【技术实现步骤摘要】
一种基于感知学习结构的管廊视觉缺陷检测方法及系统
[0001]本专利技术涉及图像处理
，尤其涉及一种基于感知学习结构的管廊视觉缺陷检测方法及系统。
技术介绍
[0002]管廊是城市发展中的生命线，是众多介质进行传输的重要载体。但由于管廊的不可见性，其内部主要会发生破损、开裂、腐蚀等多种异常缺陷往往不易察觉，直到事故发生时才被人们重视，因此，管廊的管理和实时监控是重要的研究内容。
[0003]目前常规的管廊缺陷检测是采用人工巡检和划分区间安设固定摄像头的方式进行监控与管理，对于人工巡检的方式，存在缺点：1)人员井下巡检，空间小，通风差，可视化操作环境差；2)井下可能有易燃易爆有毒气体，对运维人员构成较大的生命安全；3)人工巡检的成本高，对与一些需要经常巡检的管廊，人工巡检次数少，无法满足巡检需求；4)人工巡检，无法做到实时监控管廊内部情况。对于固定摄像头的方式，存在缺点：1)需要通过人眼识别管廊图像，检测保稳定性差；2)工作量大，费时费力，人工成本高；3)需要多处设置摄像头，成本高。
技术实现思路
>[0004]为了解本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于感知学习结构的管廊视觉缺陷检测方法，其特征在于，包括如下步骤：获取训练集，并对训练集的数量和分类进行扩充；构建缺陷检测模型，所述缺陷检测模型用于提取多尺寸和多膨胀率的卷积层输出特征；用于对多尺寸和多膨胀率的卷积层输出特征进行通道级联，获取包含全局上下文信息的融合特征；用于基于融合特征预测管廊缺陷；将扩充后的训练集输入缺陷检测模型进行训练，直至输出的预测结果满足预测要求，则将当前缺陷检测模型作为训练好的缺陷检测模型输出；将待检测的管廊图像输入训练好的缺陷检测模型中，输出缺陷检测结果。2.根据权利要求1所述的一种基于感知学习结构的管廊视觉缺陷检测方法，其特征在于，使用深度卷积生成对抗网络对训练集的数量和分类进行扩充。3.根据权利要求1所述的一种基于感知学习结构的管廊视觉缺陷检测方法，其特征在于，k
‑
means聚类对人工标注好的训练集中目标宽高进行聚类，对先验框的尺寸进行修改。4.根据权利要求1所述的一种基于感知学习结构的管廊视觉缺陷检测方法，其特征在于，基于tiny
‑
YOLOV3框架构建所述缺陷检测模型。5.根据权利要求1所述的一种基于感知学习结构的管廊视觉缺陷检测方法，其特征在于，所述待检测的管廊图像是通过巡检机器人在管廊中按预设线路实时采集。6.一种基于感知学习结构的管廊视觉缺陷检测系统，其特征在于，包括获取...
【专利技术属性】
技术研发人员：马培龙，
申请(专利权)人：佳源科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。