[发明专利]一种基于图像识别的管道缺陷分类分级方法及系统

权利要求书

1.一种基于图像识别的管道缺陷分类分级方法，其特征在于，包括以下步骤：

步骤a，将采集的管道视频或图片信息解码处理；

步骤b，将解码的图像信息归一化处理成标准格式的图像信息；

步骤c，将归一化处理后的图像信息形成图像集，建立图像识别模型并且基于图像识别模型进行缺陷特征提取；

步骤d，利用分类器对提取的缺陷特征进行缺陷分类，确定缺陷位置并且关联缺陷等级。

2.根据权利要求1所述的基于图像识别的管道缺陷分类分级方法，其特征在于，所述步骤a中，将采集的管道视频或图片信息解码处理，具体包括：将管道视频或图片信息分帧转化成RGB图像信息，利用高斯滤波对RGB图像信息进行平滑处理。

3.根据权利要求1所述的基于图像识别的管道缺陷分类分级方法，其特征在于，所述步骤c中，将归一化处理后的图像信息形成图像集，建立图像识别模型并且基于图像识别模型进行缺陷特征提取，具体包括：

所述图像集包括管道图像全集S以及根据缺陷种类和缺陷等级进行划分的若干个图像标签集P，所述图像标签集P还包含管道缺陷的位置信息，所述图像识别模型采用卷积神经网络模型；

将图像集划分为训练集和测试集，然后分批送入卷积神经网络模型进行训练，基于卷积神经网络模型对管道图像全集S中的图像信息进行缺陷特征提取。

4.根据权利要求3所述的基于图像识别的管道缺陷分类分级方法，其特征在于，所述步骤d中，利用分类器对提取的缺陷特征进行缺陷分类，确定缺陷位置并且关联缺陷等级，具体包括：

卷积神经网络模型中的分类器根据提取的缺陷特征与若干个图像标签集P的相似度进行匹配，实现缺陷分类，确定缺陷等级；

并根据图像标签集P，确定缺陷位置。

5.根据权利要求1所述的基于图像识别的管道缺陷分类分级方法，其特征在于，所述方法还包括：

步骤e，对图像信息进行多帧关联，在图像信息坐标上结合速度参数以分析动态特征缺陷。

6.根据权利要求5所述的基于图像识别的管道缺陷分类分级方法，其特征在于，所述方法还包括：

步骤f，基于步骤d和步骤e获得的缺陷特征和动态特征缺陷，形成缺陷数据库，并输出管道检测报告。

7.一种基于图像识别的管道缺陷分类分级系统，其特征在于，应用于权利要求1-6任一所述的基于图像识别的管道缺陷分类分级方法，包括：

图像解码处理单元，用于将采集的管道视频或图片信息解码处理；

图像归一化处理单元，用于将解码的图像信息归一化处理成标准格式的图像信息；

缺陷特征提取单元，用于将归一化处理后的图像信息形成图像集，建立图像识别模型并且基于图像识别模型进行缺陷特征提取；

缺陷分类分级单元，用于利用分类器对提取的缺陷特征进行缺陷分类，确定缺陷位置并且关联缺陷等级。

8.根据权利要求7所述的基于图像识别的管道缺陷分类分级系统，其特征在于，所述系统还包括：

态特征缺陷分析单元，用于对图像信息进行多帧关联，在图像信息坐标上结合速度参数以分析动态特征缺陷。

9.根据权利要求8所述的基于图像识别的管道缺陷分类分级系统，其特征在于，所述系统还包括：

缺陷结果处理单元，用于基于获得的缺陷特征和动态特征缺陷，形成缺陷数据库，并输出管道检测报告。