[发明专利]一种基于云端处理的管廊智能信息管理方法及系统

说明书

本发明公开了一种基于云端处理的管廊智能信息管理方法及系统，所述方法包括：获取异常检测与属性分析数据集；训练管廊异常检测深度神经网络模型；训练管廊属性分析深度神经网络模型；获取传感器组传来的烟感，温度，视觉，湿度等信息；对视觉信息，使用深度网络分类器对新获取的待识别的图像进行异常检测；对视觉信息，使用深度网络检测器对新获取的待处理的图像进行属性分析；对所有传感信息以及视觉处理信息在三维BIM模型的基础上进行属性集修改。本发明能有效对管廊进行实时监测分析，可以提高管廊维护运营效率，节约人力资源成本。

技术领域

本发明属于计算机数字图像处理与模式识别技术领域，特别涉及一种基于云端处理的管廊智能信息管理方法及系统。

背景技术

综合管廊(也称“共同沟”或“共同管道”)就是地下城市管道综合走廊，即在城市地下建造一个隧道空间，将电力、通信、燃气、供热、给排水等各种工程管线集于一体，设有专门的检修口、吊装口和监测系统，实施统一规划、统一设计、统一建设和管理，是保障城市运行的重要基础设施和“生命线”。管廊的建设意义重大，其在日常的管廊维护养护中，主要依赖于人工巡视或机器人巡视人工观察监控视频分析判断。当城市管廊建设达到一定规模以后，依赖于人工的检查方式从效率、成本上都备受局限。综上，管廊巡检效率提高的需求迫不及待。

目前随着大数据技术的成熟，出现了利用云端数据库来进行业务信息的采集整理与展示的技术，但是这些技术的信息来源几乎都依赖于人工导入，同时欠缺智能化分析，只是单纯作为一个信息管理的平台。

发明内容

本发明的目的在于提供一种基于云端处理的管廊智能信息管理方法及系统，以解决上述存在的一个或多个技术问题。本发明的管廊智能信息管理方法，在机器人巡逻过程中，能够对管廊各传感器组传来的信息进行实时处理并实现大数据管理。

为达到上述目的，本发明采用以下技术方案：

本发明的一种基于云端处理的管廊智能信息管理方法，包括以下步骤：

步骤1，获取管廊正常及异常学习样本集，标注管廊属性学习样本集；

步骤2，使用步骤1获得的管廊正常及异常学习样本集对预构建的第一深度神经网络模型进行训练，获得训练好的管廊异常检测深度神经网络模型；使用步骤1获得的管廊属性学习样本集对预构建的第二深度神经网络模型进行训练，获得训练好的管廊属性分析深度神经网络模型；

步骤3，通过传感器组获取管廊的烟感、温度、视觉、湿度信息；基于获取的视觉信息，使用步骤2训练好的管廊异常检测深度神经网络模型对待识别的图像进行异常检测，获得异常检测结果；基于获取的视觉信息，使用步骤2训练好的管廊属性分析深度神经网络模型对待识别的图像进行属性分析，获得属性分析结果；

步骤4，基于步骤3获得的信息和结果，在三维BIM模型的基础上进行属性集修改。

本发明的进一步改进在于，步骤1中，所述管廊正常及异常学习样本集包括：正样本和负样本；其中，正样本包括待检测的管廊异常目标，负样本包括管廊正常图像；

所述管廊属性学习样本集包括用labelImg标注的xml后缀标签文件。

本发明的进一步改进在于，步骤2中，所述第一深度神经网络模型为Resnet、Densenet、VGG或Alexnet；所述第二深度神经网络模型为YOLO、Fast-RCNN、Faster-RCNN或SSD。

本发明的进一步改进在于，步骤2中，所述第一深度神经网络模型为Resnet；所述第二深度神经网络模型为SSD。

本发明的进一步改进在于，步骤2中，对第一深度神经网络模型进行训练时包括：对样本进行过采样并增加仿射变换平衡样本类别间频数，对训练图像进行随机平移与旋转变换，模拟摄像头抖动情况；对第二深度神经网络模型进行训练时包括：将学习样本集转化为VOC标准数据集格式。