基于深度学习的远距离雷达方案用于快速检测树木缺陷
信号处理
2024-06-11 v1 图像与视频处理
摘要
树缺陷检测对于树木结构健康筛查至关重要。现有的非破坏性检测（NDT）技术用于树木缺陷检测需要耗时且工作量大的测量 campaign。这 discourages their application for the routine structural health screening of whole populations of managed urban trees. 为了解决这个问题，本研究提出了一种用于树干接触扫描和快速检测树木缺陷的深度学习增强远距离雷达方案。在该方案中，天线沿直线轨迹在距离树干一定距离处移动，以获取树干的 B 扫描。随后，对获取的原始 B 扫描进行信号处理，以特定开发的框架揭示树木缺陷在 B 扫描中的散射特征，该框架在树木样本和活树的测量数据方面分别实现了 30 dB 和 22 dB 的信噪比提升。最后，将处理后的 B 扫描输入到一个特别设计的用于从 B 扫描中实时提取缺陷特征的多层特征融合神经网络中。将该方案应用于检测真实新采切割树干中的缺陷表明，远距离雷达方案可实现 96% 的检测准确率。该远距离雷达方案是首个在直线轨迹上运行的接触less NDT 树缺陷检测技术，potentially can be integrated into the routine tree inspection workflow which is part of urban tree management.
引用
@article{arxiv.2406.05389,
title = {A Deep Learning-Augmented Stand-off Radar Scheme for Rapidly Detecting Tree Defects},
author = {Jiwei Qian and Yee Hui Lee and Kaixuan Cheng and Qiqi Dai and Mohamed Lokman Mohd Yusof and Daryl Lee and Abdulkadir C. Yucel},
journal= {arXiv preprint arXiv:2406.05389},
year = {2024}
}
备注
Accepted and to be published in IEEE Transactions on Geoscience and Remote Sensing