一种排水管道破裂缺陷检测及等级评定方法技术

本发明专利技术公开了一种排水管道破裂缺陷检测及等级评定方法，包括：采集排水管道内部的视频或图像，并离线标注结构性缺陷特征；构建结构性缺陷Mask R

【技术实现步骤摘要】
一种排水管道破裂缺陷检测及等级评定方法


[0001]本专利技术涉及排水管道破裂缺陷检测及等级评定
，尤其涉及一种基于实例分割+CCTV的排水管道破裂缺陷检测及等级评定方法。

技术介绍

[0002]近年来，排水管道事故频发，严重损害人民生命财产安全，造成不良影响，排水管道失效直接影响城镇居民生活、工业生产等。传统的排水管道检测方法有目视检查，镜检，潜水管道检查，泥浆测量桶检查等，简单方便。但在实际的大规模管道排查检测任务中，管内空间情况复杂，可能存在的有害气体使得传统检测方法并不适用，而且传统方法存在流程复杂、费时费力、主观依赖性强等严重不足。而新型的机器视觉图像检测方法可对管道缺陷进行检测，但对缺陷程度的计算划分仍存在不足。本专利技术公开种排水管道破裂缺陷检测及等级评定方法，采用本方法减低工作强度、提高排水管道的检测效率以及准确性具有重大实际工程应用价值。
[0003]在本专利技术以前的排水管道破裂缺陷检测及等级评定方法现有技术中，有如下几篇对比专利和文献:
[0004]1)用于分辨排水管道缺陷类型及自动鉴别缺陷等级的方法(CN 111814873 A)公开了分辨排水管道缺陷类型及自动鉴别缺陷等级的方法，将训练集按照缺陷类型进行分组，对每组同类缺陷图像分组为次分类器训练集和次分类器测试集。该方法对缺陷等级的自动鉴别方法实质是增加一层分类器，鉴别缺陷等级方法仍是依据分类器鉴别，该方法依赖排水管道缺陷大量数据集，且各缺陷等级的数据集都需丰富，实际应用受限；
[0005]2)一种基于深度学习的排水管道缺陷分割方法(CN 110555831 A)公开一种基于深度学习的排水管道缺陷分割方法，破裂、错口、渗漏和支管暗接四类缺陷进行分类检测，该专利技术仅分类四类结构性缺陷，并且不具备缺陷分级的方法。

