一种降低误检率的排水管道缺陷检测方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种降低误检率的排水管道缺陷检测方法、装置、设备及介质，该缺陷检测方法包括如下步骤：S1，提取排水管道疑似缺陷图进行图像增强转换为第二HSI图像；根据预先训练的改进3D

【技术实现步骤摘要】
一种降低误检率的排水管道缺陷检测方法、装置、设备及介质


[0001]本专利技术涉及管道检测
，特别涉及一种降低误检率的排水管道缺陷检测方法、装置、设备及介质。

技术介绍

[0002]随着深度学习技术的发展，将其应用于目标识别、病害检测等领域得到了广泛应用。目前，由于人工节省和识别精度提高的优势，基于深度学习和神经网络的排水管道缺陷检测在管道检测领域发挥的作用越来越重要。采用深度学习技术进行管道检测识别通常包括缺陷检测和缺陷分类两个关键阶段，其中，在使用CCTV管道机器人装置相机采集含有管道的视觉信息时，因受拍摄距离、背景光线、管道环境等影响，图像易发生反光、失真、噪音等现象，可能导致缺陷误识别，即将非管道缺陷误检测为管道缺陷，从而影响了第二阶段进行缺陷类型识别的实时性和准确度。

技术实现思路

[0003]本专利技术的目的在于提供一种降低误检率的排水管道缺陷检测方法、装置、设备及介质，以降低管道缺陷检测的误检率、提高缺陷分类的实时性和准确度。
[0004]本专利技术解决其技术问题提供的技术方案如下：
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种降低误检率的排水管道缺陷检测方法，其特征在于，包括如下步骤：S1，提取排水管道疑似缺陷图进行图像增强转换为第二HSI图像；S2，根据预先训练的改进3D
‑
CNN高光谱图像分类卷积神经网络对第二HSI图像进行缺陷检测，输出含有缺陷的第二HSI图像。2.根据权利要求1所述缺陷检测方法，其特征在于，所述疑似缺陷图为将CCTV管道机器人拍摄的管道图像输入预先训练的图像检测卷积神经网络检测含有疑似缺陷的图像。3.根据权利要求1所述缺陷检测方法，其特征在于，所述S1步骤包括：S101，提取RGB格式的排水管道疑似缺陷图；S102，将RGB图像转换为第一HSI图像；S103，分离第一HSI图像的H、S、I通道；S104，对S通道进行自适应gamma饱和度校正；S105，对I通道进行小波变换调整亮度；S106，将H通道、饱和度校正后的S通道、亮度调整后的I通道合并为第二HSI图像。4.根据权利要求3所述缺陷检测方法，其特征在于，所述对S通道进行自适应gamma饱和度校正的公式为：其中F是处理后的S通道像素值，f是待处理图像的S通道像素值，f
max
为f中的最大值，γ为可变的指数值，用于自适应控制图像增强强度，σ是图像标准偏差，μ是图像均值；所述对I通道进行小波变换调整亮度的方法为：利用小波变换分离出I的低频和高频成分，选用Retinex增强图像低频分量，高频部分利用多尺度高斯差分进行噪声处理，之后将高频与低频部分进行叠加。5.根据权利要求1或2所述缺陷检测方...

【专利技术属性】
技术研发人员：张钊，叶子铭，林洁，杜颜，何昱昊，蒋俊豪，
申请(专利权)人：深圳市水务工程检测有限公司，
类型：发明
国别省市：