一种基于边缘AI技术的管道缺陷识别方法及系统技术方案

本申请公开了一种基于边缘AI技术的管道缺陷识别方法及系统，所述方法包括：利用边缘端计算设备进行卷积网络图像检测模型设计；利用管道缺陷图像样本对设计的卷积网络图像检测模型进行训练，获得初始管道缺陷识别模型；对初始管道缺陷识别模型进行模型压缩，获得管道缺陷识别模型；于边缘端计算设备上部署管道缺陷识别模型，利用边缘端计算设备直接对采集到的管道图像样本进行缺陷识别，获得缺陷识别结果；所述管道图像样本利用嵌有边缘端计算设备与摄像设备的管道巡检装置采集获得。本申请能够实现管道缺陷自动检测，提升缺陷检测效率并保证缺陷检测质量。

【技术实现步骤摘要】

本申请涉及智能识别的，具体是涉及一种基于边缘ai技术的管道缺陷识别方法及系统。

技术介绍

1、目前，城市管道的检测通常采用人工作业或者人机协同模式。人工作业的方式需要工人下井，空间狭小、环境恶劣、作业困难，效率低、局限性大、安全隐患不容忽视。人机协同的工作模式，主要是人工操作管道机器人进入管道，通过机器人搭载的传感器，如：摄像头，对采集的图像进行判读以确定所摄区域内管道是否存在缺陷，并进行下一步操作的决策。这种方式虽然避免了人工下井的安全隐患，但是存在检测效率低，成本高，易受到操作者疲劳程度和情绪等主观因素影响，检测质量参差不齐的问题。

2、为了实现管道缺陷的自动检测，现有技术中也存在设计管道缺陷自动检测系统，利用机器人自动巡检装置自动采集数据，为了保障缺陷识别的准确性，将采集到的图像数据传送至数据处理能力强的远端服务器进行缺陷识别处理，这种识别方式存在数据传输延时性与稳定性的挑战。如何在平衡管道缺陷识别的高准确性与低延时性基础上实现管道缺陷的自动检测是需要进一步解决的问题。

技术实现思路

1、为本文档来自技高网...

【技术保护点】

1.一种基于边缘AI技术的管道缺陷识别方法，其特征在于，包括：

2.根据权利要求1所述的基于边缘AI技术的管道缺陷识别方法，其特征在于，所述卷积网络图像检测模型包括：

3.根据权利要求2所述的基于边缘AI技术的管道缺陷识别方法，其特征在于，利用特征自上向下融合特征层对输入的特征图进行多个尺度的特征融合，输出不同尺度下的图像融合特征包括：

4.根据权利要求2所述的基于边缘AI技术的管道缺陷识别方法，其特征在于，所述管道巡检装置还嵌有湿度传感装置、光强传感装置与深度传感装置；根据历史采集到的目标管道的湿度、光强与深度对目标管道进行类型划分，当湿度、光强与埋...

【技术特征摘要】

1.一种基于边缘ai技术的管道缺陷识别方法，其特征在于，包括：

2.根据权利要求1所述的基于边缘ai技术的管道缺陷识别方法，其特征在于，所述卷积网络图像检测模型包括：

3.根据权利要求2所述的基于边缘ai技术的管道缺陷识别方法，其特征在于，利用特征自上向下融合特征层对输入的特征图进行多个尺度的特征融合，输出不同尺度下的图像融合特征包括：

4.根据权利要求2所述的基于边缘ai技术的管道缺陷识别方法，其特征在于，所述管道巡检装置还嵌有湿度传感装置、光强传感装置与深度传感装置；根据历史采集到的目标管道的湿度、光强与深度对目标管道进行类型划分，当湿度、光强与埋地深度中至少两个未处于对应预设值范围内，则认定当前目标管道属于第一类管道类型；否则，属于第二类管道类型；特征融合层根据目标管道所属类型选择设置特征自上向下融合特征层或组合的特征自上向下融入特征层和特征自下而上融合特征层，包括：当目标管道所属类型为第一类管道类型时，选择设置为组合的特征自上向下融入特征层和特征自下而上融合特征层；当目标管道所属类型为第二管道类型，选择设置为特征自上向下融合特征层。

5.根据权利要求1所...

【专利技术属性】
技术研发人员：于善冬，薄维志，
申请(专利权)人：南京北控工程检测咨询有限公司，
类型：发明
国别省市：