[发明专利]一种地下排水管道缺陷图像采集分类系统及方法在审

专利信息
申请号: 202011520563.5 申请日: 2020-12-21
公开(公告)号: CN112528922A 公开(公告)日: 2021-03-19
发明(设计)人: 谭锦欣;孙连鹏;鄢琳;邓欢忠;林健新;左达任 申请(专利权)人: 广东爱科环境科技有限公司;中山大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京化育知识产权代理有限公司 11833 代理人: 涂琪顺
地址: 528400 广东省中山市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 地下 排水管道 缺陷 图像 采集 分类 系统 方法
【说明书】:

发明公开了一种地下排水管道缺陷图像采集分类系统及方法,该系统包括移动机器人以及与移动机器人通信连接的后台服务器,移动机器人上设置有控制器以及与控制器电性连接的照明装置、摄像头、GPS定位模块、无线通信模块,控制器通过无线通信模块与后台服务器通信连接;后台服务器包括分类器模块和图像处理模块,分类器模块用于对排水管道缺陷图像进行分类,图像处理模块用于对分类后的图像进行归一化处理。本发明提供的地下排水管道缺陷图像采集分类系统及方法,能够对排水管道进行定位图像采集,并可以对排水管道检测图像进行详细科学分类并处理为标准图像形成排水管道图像标准样本库,为图像识别提供更可靠的数据支持。

技术领域

本发明涉及市政管道缺陷监测技术领域,具体涉及一种地下排水管道缺陷图像采集分类系统及方法。

背景技术

在城市地下排水管网的使用过程中,经常出现各种管道功能缺陷、结构缺陷等问题,这些问题会严重影响到排水管网健康运行和末端污水厂的污水处理。传统排水管道监测方式是在排水管道中设置摄像头,然后再安排专门人员对采集的图像信息进行浏览,手动找出问题影像,费时且不准确。目前有关研究人员提出采用图像识别的方法自动识别管道检测图像中的缺陷。

与传统图像识别方法相比,基于深度学习的图像识别能自动提取图像中的特征,在静态图像、视频识别方面获得了明显改善效果,但目前相关研究存在样本图像数据规模有限、来源单一,无法为管道内部图像识别提供丰富的数据样本。

发明内容

本发明的目的是提供一种地下排水管道缺陷图像采集分类系统及方法,能够排水管道进行定位图像采集,并可以对排水管道检测图像进行详细科学分类并处理为标准图像形成排水管道图像标准样本库,为图像识别提供更可靠的数据支持。

为实现上述目的,本发明提供了如下方案:

一种地下排水管道缺陷图像采集分类系统,该系统包括:移动机器人以及与移动机器人通信连接的后台服务器,所述移动机器人上设置有控制器以及与控制器电性连接的照明装置、摄像头、GPS定位模块、无线通信模块,所述控制器通过所述无线通信模块与所述后台服务器通信连接,所述摄像头用于采集排水管道缺陷图像,所述GPS定位模块用于对移动机器人的位置进行定位;所述后台服务器包括分类器模块和图像处理模块,所述分类器模块用于对排水管道缺陷图像进行分类,所述图像处理模块用于对分类后的图像进行归一化处理。

进一步的,所述移动机器人上还设置有温度传感器、水质传感器,所述温度传感器、水质传感器分别与所述控制器电性连接,所述温度传感器用于监测排管管道内的温度,所述水质传感器用于监测排水管道内的水质。

进一步的,所述移动机器人上还设置有存储器,所述存储器与所述控制器电性连接,用于实时存储所述摄像头采集的排水管道内的图像数据。

本发明还公开了一种地下排水管道缺陷图像监测方法,应用于上述的地下排水管道缺陷图像采集分类系统,包括以下步骤:

S1,不同监测点的图像采集装置采集排水管道检测图像,打包为图像数据集合上传到后台服务器;

S2,基于图像数据集合,后台服务器以管材类型、管道缺陷类型、图像拍摄角度作为分类依据进行排水管道图像信息分类处理;

S3,对分类完成后的图像进行解码、平滑和归一化处理,形成标准化图像,并存入排水管道图像标准样本库。

进一步的,所述步骤S2中,基于图像数据集合,后台服务器采用图像识别技术,以管材类型、管道缺陷类型、图像拍摄角度作为分类依据进行排水管道图像信息分类处理,具体包括:

S201,将采集的排水管道检测图像按管材不同进行分类;

S202,将按管材分类后的图像按管道缺陷不同进行分别分类;

S203,将按缺陷分类后的图像按图像拍摄角度进行分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东爱科环境科技有限公司;中山大学,未经广东爱科环境科技有限公司;中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011520563.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top