技术实现思路

[0006]为解决上述技术问题，本专利技术的目的是提供一种排水管道破裂缺陷检测及等级评定方法。
[0007]本专利技术的目的通过以下的技术方案来实现：
[0008]一种排水管道破裂缺陷检测及等级评定方法，该方法基于实例分割与CCTV系统实现包括：
[0009]步骤A采集排水管道内部的视频或图像，并离线标注结构性缺陷特征；
[0010]步骤B构建结构性缺陷Mask R
‑
CNN模型，检测分割采集视频或图像缺陷，识别排水管道结构性缺陷，输出破裂缺陷置信度、破裂缺陷边界框以及破裂缺陷掩膜；
[0011]步骤C计算破裂缺陷的特征参数；
[0012]步骤D计算破裂缺陷评级参数、径向覆盖比与破裂缺陷环向覆盖范围；
[0013]步骤E对破裂缺陷评级。
[0014]与现有技术相比，本专利技术的一个或多个实施例可以具有如下优点：
[0015]基于图像或视频检测识别排水管道的结构性缺陷，并对其破裂缺陷的程度进行等级评级，有效应用于排水管道的结构性缺陷检测识别作业，采用本方法减低工作强度、提高排水管道的检测效率以及准确性具有重大实际工程应用价值。
附图说明
[0016]图1是基于实例分割+CCTV的排水管道破裂缺陷检测及等级评定方法总流程图；
[0017]图2是基于实例分割+CCTV的排水管道破裂缺陷检测及等级评定方法详细流程图；
[0018]图3是排水管道缺陷检测识别示例1图；
[0019]图4是是排水管道缺陷检测识别示例2图；
[0020]图5是排水管道缺陷检测识别掩膜拟合示例1图示；
[0021]图6是排水管道缺陷检测识别掩膜拟合示例2图示。
具体实施方式
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本专利技术作进一步详细的描述。
[0023]如图1和图2所示，为基于实例分割+CCTV的排水管道破裂缺陷检测及等级评定方法流程，包括：
[0024]步骤10采用CCTV系统或管道潜望镜采集排水管道内部的视频或图像，并离线标注结构性缺陷特征；
[0025]步骤20构建结构性缺陷Mask R
‑
CNN模型，对采集视频或图像检测分割缺陷，识别排水管道结构性缺陷，输出破裂缺陷置信度，破裂缺陷边界框，破裂缺陷掩膜；
[0026]步骤30计算破裂缺陷的特征参数；
[0027]步骤40计算破裂缺陷评级参数，径向覆盖比例，破裂缺陷环向覆盖范围；
[0028]步骤50对破裂缺陷评级。
[0029]上述步骤10采用的CCTV系统全称闭路电视管道系统、离线标注采用开源标注软件labelme、VGG图像标注器VIA的多边形标注工具，标注的结构性缺陷特征包括破裂、变形、腐蚀、错口、起伏、脱节、接口材料脱落、支管暗接、异物穿入、渗漏。
[0030]上述步骤20构建结构性缺陷Mask R
‑
CNN模型方法为：
[0031]采用随机梯度下降SGD算法对Mask R
‑
CNN模型进行调优，使其拟合到训练数据集上，训练采用Mini
‑
batch策略，学习率为0.001，分批数N
batch
[0032]训练迭代次数N
iter
分别可选为1000、2000、3000
…
，训练过程中，模型每次训练在数据集中挑选N
batch
个图片进行，将训练N
iter
次，观测Mask R
‑
CNN模型分类损失loss_cls、定位损失loss_box_reg、分割损失loss_mask、总损失total_loss，若这4个损失均有缩小趋势，则Mask R
‑
CNN模型收敛。
[0033]对采集视频或图像检测分割缺陷，特征输出为：
[0034]结构性缺陷特征包括破裂、变形、腐蚀、错口、起伏、脱节、接口材料脱落、支管暗接、异物穿入、渗漏。并得到破裂缺陷置信度score、破裂缺陷边界框bbox、破裂缺陷掩膜Mask。
[0035]上述步骤30破裂缺陷的特征参数计算方法为：
[0036]将破裂缺陷置信度score、破裂缺陷边界框bbox、破裂缺陷掩膜Mask进行计算可得到破裂缺陷的特征参数，包括区域面积大小S
crack
,长轴长度LL
crack
,短轴长度SL
crack
,离心率E
crack
，方向O
crack
，凸面面积C
crack
，填充面积F
crack
,欧拉数EU
crack
,等效直径ED
crack
,紧实度SO
carck
,周长P
crack
,拟合圆半径r。
[0037]所述步骤40中，对破裂缺陷评级参数，破裂缺陷径向覆盖比例k、环向覆盖范围θ
crack
计算方法分别为：
[0038][0039本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种排水管道破裂缺陷检测及等级评定方法，其特征在于，所述方法基于实例分割与CCTV系统实现；所述方法包括以下步骤：步骤A采集排水管道内部的视频或图像，并离线标注结构性缺陷特征；步骤B构建结构性缺陷Mask R
‑
CNN模型，检测分割采集视频或图像缺陷，识别排水管道结构性缺陷，输出破裂缺陷置信度、破裂缺陷边界框以及破裂缺陷掩膜；步骤C计算破裂缺陷的特征参数；步骤D计算破裂缺陷评级参数、径向覆盖比与破裂缺陷环向覆盖范围；步骤E对破裂缺陷评级。2.如权利要求1所述的排水管道破裂缺陷检测及等级评定方法，其特征在于，所述步骤A中采用CCTV系统或管道潜望镜采集排水管道内部的视频或图像，所述CCTV系统为闭路电视管道系统；所述离线标注采用开源标注软件labelme与VGG图像标注器VIA的多边形标注工具；所述离线标注的结构性缺陷特征包括破裂、变形、腐蚀、错口、起伏、脱节、接口材料脱落、支管暗接、异物穿入与渗漏。3.如权利要求1所述的排水管道破裂缺陷检测及等级评定方法，其特征在于，所述步骤B中构建结构性缺陷Mask R
‑
CNN模型包括：采用随机梯度下降SGD算法对Mask R
‑
CNN模型进行调优，使其拟合到训练数据集上，训练采用Mini
‑
batch策略，学习率为0.001，分批数N
batch
；训练迭代次数N
iter
分别可选为1000、2000、3000
…
，训练过程中，模型每次训练在数据集中挑选N
batch
个图片进行，将训练N
iter
次，观测Mask R
‑
CNN模型分类损失loss_cls、定位损失loss_box_reg、分割损失loss_mask、总损失total_loss，若四个损失均有缩小趋势，则...

【专利技术属性】
技术研发人员：刘桂雄，李伟，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：