[发明专利]一种地下基础设施渗漏水性态辨识方法及系统

权利要求书

1.一种地下基础设施渗漏水性态辨识方法，其特征在于，包括：

获取多种环境条件下的地下基础设施渗漏水图像；所述多种环境条件下的地下基础设施渗漏水图像包括多角度、不同光线强度、不同距离以及不同渗漏水级别的地下基础设施渗漏水图像；

对所述地下基础设施渗漏水图像进行标注，生成标注后的地下基础设施渗漏水图像；所述标注是指通过众包的方式将渗漏水异常数据的异常区域指示出来；

根据所述地下基础设施渗漏水图像以及标注后的地下基础设施渗漏水图像训练卷积神经网络，构建计算机视觉预测模型；所述计算机视觉预测模型用于预测述地下基础设施渗漏水图像的渗漏水性态；所述渗漏水性态包括无渗漏异常状态以及渗漏异常状态；

所述根据所述地下基础设施渗漏水图像以及标注后的地下基础设施渗漏水图像训练卷积神经网络，构建计算机视觉预测模型，具体包括：

根据所述地下基础设施渗漏水图像构建地下基础设施渗漏水图像张量，并根据所述标注后的地下基础设施渗漏水图像构建标注后的地下基础设施渗漏水图像矩阵；

选定计算机视觉预测模型的超参数；所述超参数包括训练轮数、学习率以及每次训练的数据数量；

对所述地下基础设施渗漏水图像张量以及所述标注后的地下基础设施渗漏水图像矩阵划分为训练集以及验证集；

基于所述超参数，利用训练集内的所述地下基础设施渗漏水图像张量以及所述标注后的地下基础设施渗漏水图像矩阵对所述计算机视觉预测模型进行训练，输出所述地下基础设施渗漏水图像内每个像素点的预测值；所述每个像素点的预测值用于确定所述地下基础设施渗漏水图像的渗漏水预测状态；

利用损失函数计算所述预测值和真实值之间的误差，并使用梯度下降法更新所述计算机视觉预测模型内的神经网络参数，直至所述神经网络参数收敛，构建计算机视觉预测模型；

所述利用损失函数计算所述预测值和真实值之间的误差，并使用梯度下降法更新所述计算机视觉预测模型内的神经网络参数，直至所述神经网络参数收敛，构建计算机视觉预测模型，之后还包括：

选定不同的超参数，构建不同的计算机视觉预测模型；

利用所述验证集内的所述地下基础设施渗漏水图像张量以及所述标注后的地下基础设施渗漏水图像矩阵对不同的所述计算机视觉预测模型进行验证，确定最优计算机视觉预测模型，并记录所述最优计算机视觉预测模型对应的所述超参数；

获取任一环境条件下待预测的地下基础设施渗漏水图像，并利用所述计算机视觉预测模型预测所述待预测的地下基础设施渗漏水图像的渗漏水性态。

2.根据权利要求1所述的地下基础设施渗漏水性态辨识方法，其特征在于，所述对所述地下基础设施渗漏水图像进行标注，生成标注后的地下基础设施渗漏水图像，具体包括：

对所述地下基础设施渗漏水图像进行筛选，去除所述地下基础设施渗漏水图像内的非渗漏水异常数据，生成筛选后的地下基础设施渗漏水图像；

对所述筛选后的地下基础设施渗漏水图像进行清洗，去除所述筛选后的地下基础设施渗漏水图像内的模糊化的渗漏水异常数据，生成清洗后的地下基础设施渗漏水图像；

对所述清洗后的地下基础设施渗漏水图像进行批注，标注出所述清洗后的地下基础设施渗漏水图像内的渗漏水异常数据，生成标注后的地下基础设施渗漏水图像。

3.根据权利要求1所述的地下基础设施渗漏水性态辨识方法，其特征在于，所述获取任一环境条件下待预测的地下基础设施渗漏水图像，并利用所述计算机视觉预测模型预测所述待预测的地下基础设施渗漏水图像的渗漏水性态，具体包括：

对所述待预测的地下基础设施渗漏水图像进行标注，生成标注后的待预测的地下基础设施渗漏水图像；

根据所述待预测的地下基础设施渗漏水图像构建待预测的地下基础设施渗漏水图像张量，并根据所述标注后的待预测的地下基础设施渗漏水图像构建标注后的待预测的地下基础设施渗漏水图像矩阵；

将所述待预测的地下基础设施渗漏水图像张量以及所述标注后的待预测的地下基础设施渗漏水图像矩阵输入至所述计算机视觉预测模型，预测所述待预测的地下基础设施渗漏水图像的渗漏水性态。