[发明专利]一种基于优化YOLOv3算法的管道连接器及缺陷精确识别方法

权利要求书

1.一种基于优化YOLOv3算法的管道连接器及缺陷精确识别方法，其特征在于：步骤如下：

步骤一、开启小径管道检测机器人的电源，并对小径管道检测机器人参数进行初始化设置，操控机器试验其功能是否满足检测标准；

步骤二、将调试好的小径管道检测机器人放入被检测管道中，使其匀速前进，定位模块中微惯性测量单元收集定位信息，并通过数据处理单元对采集到的测量值进行处理，摄像模块收集管道内视频信息，并将定位信息及视频信息通过数据存储单元进行保存；

步骤三、将得到的视频数据进行逐帧分析处理，得到图像数据并将其进行扩充，且将图像数据平滑处理，统一格式大小；

步骤四、将处理后的图片集进行标记处理，制作数据集得到训练集和验证集；

步骤五、通过引入注意力机制模块对YOLOv3深度学习框架中的darknet-53网络结构和损失函数进行优化，对其数据参数进行调优试验，并且冰冻一部分训练集分批进行对管道内部连接器识别模型的训练；

步骤六、观察训练模型收敛情况，判断损失函数是否过拟合，是否满足训练标准；如果满足训练标准则直接输出模型，不满足找到较优化的权重函数并且解冻数据集再次精化训练，得到更满足标准的权值函数后输出模型；

步骤七、得到最终的训练模型后，进行验证集的批量测试，得到模型标记的管道连接器及缺陷区域标记结果，并调试程序计算出其与实际标记的管道连接器及缺陷区域的交并比，绘制出mAP曲线，根据其检测精度评估模型训练结果的优劣性，判断模型对管道检测要求的满足性；

步骤八、利用模型快速识别出管道内部视频中的管道连接器信息，与定位信息中的时间线对应，对加速度计识别的管道连接器信息进行修正，进而提高管道机器人的定位精度；同时模型识别得到管道缺陷情况，得到管道缺陷类别以及可能性概率；

步骤九、管道缺陷识别信息与管道机器人精确定位信息用于管道缺陷日常维护管理。

2.根据权利要求1所述的一种基于优化YOLOv3算法的管道连接器及缺陷精确识别方法，其特征在于：步骤二中的微惯性测量单元是小径管道机器人安装有传感器，视觉辅助所使用的视频信息来自管道机器人检测管道已有视频数据。

3.根据权利要求1或2所述的一种基于优化YOLOv3算法的管道连接器及缺陷精确识别方法，其特征在于：步骤三中的具体步骤为：

步骤a、在小径管道检测机器人完成整个被检测管道的检测工作后，从数据存储单元中得到管道内部的视频数据；

步骤b、将得到的视频数据，通过编写的MATLAB程序将视频数据每10秒取一帧保存成为RGB图片数据，并用高斯滤波对RGB图片进行平滑处理；

步骤c、将平滑处理得到的RGB图片集进行分类筛选，得到有管道连接器及缺陷的图片集并且将其通过翻转、调整对比度、增取像素点等方法对图片数据集进行扩充；

步骤d、将扩充后的数据集，统一调整好大小为416×416像素方便后面YOLOv3模型的训练，完成图片集的处理。

4.根据权利要求3所述的一种基于优化YOLOv3算法的管道连接器及缺陷精确识别方法，其特征在于：所述步骤五中优化了YOLOv3的主干网络darknet-53，在其中加入注意力机制模块CBAM，该模块包括通道注意力和空间注意力。

5.根据权利要求1或4所述的一种基于优化YOLOv3算法的管道连接器及缺陷精确识别方法，其特征在于：步骤八中，加速度计测量得到的管道连接器及缺陷信息与网络模型识别识别信息得到的管道连接信息进行时间同步，两者信息均来自于同一个检测装置在同一个管道内部得到的同一次检测结果。