基于人工智能技术的电力综合管廊沉降裂缝识别方法技术

本发明专利技术公开了一种基于人工智能技术的电力综合管廊沉降裂缝识别方法，包括步骤：(1)获取管廊墙壁图像；(2)对管廊墙壁图像进行预处理，利用图像灰度值分析光照不均匀情况并进行直方图均衡化校正处理；(3)对预处理后的图像进行图像边缘特征提取；(4)采用反向传播算法进行BP神经网络训练；(5)将提取的图像边缘特征输入训练好的BP神经网络并输出检测识别结果。本发明专利技术提出一种改进的适应于复杂环境下管廊墙壁裂缝检测的反向传播算法，对电力综合管廊中采集到的大量图像数据，包含管廊内部结构中墙壁的裂缝图片和正常图片，进行学习和训练，最终实现管廊沉降裂缝的检测和识别。最终实现管廊沉降裂缝的检测和识别。最终实现管廊沉降裂缝的检测和识别。

【技术实现步骤摘要】
基于人工智能技术的电力综合管廊沉降裂缝识别方法


[0001]本专利技术涉及电力综合管廊裂缝识别
，具体涉及一种基于人工智能技术的电力综合管廊沉降裂缝识别方法。

技术介绍

[0002]地下电力综合管廊或者地下电力综合管道在长期服役过程中，由于周围地面环境复杂，受不同地质环境、地面建筑物、河流、高速公路、铁路、管廊结构材料性能、以及地面荷载的长期效应、疲劳效应与突变效应等因素的综合作用，管廊或者管壁将不可避免地出现结构损伤积累，一定程度上会造成管廊沉降或者出现裂缝等情况，甚至在极端情况下导致管廊结构失效和管廊坍塌，造成重大安全事故。因此，对地下电力综合管廊沉降以及发生管廊沉降后出现的管壁裂缝进行智能监测，对地下电力综合管廊安全运营以及减少管廊沉降事故的发生具有重大意义。
[0003]根据经验，电力综合管廊发生沉降时，一般管廊内部墙体结构会出现裂缝。随着工业4.0以及智能制造产业的快速发展，人工智能技术越来越多的应用于工业安全生产、机器人智能巡检以及其他重要领域。其中，智能巡检机器人对于地下电力综合管廊安全监测，是人工智能技术在电力行业本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能技术的电力综合管廊沉降裂缝识别方法，其特征在于，所述方法包括步骤：(1)获取管廊墙壁图像；(2)对管廊墙壁图像进行预处理，利用图像灰度值分析光照不均匀情况并进行图像直方图均衡化校正处理；(3)对预处理后的图像进行图像边缘特征提取；(4)采用反向传播算法进行BP神经网络训练；(5)将提取的图像边缘特征输入训练好的BP神经网络并输出检测识别结果。2.根据权利要求1所述的基于人工智能技术的电力综合管廊沉降裂缝识别方法，其特征在于，所述步骤(2)中，图像灰度值分析法包括：将获取的彩色图像转化为二值灰度图像，再对灰度图像像素分别进行逐行和逐列投影，计算灰度图像中每一行和每一列中所有像素的和，通过水平方向和竖直方向的灰度投影值的阶跃变化得到光照不均匀分布。3.根据权利要求2所述的基于人工智能技术的电力综合管廊沉降裂缝识别方法，其特征在于，所述步骤(2)中，采用图像直方图均衡化方法，对灰度图像进行光照不均匀分布的校正处理；图像直方图均衡化的数学表达式为：其中，n是图像像素的总和，n
i
是第i个灰度级的像素总和，r
i
是第i个灰度级，i＝0,1,2,
…
,L
‑
1。4.根据权利要求1所述的基于人工智能技术的电力综合管廊沉降裂缝识别方法，其特征在于，所述步骤(3)中，管廊墙壁图像通过提取图像的Canny边缘特征来进行图像边缘特征的提取。5.根据权利要求4所述的基于人工智能技术的电力综合管廊沉降裂缝识别方法，其特征在于，Canny边缘特征提取步骤如下：(3.1)利用高斯核函数对输入图像进行高斯平滑；(3.2)利用Sobel算子计算图像的梯度幅值和方向；(3.3)根据梯度方向，对梯度幅值进行非极大值抑制；(3.4)对非极值大抑制后的图像进行双阈值处理，在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，在断点的邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。6.根据权利要求1所述的基于人工智能技术的电力综合管廊沉降裂缝识别方法，其特...

【专利技术属性】
技术研发人员：顾建军，吴留闯，陈杰，蔡人立，万浩，施未濛，吕晓祥，
申请(专利权)人：南通送变电工程有限公司，
类型：发明
国别省市：