摘要
探地雷达是一种快速且无损的检测道路地下缺陷的技术。然而，要准确解读探地雷达图像仍具挑战性，因为地下异常往往边界模糊、纹理不明确，且与正常区域极为相似。本研究提出了一种交叉验证智能算法，该算法利用三维探地雷达数据不同视角下的互补信息。通过针对不同视角的探地雷达图像训练三种基于YOLO的检测器，以识别与地下缺陷相关的目标，包括空洞、松散结构以及检查井等。通过在不同视角间依次验证检测结果，该方法能够在地下成像条件不佳的情况下提高识别精度。这些模型是在一个由专家标注的包含2134个多视角样本的实地三维探地雷达数据集上进行了训练和评估。在设定的操作阈值下，完整的交叉验证流程在测试集中对地下缺陷的检测精确度达到了95.9%，召回率则达到了98.6%。在15条道路上的实地测试中，专家标记的参考集中的69个地下缺陷位置均被自动检测系统识别出来。将该方法集成到自动检测系统中后，不仅将人工检测工作量减少了约90%，同时还保持了较高的检测可靠性。这些结果充分体现了多视角交叉验证在缺陷检测后分析以及专家辅助审查方面的应用潜力。
