[发明专利]一种排水管道缺陷精准定位方法及系统

权利要求书

1.一种排水管道缺陷精准定位方法，其特征在于，所述方法包括：

步骤1，获取CCTV排水管道检测视频，所述检测视频包含距离的文本信息；

步骤2，提取所述检测视频中的所述距离的文本信息后，对所述检测视频中的文本信息进行过滤；

步骤3，利用基于YOLOv3的检测模型对所述检测视频进行缺陷检测，根据缺陷检测结果以及所述距离的文本信息确定缺陷个数及位置。

2.根据权利要求1所述的方法，其特征在于，所述步骤2中提取所述检测视频中的所述距离的文本信息的过程包括：根据所有所述检测视频中的距离信息生成字符提取模型，利用所述字符提取模型对相应距离信息区域进行字符提取；

对所述检测视频中的文本信息进行过滤的过程包括：

以像素为基准对文本区域进行腐蚀，使用周边像素填充的方式对视频无效区域进行修复。

3.根据权利要求2所述的方法，其特征在于，所述步骤2中对所述无效区域进行修复的过程包括：

步骤201，对所述无效区域Ω的边界δΩ的任意一点p，在点p周围图像已知的区域内部，选择一个以ε为尺度的邻域B_ε(P)；

步骤202，计算点p的像素值为

其中，q为邻域B_ε(P)中的定点，I(q)为q的像素值，为q的梯度值，ω(p,q)为权重分布函数；

步骤203，不断迭代点p的像素值计算公式I(p)，逐步收缩所述无效区域的边界直至整个所述无效区域完全修复。

4.根据权利要求1所述的方法，其特征在于，所述步骤3中建立所述检测模型的过程包括：

步骤301，使用视频标注工具对所述检测视频进行缺陷标签标注，将标注后的样本随机按比例分为训练集和验证集；

步骤302，调整YOLOv3神经网络结构，加载通过COCO数据集训练得到的预训练模型，并将生成的训练与验证数据导入所述YOLOv3神经网络结构中进行训练；

步骤303，选出训练过程中验证集准确率高且训练与验证损失最优的所述检测模型，使用未参与模型训练的视频对所述最优的模型进行测试。

5.根据权利要求4所述的方法，其特征在于，所述步骤301中标注的所述标签类型包括障碍物、沉积和结垢三类缺陷。

6.根据权利要求1所述的方法，其特征在于，所述步骤3之后还包括：

步骤4，对检测到的缺陷区域与上一次检测到的缺陷区域进行相似度对比，所述相似度不小于设定阈值时，表明两次检测到的所述缺陷为同一缺陷；所述相似度小于设定阈值时，表明两次检测得到缺陷非同一缺陷，确定上一次检测的所述缺陷的位置为其精确位置。

7.根据权利要求6所述的方法，其特征在于，所述相似度为所述缺陷区域的灰度直方图重合度。

8.一种排水管道缺陷精准定位系统，其特征在于，所述系统包括：

检测设备，用于获取CCTV排水管道检测视频，所述检测视频包含距离的文本信息；

文本信息处理模块，提取所述检测视频中的距离的文本信息后，对所述检测视频中的文本信息进行过滤；

缺陷确定模块，利用基于YOLOv3的检测模型对所述检测视频进行缺陷检测，根据缺陷检测结果以及距离的文本信息确定缺陷个数及位置。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的排水管道缺陷精准定位方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的排水管道缺陷精准定位方法的步骤。