全卷積神經網絡在垃圾土勘察中的應用

徐四一 張旭

（上海山南勘測設計有限公司，上海 201206）

0 引言

經濟飛速發展，我國城市垃圾的總量大大增加，對城市垃圾的處理方式主要有填埋、焚燒和回收等，其中最主要的方式是填埋[1-2]。為了降低垃圾土給正常生產生活造成的風險，更好地利用垃圾填埋占用的土地，對垃圾土的探測和勘察成為了亟待解決的問題。由于垃圾土與原狀土往往存在明顯的地球物理特性差異，尤其體現在電阻差異上，因此垃圾土探測往往選用高密度電阻率法和時域電磁法。由于探測場地的垃圾土分布范圍往往會布設多條測線，對每條測線的反演結果進行人工解釋需要耗費大量的人力，解釋的結果還會受到解釋人員地質認知的影響。為了解決這些問題，提高解釋的效率與準確性，機器學習開始應用于場地污染的識別[3]。如能昌信等[4]將卷積神經網絡應用到污染場地電阻率層析成像反演中，提高了對垃圾土面積以及位置的識別精度。

卷積神經網絡是最常見的機器學習算法之一，傳統的卷積神經網絡存在對計算機存儲要求高、計算效率低、同時輸入數據的大小被固定等缺點。為了克服這些缺點，Long 等于2015 年提出了全卷積神經網絡[5]，將傳統的卷積神經網絡中的全連接層替換為卷積層，在兼具卷積神經網絡優點的前提下實現了對任意大小的輸入數據進行處理。從地球物理數據中提取異常體可以看作一個圖像分割的過程。由于全卷積神經網絡是通過對輸入圖像進行像素級的分類來解決圖像分割問題的深度學習網絡，因此可以實現自動化識別，避免人工解釋對解釋質量造成影響，同時極大地提高解釋的效率[6]。……