性数值假定为元素空，因此把分析完成就产生了单值和音型内色度值量值一样的关键点数值集合。

3 人工智能数据结果判断

人工智能数据判断让智能集合存在相当好的适应优势以及鲁棒优势，但是模板判断内一般有杂音破坏还有导进方法的少量破坏，智能集合此要素也成为它科学实现样板判断疑难的要点部分。另有，人工智能的主动分派、主动合宜练习重要组成，令它在某类判断疑难表现了相当好的特点以及发展方向。

3.1 人工智能结构模型

GPR数据结果里两弧形要素选取每一单元性质筛别手段，也就是直接采取逐一元素的色度量当做关键性质。所以，导进段智能节点的量值当做采用演习／检验界面(M×N)内的选取要素量。暗段的单元量在数学目前不存在强制要求，普遍言之，暗存智能节点量太低时，智能集合单回训练阶段太少，仍会由于训练量少使得智能集合不能储存所有训练情况；暗段智能节点的量越大，因而BP智能集合会越无误，演习阶段也会越多，仅仅暗段智能节点较难筛别大量，因此可能影响智能集合内存值大小，影响智能集合对不明导进的总结属性减退，减弱网络的反杂性。采取现场检验，普通暗存段智能节点的量值在10和16内属于正常，人工智能筛别导进量值的关键性质相当简单。导进段是一个智能节点，假置外导1是存在关键点，外导0是不存在关键点，外导处在0与1内的低值是或许存在关键点。这种外导和关键点有可能性内的连接和智能集合演习可不可能到量、模板采取会不会存在特点、其诊断范围的土层内构成与蚀孔两弧形关键点会不会复杂等影响存在联系。

3.2 人工智能熟悉与判断

演习模板音型选取界面分析的手段，首横然竖，M×N个导进元素，1个外导元素，外导量位于0与1内。模板音型区别成三类：准层、错层以及存在于二者内。模板音型是从现场采集值和两弧形模拟值，首取两弧形数学公式模拟相异弧值、相异演习界面点的准层模板音型，紧接着自现场采集值内采用准层与错层的模板音型一个接一个人工智能做演习。

取演习完成的BP智能集合能够把GPR数据结果做判断。把GPR数据结果做先置分析，以首横然竖，步长M×N手段判断全部GPR数据结果，挨各做关键点筛出，导进BP智能集合结构做判断。假如一例M×N量的分数据筛出成两弧形，分数据固定；假如筛出非为两弧形，因此会把分数据制定无，在所有分数据筛出结束，总结出全部筛出后的GPR数据结果。把前置分析完成的图2-1作范本，对它做判断。

在对数字图像模式识别研究的基础上，采用人工智能模式识别技术，探索地质雷达探测溶洞图像的智能识别，建立智能识别二维地质雷达图像中由于含水小溶洞造成双曲线特征的人工智能模型，为识别地质雷达图像中的其它不良地质体提供了一条新的途径）。

4 结论

本文以地质预报与辅助软件结合的问题为主要研究对象，采用地质工程与软件工程相结合的思想，多学科、多角度的对矿山地质数据采集及预报问题进行综合集成研究。论文取得以下主要认识和结论：

在对数字图像模式识别研究的基础上，采用神经网络模式识别技术，探索地质雷达探测矿山地质图像的智能识别，为识别图像中的其它不良地质体提供了一条新的途径。