Знаходження об’єктів у неоднорідному ґрунті за допомогою імпульсного георадару та штучних нейронних мереж
Анотація
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.
Завантаження
Посилання
2. Lewis AL. «Tests and Evaluation of Dual Sensor Mine Detectors based on a Combination of Metal Detector and Ground Penetrating Radar (TEDS)», ),» European Commission Directorate-General Joint Research Centre, AIDCO-JRC Administrative Arrangement No.: MAP/2004/078-257.
3. Zhang Y, Huston DR, Xia T. Underground object characterization based on neural networks for ground penetrating radar data. 2016 Apr 8. https://doi.org/10.1117/12.2219345
4. Dumin O, Plakhtii V, Prishchenko O, Shyrokorad D, Katrich VA. Ultrashort impulse radar for detection and classification of objects in layered medium by artificial neural network. Telecommunications and Radio Engineering. 2019;78(19):1759–70. https://doi.org/10.1615/telecomradeng.v78.i19.80
5. Liu T, Su Y, Huang C. Inversion of Ground Penetrating Radar Data Based on Neural Networks. 2018 May 9;10(5):730-0. https://doi.org/10.3390/rs10050730
6. Miller TW, Borchers B, Hendrickx JMH, Hong SH, Lensen HA, Schwering PBW, et al. Effect of soil moisture on land mine detection using ground penetrating radar. Broach JT, Harmon RS, Dobeck GJ, editors. SPIE Proceedings. 2002 Aug 12. https://doi.org/10.1117/12.479099
7. Sham JFC, Lai WWL, Leung CW. Effects of homogeneous/heterogeneous water distribution on GPR wave velocity in a soil’s wetting and drying process. 2016 Jun 13; pp. 1-6. https://doi.org/10.1109/ICGPR.2016.7572693.
8. Aye Mint Mohamed Mostapha, Ahmed. Faize, Gamil. Alsharahi, Mohamed. Louzazni, A. Driouach. Effect of External Noise on Ground Penetrating Radar Ability to Detect Objects. International Journal of Microwave and Optical Technology 2019;14(2):124-131.
9. Dumin O, Pryshchenko O, Plakhtii V, Pochanin G. Dielectric Object Subsurface Survey by Ultrawideband Radar and ANN. 2020 Sep 15. https://doi.org/10.1109/diped49797.2020.9273400
10. Gürel L, Oğuz U. Transmitter-receiver-transmitter-configured ground-penetrating radars over randomly heterogeneous ground models. Radio Science. 2002 Nov 16;37(6):6–16–9. https://doi.org/10.1029/2001rs002528
11. Gürel L, Oğuz U. Simulations of ground-penetrating radars over lossy and heterogeneous grounds. 2001 Jun 1;39(6):1190–7. https://doi.org/10.1109/36.927440
12. Takahashi K, Igel J, Holger Preetz. Modeling of GPR Clutter Caused by Soil Heterogeneity. 2012 Jul 10;2012:1–7. https://doi.org/10.1155/2012/643430
13. Jiang Z, Zeng Z, Li J, Liu F, Wu F. Simulation and analysis of GPR signal based on stochastic media model. 2012 Jun 4. https://doi.org/10.1109/icgpr.2012.6254863
14. Gürel L, Oğuz U. Simulations of ground-penetrating radars over lossy and heterogeneous grounds. 2001 Jun 1;39(6):1190–7. https://doi.org/10.1109/36.927440
15. Scheers Bart. Ultra-wideband ground penetrating radar with application to the detection of anti personnel landmines. Brussels: Royal Military Academy; 2001.
16. Tellez OLL, Scheers B. Ground‐Penetrating Radar for Close‐in Mine Detection. Mine Action - The Research Experience of the Royal Military Academy of Belgium [Internet]. 2017 Aug 30 [cited 2020 Apr 1]; Available from: https://www.intechopen.com/books/mine-action-the-research-experience-of-the-royal-military-academy-of-belgium/ground-penetrating-radar-for-close-in-mine-detection#B5. https://doi.org/10.5772/67007
17. Ozdemir C, Demirci S, Yigit E. Practical algorithms to focus b-scan gpr images: theory and application to real data. Progress In Electromagnetics Research B. 2008;6:109–22. https://doi.org/10.2528/pierb08031207
18. van der Kruk J, Vereecken H, Diamanti N, Giannopoulos A. Influence of interface roughness and heterogeneities on the waveguide inversion of dispersive GPR data. 2010 Jun 21; https://doi.org/10.1109/icgpr.2010.5550234
19. Windsor CG, Capineri L, Falorni P. A Data Pair-Labeled Generalized Hough Transform for Radar Location of Buried Objects. IEEE Geoscience and Remote Sensing Letters. 2014 Jan;11(1):124–7. https://doi.org/10.1109/LGRS.2013.2248119
20. G. Borgioli, Capineri L, Falorni P, Matucci S, Windsor CG. The Detection of Buried Pipes From Time-of-Flight Radar Data. 2008 Jul 25;46(8):2254–66. https://doi.org/10.1109/TGRS.2008.917211
21. Dumin O, Pryshchenko O, Plakhtii V, Pochanin G. Landmine detection and classification using UWB antenna system and ANN analysis. 2020 IEEE Ukrainian Microwave Week (UkrMW). 2020 Sep 21; https://doi.org/10.1109/ukrmw49653.2020.9252574
