【驰驭科技】AI识别雷达图像，“准确率”：mAP、IoU、FPS到底代表什么？

【驰驭科技】AI识别雷达图像，“准确率”：mAP、IoU、FPS到底代表什么？

现在谈探地雷达智能解译，很多文章都会提到深度学习、目标检测、YOLO、自动识别、实时检测。客户看到这些词，最直接的反应往往是：这个模型准不准？能不能把地下目标都找出来？有没有漏？

这个问题当然重要，但如果只看一句“准确率很高”，其实还不够。因为雷达图像识别不是普通照片分类，它要解决的不只是“图里有没有目标”，还要回答“目标在哪里”“位置框得准不准”“能不能实时处理”“误报多不多”“漏检风险大不大”。这些问题，对工程检测来说比一个笼统的准确率更关键。

在探地雷达 B-Scan 图像中，地下目标常表现为双曲线、局部强反射、弱反射、杂乱区或衰减区。管线、空洞、电缆、钢筋、含水异常等目标有时特征明显，有时又会被地表反射、杂波和介质变化干扰。AI辅助识别的价值，不是让客户迷信某一个算法名称，而是把大量雷达图像中的疑似目标更快筛出来，并用可量化指标说明识别结果的可靠程度。

武汉驰驭科技有限公司植根于中国·武汉光谷，专注于探地雷达系统研发与生产。公司产品覆盖二维探地雷达、多通道探地雷达、车载三维探地雷达、无人机探地雷达、自动巡航探地雷达、爬壁机器人探地雷达、钻孔雷达、水陆两栖探地雷达等系列装备，频率覆盖50MHz—2GHz，可面向交通、市政、水利、地质、桥梁、隧道、地下空间、科研教学等领域提供专业化探地雷达系统解决方案。

指标总览图

1.       AI识别雷达图像，不只是“认出目标”这么简单

大家理解AI识别，容易把它想成“机器看图”。但探地雷达图像识别至少包含两个任务：一个是分类，判断目标可能是什么；另一个是定位，判断目标在图像中的位置。对于工程检测来说，定位往往比分类更直接影响后续复核。

AI识别任务图

所以，看 AI 成果时，不应该只问“识别率多少”，还要问：有没有定位？定位准不准？能不能处理多目标？能不能和现场复核点对应起来？

2.       为什么B-Scan图像最常用于AI识别

探地雷达数据常见形式包括 A-Scan、B-Scan 和 C-Scan。A-Scan 是单个测点的回波信号；B-Scan 是沿测线连续采集后形成的二维剖面；C-Scan 则是多条测线组合后形成的平面或三维成果。AI目标检测最常用的输入，通常是 B-Scan 图像，因为它既包含深度方向信息，也包含沿测线方向的目标形态。

数据形式对比图

最常见到的雷达剖面，基本就是 B-Scan 图像。AI 在这类图像上框出目标，其实就是把人工原本需要逐幅查看的工作，转化为自动候选目标筛查。

3.       IoU：检测框“框得准不准”的指标

IoU 就是用来评价预测框和真实标注框重合程度的指标。简单理解，预测框和人工标注框重合越高，IoU 越大；如果框偏了、框大了、框小了，IoU 就会下降。

IoU示意图

对工程来说，IoU 很重要。因为检测结果最终要落到现场复核、钻孔验证、开挖确认或风险处置。如果位置框得不准，即使类别判断对了，现场使用价值也会下降。

4.       mAP：不能简单翻译成“准确率”

mAP不是普通意义上的“准确率”，而是目标检测中综合评价识别效果的指标。mAP 会同时考虑分类和定位情况，通常比单纯准确率更能反映目标检测模型的综合水平。

mAP指标解释图

所以，看到 mAP 很高时，要继续看后面的 IoU 阈值。mAP(0.5) 高，说明模型大致能找到目标；mAP(0.75) 高，说明目标定位更严格条件下也表现较好；mAP(0.5:0.95) 高，才更能说明模型在不同定位要求下都比较稳定。

5.       为什么 mAP(0.5) 高，不代表工程上就一定够用

在不少目标检测任务中，mAP(0.5) 很容易接近较高水平，因为只要预测框和真实目标有一半左右重合，就可以被认为匹配成功。但探地雷达工程应用中，现场复核往往需要更精确的位置。尤其是道路隐患、地下管线、空洞复核等任务，检测框偏差太大，会影响后续定位。

目标框对比图

看 AI 雷达成果时，可以把 mAP(0.5) 理解成“能不能找得到”，把 mAP(0.75) 理解成“找得准不准”，把 mAP(0.5:0.95) 理解成“严格条件下稳不稳”。

6.       FPS：速度快不快，决定能不能用于现场

FPS 表示每秒能处理多少张图像。对探地雷达项目来说，如果只是后处理，速度慢一点还能接受；但如果希望现场快速筛查、车载连续检测、道路快速巡检或边采边判，FPS 就很关键。识别速度太慢，工程上就很难实时使用。

识别速度与工程应用关系图

速度和精度之间往往要平衡，不应该只看“最快”，也不应该只看“最高精度”。如果项目目标是大面积快速普查，就要兼顾 FPS 和识别质量；如果项目目标是重点异常复核，就可以更重视定位精度和解释可靠性。

7.       结语

AI识别探地雷达图像，不是简单地把一张剖面图交给模型，然后得到一个“对”或“错”的答案。它背后涉及目标定位、类别识别、检测框重合度、实时处理速度、数据集规模、迁移学习、人工复核和工程落地。

探地雷达智能解译的真正价值，不是替代专业人员，而是让专业人员更快发现重点、更稳筛查异常、更好组织成果。AI把疑似目标从大量B-Scan图像中提出来，工程师再结合雷达原理、现场资料和复核结果形成结论，这才是更可靠的应用方式。

武汉驰驭科技将继续围绕探地雷达核心技术，推进多频率、多平台、多场景检测装备研发，积极探索探地雷达数据智能化处理与成果表达方式，为交通、市政、水利、地质、桥梁、隧道、地下空间、科研教学等领域提供更加专业、稳定、高效的探地雷达系统解决方案。

以地质智慧，探索地下奥秘；

以专业力量，驱动未来发展。