基于检测图像的排水管道缺陷智能辅助分类方法

摘要：

针对当前地下管网管道闭路电视(closed circuit television,CCTV)检测测缺陷中存在自动化程度偏低及依赖专业人员技术水平的问题,综合采用图像处理和深度学习技术构建了辅助检测人员快速、准确地识别管道缺陷类型的智能方法.首先,收集十类典型缺陷图像,对其进行图像处理生成样本集;在此基础上,以深度卷积神经网络AlexNet和ResNet50为基础框架,使用预训练AlexNet和ResNet50网络迁移学习管道缺陷特征,通过敏感性分析优化了分类网络参数;然后,通过测试集验证了管道缺陷智能分类模型的准确性,并结合具体工程实例验证建立方法的有效性.结果表明:两类管道缺陷智能分类模型在测试集上分别达到92.00％和96.50％的准确率,实际工程实例准确率达到了85.41％和87.94％,且ResNet50的分类效果更优,具有较好工程适应性.图像处理和深度学习技术可提高排水管道缺陷分类的自动化与准确率,值得进一步进行推广.

关键词：管道缺陷;深度学习;图像分类;管道闭路电视检测;图像处理

所属期刊栏目：21

分类号：TP391.9;TU992(计算技术、计算机技术)

资助基金：国家自然科学基金51878556

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15144-15151