随着基础设施建设的推进,人们对过去老旧管线所带来的危害愈加重视。对于地下管线的目标检测来讲,探地雷达是一种非常高效且精准的方式。然而,探地雷达会产生大量数据,因此迫切的需要高效精确的自动目标检测技术。现如今人工智能相关领域越加受到重视,而其中神经网络在图像目标检测方面具有很大优势,同时也是图像目标识别和检测领域的热点课题。在上述背景下,本文将从三个方面进行深入探讨和分析,分别为硬件设备的设计实现部分,即探地雷达高速数据采集板的设计及实现,地下管线的仿真模拟和基于卷积神经网络的地下管线检测算法。论文的主要研究内容和创新工作如下:1、设计并实现多通道探地雷达高速数据采集板。本文所实现的探地雷达采集板通过通道切换模块以多通道并行的工作模式运行,最终得到三维探地雷达图像。同时,通过采集模块与延时模块的配合可以实现等效采样的目的。2、对于地下管线的仿真模拟,本文通过编写程序预先生成大量二维和三维地下管线模型,再通过Gpr Max软件对其进行FDTD运算,最终得到探地雷达回波文件。再对回波文件进行成像和多种数据增广图像处理方式得到大量探地雷达样本数据。3、对于三维探地雷达图像,本文提出采用多个方向上截图的方式,将三维目标检测问题转换为二维目标检测,在每个方向上选取合适的截面,本文采用图像信息熵的方式进行选取。本文基于卷积神经网络实现了二维探地雷达图像地下管线的目标检测,在此基础上构建了并行卷积网络,以探地雷达图像三个方向上的截面作为输入,实现了三维探地雷达图像地下管线的目标检测。