Знаходження об’єктів у неоднорідному ґрунті за допомогою імпульсного георадару та штучних нейронних мереж
DOI:
https://doi.org/10.26565/2311-0872-2022-37-06Ключові слова:
георадар, гаусовий імпульс, штучна нейронна мережа, неоднорідне середовище, гуманітарне розмінування, надширокосмуговий сигналАнотація
Актуальність. Виявлення прихованих об’єктів в товщі ґрунту є актуальною проблемою, що є важливою в будівництві, археології, гуманітарному розмінуванні, неруйнівному контролі дорожніх покриттів, дефектоскопії тощо. Дослідження особливостей поведінки електромагнітного поля в моделях неоднорідних середовищ дає змогу створювати системи підповерхневого зондування, які зможуть ефективно працювати в реальних умовах.
Мета роботи. Здійснити розпізнавання об’єкта, прихованого в неоднорідному середовищі, за допомогою надширокосмугового (НШС) георадару та штучної нейронної мережі (ШНМ), оцінити роботу нейронної мережі, яка навчається тільки на однорідних середовищах, дослідити стабільность результатів розпізнавання за наявності шуму різних рівнів у прийнятих антенною системою часових залежностях амплітуди електричного поля, провести порівняння результатів із донавченою мережею. Перевірити здатність ШНМ правильно ідентифікувати типові об’єкти, які не були задіяні в навчанні.
Матеріали та методи. Моделювання електродинамічної задачі поширення електромагнітного поля проводиться методом кінцевих різниць у часовому просторі (FDTD). Класифікація прихованих об’єктів проводиться за допомогою застосування підходу штучних нейронних мереж.
Результати. За допомогою використання георадару та ШНМ було розроблено ефективний алгоритм виявлення об’єктів у неоднорідній моделі ґрунту. Отримані імовірнісні розподіли класифікації прихованих об’єктів під впливом адитивного гаусового шуму.
Висновки. Використання ШНМ є успішним для класифікації об’єктів, що знаходяться у неоднорідному ґрунті. Продемонстрована здатність виявляти предмети, що містять мало металевих частин. Розроблений алгоритм має високий рівень шумостійкості навіть за малих значень сигнал-шум. Результати виявлення та розпізнавання типових об’єктів, які не були задіяні в тренуванні ШНМ, свідчать про ефективність цього підходу.