一种管道缺陷识别方法技术

本发明专利技术提供的一种管道缺陷识别的方法，在管道机器人实时传送管道内视频的同时，将视频采样为关键帧图像，并对图像中的管道缺陷进行有效的识别和抓取，将提取到的缺陷图像定位标记保存，本发明专利技术以DefectNet的基本思想将目标缺陷检测作为回归问题解决，首先通过卷积神经元网络进行特征提取得到一定尺寸的特征图，然后多尺度预测把不同尺度特征图划分为若干网格，缺陷目标的中心落在哪个网格，哪个网格就负责预测该缺陷目标，最后就是目标分类和边框回归，每个网格判定缺陷目标所属的类别以及对边框位置进行调整，与现有的技术相比，提高了检测精度和检测效率，具有较高的创新性和实用价值，适宜推广。

【技术实现步骤摘要】
一种管道缺陷识别方法
本专利技术属于计算机视觉与机器学习领域，尤其涉及一种管道缺陷识别方法。
技术介绍
传统的管道缺陷识别方法采用人工实时检测，或采用传统的典型缺陷检测算法Haar特征+Adaboost算法、Hog特征+Svm算法、DPM算法等进行缺陷检测。人工检测工作量大，采用传统算法也存在一些问题：传统的缺陷检测算法使用滑动窗口选择候选区域时没有针对性，同时，使用滑动窗口遍历一张图片时，所有的窗口都要分别进行一次计算，时间复杂度高，窗口冗余。这严重影响了后面的特征提取以及分类的效率。窗口的大小需要手工设定，需要设置不同的尺度以致鲁棒性不高。此外，在进行特征提取时，由于缺陷形态特征的多样性，光照强度以及背景变化的影响使得特征提取没有很好地鲁棒性，这也直接影响了分类的准确率。
技术实现思路
为解决上述
技术介绍
中存在的缺陷，本专利技术提供的一种管道缺陷识别方法，通过Defect_Net智能检测模型进行目标检测，解决了现在技术中传统缺陷识别算法存在分类效率低，准确率不高的问题，适用于对管道内壁缺陷的检测，为实现上述目的，本专利技本文档来自技高网...

【技术保护点】
1.一种管道缺陷识别方法，其特征在于，包括以下步骤：/n步骤一，检测模型的训练，首先由管道机器人携带高清摄像头进入管道内部进行采集图像，将采集到的图像运用DefectNet方法中的目标缺陷检测模型进行训练；/n步骤二，将训练好的模型应用于后续的缺陷检测；/n步骤三，缺陷检测，具体缺陷检测方法采用管道机器人携带高清摄像头进入管道内部，将实时回传的视频进行采样为关键帧图像，并对图像中的管道缺陷进行有效的识别，其缺陷检测步骤为：/n1.1)、分割图像和边界框的预测，分割图像采用超像素分割方法，提取图像前景和背景信息，主要检测图像前景信息，从而提高检测效率，DefectNet将输入图像分割成若干个格子...

【技术特征摘要】
1.一种管道缺陷识别方法，其特征在于，包括以下步骤：
步骤一，检测模型的训练，首先由管道机器人携带高清摄像头进入管道内部进行采集图像，将采集到的图像运用DefectNet方法中的目标缺陷检测模型进行训练；
步骤二，将训练好的模型应用于后续的缺陷检测；
步骤三，缺陷检测，具体缺陷检测方法采用管道机器人携带高清摄像头进入管道内部，将实时回传的视频进行采样为关键帧图像，并对图像中的管道缺陷进行有效的识别，其缺陷检测步骤为：
1.1)、分割图像和边界框的预测，分割图像采用超像素分割方法，提取图像前景和背景信息，主要检测图像前景信息，从而提高检测效率，DefectNet将输入图像分割成若干个格子，每个格子在不同的尺度预测边界框及其置信度和缺陷属于某种类别的概率信息，其中边界框信息为缺陷的中心位置相对于格子位置的偏移量、宽度和高度，置信度反映是否包含缺陷以及包含缺陷情况下位置的准确性；DefectNet对每个边界框通过逻辑回归预测一个缺陷的得分，然后根据此得分获取缺目标陷部位状况；
1.2)、卷积神经元网络提取网格中的特征，卷积神经元网络对整个图像进行系列卷积运算，得到特征图，取出特征图上每个边框内的特征形成高维特征向量；
1.3)、图像中缺陷的识别分类，每个网格预测若干个边界框，根据计算得到的分类误差，置信度以及类别概率等判别缺陷；
步骤四，将识别的结果进行分类保存。


2.如权利要求1所述的一种管道缺陷识别方法，其特征在于：步骤一中的对目标缺陷检测模型的训练包括以下几个步骤：
2.1)、将输入图像分成若干个网格，每个网格负责检测‘落入’该网格的管道内壁缺陷；
2.2)、对每个网格用卷积神经元网络提取特征，形成高维特征向量，所述卷积神经元网络为训练好的ImageNet网络；
2.3)、利用边框和提取出的特征对卷积神经元网络进行调优，调优依据标准的反向传播算法进行，从特征图开始向后调整各层权重；
2.4)、以特征图输出的高维特征向量和缺陷类别标签为输入，训练对目标边框和目标类别进行精细回归的回归器。


3.如权利要求1所述的一种管道缺陷识别方法，其特征在于：步骤三中具体为步骤1.1)中的所述的分割图像采用超像素分割(SLIC)算法并结合图和流形排序的显著性检测算法，其具体实现的步骤如下：
3.1)、由SLIC算法生成超像素，构造一个以超像素为节点的闭环图；
3...

【专利技术属性】
技术研发人员：孙志刚，刘传水，赵毅，张恕孝，蓝梦莹，邹志忠，孙少卿，于振宁，刘晶晶，王艳云，魏婷，
申请(专利权)人：华油钢管有限公司，上海圣尧智能科技有限公司，
类型：发明
国别省市：河北;13