[发明专利]基于深度学习的管道检测识别方法、存储介质及机器人

说明书

本发明公开了一种基于深度学习的管道检测识别方法、存储介质及机器人，解决了检测效率低且精确率低的问题，其技术方案要点是，根据图像处理执行信息以获取对应于被检测位置的当前位置图像信息；根据当前位置图像信息中的文字进行文字识别处理以形成当前位置文字信息以及根据当前位置图像信息中的管道缺陷进行判断以形成当前位置管道缺陷信息；根据相互关联的所述当前位置文字信息与当前位置管道缺陷信息以形成当前位置管道缺陷表格信息，本发明通过大数据的深度学习分析以获取相应的管道缺陷的判断模型，实现对视频中的每一帧图片进行评估，提高整体的工作效率，同时也能够保证判断的正确率。

技术领域

本发明涉及管道检测技术领域，特别涉及基于深度学习的管道检测识别方法、存储介质及机器人。

背景技术

管道内检测是指利用管输介质驱动检测器在管道内运行，实时检测和记录管道的变形、腐蚀等损伤情况，并准确定位的作业。油气管道大多埋地敷设，通过管道内检测可事先发现各种缺陷和损伤，了解各管段的危险程度，可预防和有效减少事故并节约管道维修资金，是保证管道安全的重要措施。初次进行时，要进行—系列准备工作：线路测量；定标、清管器、收发球筒、弯头、斜口检査改造；管道通径、变形检测；清管、模拟器等准备，以确认管道满足通过检测器的要求。实施后要处理数据，做出检测报告。必要时还要选择适当管段开挖验证，确定管道内检测的精度、合格率等是否达到要求。

目前管道检测主要依靠CCTV技术进行管道检测，该技术通过向管道内放置CCTV管道机器人，操控机器人进行管道内窥检测且录制视频，该技术较好的解决了管道内外业人员无法直接观看的问题，但是在数据采集过程中，需要人为记录管道内拍摄到的缺陷，需集中精神进行繁多的管道视频采集，同时在采集过程中外业人员需要进行首次判断缺陷并用纸质文件记录，导致外业采集效率较低。除此之外，外业人员完成视频采集后，需交由内业人员进行重新观看管道内窥视频，内业人员根据外业人员所记录的纸质文件上所记录的提醒节点进行回顾，对整个过程进行重新判断，以求获得最为准确的判断。最后，根据人工判断结果以报表形式导出。

上述传统方法的缺点与不足：

1、传统方法是基于专业经验进行缺陷判断的，外业人员的初次判断，需要安排经验丰富的人员进行采集，对专业性具有较高要求。

2、传统方法需要在数据采集过程中需进行记录；采集过程中，外业人员需要根据实时内窥影像进行判断，视频采集效率较低。

3、传统方法难以解放人力；内业人员对大量采集视频需要进行二次判断，通过逐个观看视频并重新判断之后再制作报表，费时费力。

4、传统方法局限于个人主观意识；内业人员具有个人主观意识，不同内业人员对同一图像容易产生不同的判断结果，产生歧义，准确率因人员专业性不同而不同。

5、传统方法难以提供准确的标准进行验证；质量检查人员同样需在项目提交时进行质量检查，重新根据报表情况进行视频复核，该工作受前期人员内的判断影响，且依然局限于人的主观思考。

基于上述问题，故现有的管道检测方法具有一定的改进空间。

发明内容

本发明的第一目的是提供一种基于深度学习的管道检测识别方法，能够提高检测的效率，同时确保判断的准确度。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于深度学习的管道检测识别方法，包括：

获得当前用户的当前触发信息；

从预先设置的触发信息与指令信息之间的对应关系中，查找与所述当前触发信息对应的当前指令信息；所述触发信息包括图像处理触发信息，所述指令信息包括与图像处理触发信息相互关联的图像处理执行信息；