【技术实现步骤摘要】
一种地下电缆管道场景异物识别和分类方法
[0001]本专利技术属于计算机视觉
，特别涉及一种地下电缆管道场景异物识别和分类方法。
技术介绍
[0002]近年来，随着科学技术的快速发展，智能化时代的兴起，城市居民的用电量逐渐攀升，导致城市电缆管道的覆盖面积不断扩大。为了用电安全，保证城市供电的可靠性，电缆管道的清理巡检工作显得尤为重要，电缆管道机器人应运而生。电缆管道机器人可以利用所带的相机来对电缆管道进行图像或视频的采集，根据拍摄图像的特征确定异常位置并判断异常种类来生成检测报告，根据异常检测报告做出相应的管道维护措施。
[0003]对于电缆管道中存在的异常情况，通常是由堆积在或渗透进管道的各种杂物引起的，具体主要包括尖锥，石子，垃圾，淤泥，渗水以及套管这六类情况，为了不影响城市用电的正常运行，准确识别出电缆管道中的异常是十分重要的。目前，地下电缆管道巡检更多的是通过管道机器人对管道场景进行图像和视频的拍摄然后通过人工来进行异常的评判，过于依赖检测人员的经验，极大的消耗了人力物力。传统的机器学习方法能够节省一定...
【技术保护点】
【技术特征摘要】
1.一种地下电缆管道场景异物识别和分类方法，其特征在于，所述地下电缆管道场景异物识别和分类方法包括以下步骤：1)预先构建一个地下电缆管道场景异常识别和分类训练模型，所述模型使用卷积长短期记忆(ConvLSTM)和通道分组策略组成的全局长短期记忆(GLS)模块来提取远程空间特征和相邻通道特征，使用空间和通道联合注意力机制(JAM)来对特征进行重新加权和建模，通过特征融合来提供连续且精细的像素级特征，获得管道场景异物识别和分类网络参数；2)将管道场景测试图像数据加载进管道场景异物识别和分类网络，获得特征像素点的分类值和分类区域，输出包含异物类型及异物所在区域的具有检测结果的图像，测试该模型对管道场景各异物类别预测精度以及全类别平均预测精度。2.根据权利要求1所述的一种地下电缆管道场景异物识别和分类方法，其特征在于，步骤1)中包括：11)获取管道场景异物图像数据集，每张管道场景图像均有其对应的异物边界区域及对应类别共1000张图像，训练集，验证集和测试集分别分配700，200，100张图像；12)对训练图像进行Gamma矫正和平滑滤波去噪处理；13)选取UNet目标分割网络作为主干网络，输入图像通过3
×
3卷积操作进行尺寸调整作为JAM模块的输入；14)针对输入特征图通过ConvLSTM模块提取局部空间信息，生成一个新的特征图；15)针对生成的新的特征图的通道平均分配给n个组，n代表时间步长，第一层用于提取远程特征之间的依赖关系，第二层用于增强相邻通道的相关性；对每个分组输出的特征图进行合并连接生成一个新的特征图；16)分别提取通道注意力和空间注意力的特征表示，将输出具有通道注意力特征图和空间注意力特征图串联运算进行特征融合生成具有空间相关性和通道依赖性的特征图；17)重复步骤13)到16)三次获得详细特征表示的特征图进入解码操作；18)解码模块包括三层上采样层和五层1
×
1卷积层：三层上采样获得的特征图分别与同级编码器进行跳跃连接，跳跃连接采用1
×
1的卷积层，使得来自编码器的空间特征和同级解码器中的语义特征进行融合；19)构建损失函数，实现训练过程的收敛，得到最终异物识别和分类训练模型。3.根据权利要求2所述的一种地下电缆管道场景异物识别和分类方法，其特征在于，步骤16)中，所述通道注意力和空间注意力模块包括以下步骤：所述通道注意力机制，分别使用两个1
×
1卷积层来获得全空间特征向量半通道特征向量，通过整形函数分别得到1
×
H
×
W和C/2
×
HW(H，W，C分别表示输入的高度，宽度和通道数量))的特征向量，将全空间特征向量经过softmax函数做注意力重映射到半通道特征向量，其通道维数保持在C/2；经过Conv1
×
1通道调整和sigmoid函数激活后获得每个通道的权重因子，然后与输入特征图进行乘积运算得到通道注意力的特征向量，具体表示为：因子，...
【专利技术属性】
技术研发人员：戴云峰，刘安宏，王鑫，丁亚杰，王瀚，冯兴明，成先文，成云朋，陈文，杨帆，陈诚，骆伟伟，
申请(专利权)人：国网江苏省电力有限公司双创中心，
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。