[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

说明书

本发明公开了一种基于图像识别的管道缺陷分类分级方法及系统，该方法包括以下步骤：将采集的管道视频或图片信息解码处理；将解码的图像信息归一化处理成标准格式的图像信息；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；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。本发明提供的基于图像识别的管道缺陷分类分级方法及系统，能够根据采集的管道图像自动进行缺陷分类和分级，具有自动化水平高、检测速度快、检测结果准确度高的特点，有效节省人工成本，避免了传统人工检测存在的问题。

技术领域

本发明涉及市政管道缺陷识别技术领域，具体涉及一种基于图像识别的管道缺陷分类分级方法及系统。

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，标记缺陷类别并进行缺陷分级，这种方法检测速度慢，成本极高，判断主观性强，缺陷分类分级受工作经验影响较大，工作量大，容易出现遗漏，且反馈速度慢，效率极其低下。因此，亟需加强管道缺陷分类分级的自动化方法研究。

发明内容

本发明的目的是提供一种基于图像识别的管道缺陷分类分级方法及系统，能够根据采集的管道图像自动进行缺陷分类和分级，具有自动化水平高、检测速度快、检测结果准确度高的特点，避免了传统人工检测存在的问题。

为实现上述目的，本发明提供了如下方案：

一种基于图像识别的管道缺陷分类分级方法，该方法包括以下步骤：

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。