技术特征：
1.一种隧道衬砌检测模型的抗干扰训练方法，其特征在于，所述训练方法包括：使用训练影像集对隧道衬砌检测模型进行多次周期性的训练，其中，针对每次训练周期，执行以下操作：获取训练影像集，其中，所述训练影像集包括衬砌雷达影像；将所述训练影像集中的衬砌雷达影像输入至隧道衬砌检测模型，得到第一特征图和预测的第一位置信息，并向所述第一特征图加入扰动生成扰动特征图，以及利用所述隧道衬砌检测模型基于所述扰动特征图，得到预测的第二位置信息；基于所述第一位置信息得到第一损失函数，基于所述第二位置信息得到第二损失函数，并根据所述第一损失函数和所述第二损失函数得到第三损失函数；根据所述第三损失函数，调整所述隧道衬砌检测模型的参数。2.根据权利要求1所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，将所述训练影像集中的衬砌雷达影像输入至隧道衬砌检测模型，得到第一特征图和预测的第一位置信息，包括：将所述衬砌雷达影像输入至神经网络模块中特征提取单元，得到第一特征图；利用所述神经网络模块中的第一位置提取单元对所述第一特征图进行位置检测，得到所述第一位置信息。3.根据权利要求2所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，向所述第一特征图加入扰动生成扰动特征图，以及利用所述隧道衬砌检测模型基于所述扰动特征图，得到预测的第二位置信息，包括：利用预设的抗干扰模块基于所述第一特征图，得到噪声特征图；根据所述第一特征图和所述噪声特征图，得到所述扰动特征图；利用所述神经网络模块中的第二位置提取单元对所述扰动特征图进行位置检测，得到所述第二位置信息。4.根据权利要求3所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，所述抗干扰模块采用的噪声为高斯噪声，椒盐噪声、乘性噪声中的任一者。5.根据权利要求4所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，当所述抗干扰模块采用高斯噪声时，利用预设的抗干扰模块基于所述第一特征图，得到噪声特征图，包括：获取多个所述第一特征图的尺寸内，独立且服从均匀分布的随机数，生成服从高斯分布的高斯随机数，并计算多个所述高斯随机数的平均值和方差；随机获取所述第一特征图的尺寸内m个数，并计算m个数的平均值，其中，i为正整数，0＜i≤m；根据预设的噪声特征图表达式，得到所述噪声特征图。6.根据权利要求5所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，所述预设的噪声特征图的表达式为：
其中，表示所述噪声特征图，表示多个所述高斯随机数的平均值，表示多个所述高斯随机数的标准差，表示m个数的平均值。7.根据权利要求3所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，所述第一特征图和所述噪声特征图的大小和通道数相同，其中，根据所述第一特征图和所述噪声特征图，得到所述扰动特征图，包括：将所述第一特征图和所述噪声特征图进行相加，得到所述扰动特征图。8.根据权利要求1所述的隧道衬砌检测模型的抗干扰训练方法，其特征在于，所述第三损失函数的表达式为：其中，表示所述第三损失函数，表示所述第一损失函数，表示所述第二损失函数，表示权重平衡因子。9.一种隧道衬砌检测方法，其特征在于，所述检测方法包括：获取待识别衬砌雷达影像；将所述待识别衬砌雷达影像输入至训练好的隧道衬砌检测模型，得到所述待识别衬砌雷达影像中的检测目标的位置信息，其中，所述训练好的隧道衬砌检测模型利用如权利要求1-8中任一项所述的隧道衬砌检测模型的抗干扰训练方法得到。10.一种隧道衬砌检测装置，其特征在于，所述检测装置包括：获取模块，用于获取待识别衬砌雷达影像；检测模块，用于将所述待识别衬砌雷达影像输入至训练好的隧道衬砌检测模型，得到所述待识别衬砌雷达影像中的检测目标的位置信息，其中，所述训练好的隧道衬砌检测模型利用如权利要求1-8中任一项所述的隧道衬砌检测模型的抗干扰训练方法得到。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8中任一项所述的隧道衬砌检测模型的训练方法，或者，如权利要求9所述的隧道衬砌检测方法。12.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，实现如权利要求1-8中任一项所述的隧道衬砌检测模型的抗干扰训练方法，或者，如权利要求9所述的隧道衬砌检测方法。
技术总结
本发明公开了一种隧道衬砌检测模型的抗干扰训练方法及隧道衬砌检测方法，训练方法包括：使用训练影像集对隧道衬砌检测模型进行多次周期性的训练，其中，针对每次训练周期，执行以下操作：获取训练影像集；将训练影像集中的衬砌雷达影像输入至隧道衬砌检测模型，得到第一特征图和预测的第一位置信息，并向第一特征图加入扰动生成扰动特征图，以及利用隧道衬砌检测模型基于扰动特征图，得到预测的第二位置信息；基于第一位置信息得到第一损失函数，基于第二位置信息得到第二损失函数，并根据第一损失函数和第二损失函数得到第三损失函数；根据第三损失函数，调整隧道衬砌检测模型的参数。该抗干扰训练方法可提高隧道衬砌检测模型的检测准确度。的检测准确度。的检测准确度。
技术研发人员：宋恒 贾波 赵晶丽 耿天宝 王扩 王东杰 刘道学 张大伟 余振 田炳坤
受保护的技术使用者：安徽数智建造研究院有限公司
技术研发日：2022.05.18
技术公布日：2022/6/17