基于YOLO算法的探地雷达道路图像异常自动检测

探地雷达（GPR）是一种可用于道路内部异常目标识别的无损检测方法。GPR工作时往往产生海量的扫描数据，而数据解释是技术要求高、任务繁重的工作，通常需要人工完成。此外，道路内部的复杂性和异常目标的多样性增加了图像异常检测的难度。近年来，人工智能（AI）技术的快速发展为基于AI的探地雷达B-scan图像自动解释提供了可行的技术思路，常用的深度学习算法有RCNN和YOLO。虽然YOLOv3在目标检测方面已经有了一定的成效，但基于其改进的YOLOv4算法可以进一步提高检测能力。本文结合YOLOv3算法，对比研究分析YOLOv4目标检测算法的改进对于目标检测任务的影响，以及YOLOv4算法对探地雷达图像异常目标检测效率的提升能力。结果表明，经过网络框架和算法改进的YOLOv4更适用于探地雷达异常目标的自动检测，经过训练后的YOLOv4网络模型满足探地雷达道路内部异常目标智能化检测需求，具有较强的实用价值。