[发明专利]用于检测管道缺陷的方法和装置

权利要求书

1.一种用于检测管道缺陷的方法，包括：

获取至少两个目标传感器采集到的、针对目标管道的电信号数据；

对所述电信号数据执行预设操作，其中，所述预设操作包括滤波；

基于执行预设操作后的电信号数据，生成对应的灰度图，包括：根据至少两个目标传感器之间的相对位置关系，确定所述灰度图中的像素点；根据各像素点对应的电信号的值，确定各像素点的像素值；根据各像素点以及各像素点的像素值，生成所述灰度图；

响应于确定所述灰度图包括表征所述目标管道存在缺陷的区域，确定所述缺陷的类别和所述区域在所述灰度图中的位置，包括：将所述灰度图输入至预先训练的缺陷检测模型，得到表征所述目标管道存在缺陷的区域所指示的缺陷的类别和表征所述目标管道存在缺陷的区域在所述灰度图中的位置的位置信息，其中，所述缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

2.根据权利要求1所述的方法，其中，所述基于执行预设操作后的电信号数据，生成对应的灰度图，包括：

基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

3.根据权利要求1所述的方法，其中，所述缺陷检测模型通过如下步骤训练得到：

获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；

从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

4.根据权利要求3所述的方法，其中，所述初始模型包括深度卷积神经网络和分类器，所述深度卷积神经网络用于提取灰度图的特征。

5.一种用于检测管道缺陷的装置，包括：

获取单元，被配置成获取至少两个目标传感器采集到的、针对目标管道的电信号数据；

执行单元，被配置成对所述电信号数据执行预设操作，其中，所述预设操作包括滤波；

生成单元，被配置成基于执行预设操作后的电信号数据，生成对应的灰度图，包括：根据至少两个目标传感器之间的相对位置关系，确定所述灰度图中的像素点；根据各像素点对应的电信号的值，确定各像素点的像素值；根据各像素点以及各像素点的像素值，生成所述灰度图；

确定单元，被配置成响应于确定所述灰度图包括表征所述目标管道存在缺陷的区域，确定所述缺陷的类别和所述区域在所述灰度图中的位置，包括：将所述灰度图输入至预先训练的缺陷检测模型，得到表征所述目标管道存在缺陷的区域所指示的缺陷的类别和表征所述目标管道存在缺陷的区域在所述灰度图中的位置的位置信息，其中，所述缺陷检测模型用于指示灰度图和表征目标管道存在缺陷的区域所指示的缺陷的类别、表征目标管道存在缺陷的区域在灰度图中的位置之间的对应关系。

6.根据权利要求5所述的装置，其中，所述生成单元，进一步被配置成：

基于执行预设操作后的电信号数据，执行图像插值，生成对应的灰度图。

7.根据权利要求5所述的装置，其中，所述确定单元，包括：

获取单元，被配置成获取样本集，样本包括样本灰度图和样本标注信息，样本灰度图包括至少一个表征目标管道存在缺陷的区域，样本标注信息用于指示表征目标管道存在缺陷的区域所指示的缺陷的类别和指示目标管道存在缺陷的区域在样本灰度图中的位置；

训练单元，被配置成从所述样本集中选取样本，将选取的样本的样本灰度图和样本标注信息分别作为初始模型的输入和期望输出，训练得到缺陷检测模型。

8.根据权利要求7所述的装置，其中，所述初始模型包括深度卷积神经网络和分类器，所述深度卷积神经网络用于提取灰度图的特征。