[发明专利]一种基于优化深度学习的管道中视频损害智能分割系统

说明书

本发明公开了一种基于优化深度学习的管道中视频损害智能分割系统，涉及管道病害检测技术领域。系统包括处理器，处理器执行存储器存储的计算机程序，以实现如下步骤：获取管道损害图像和视频，构建预训练数据集和精确训练数据集；构建用于管道视频损害分割的深度学习模型，所述深度学习模型包括孪生网络模块和Seg‑CapsNet模块；通过所述预训练数据集和所述精确训练数据集对所述深度学习模型进行训练；对经训练的深度学习模型进行测试，若测试结果满足预设条件，则通过训练后的深度学习模型对目标管道视频进行分割，得到目标管道视频中含有损害帧的分割结果；本发明提升了管道视频中的损害的分割精度。

技术领域

本发明涉及管道病害检测技术领域，特别涉及一种基于优化深度学习的管道中视频损害智能分割系统。

背景技术

地下管线是城市赖以生存和发展的物质基础。城市地下管道广泛应用于供暖，供水，排污等领域。随着地下排水管网建设的迅速发展和大量在役工程的老化失修，工程安全隐患凸显，会产生破漏、障碍物及错口等各种病害，导致环境污染、城市内涝、道路塌陷等事故多发频发，造成重大损失和社会影响。因此，对于地下排水管道的定期检测，是至关重要的。

目前针对管道损害的检测问题，主要由两种方式：(1)潜水检测法，就是人工检测，需要检测人员进入管道进行检测，人员进入和潜水检查适用于管径较大且管内流体流速较低的情况，无法记录检测结果，主要凭借人眼观察对管道缺陷进行描述，易受检测人员主观因素的影响；(2)简易工具检查法，包括镜子、沟牛、泥斗、激光笔等等，优点是快速、简便，但是容易受障碍物的干扰，无法直观检测管道结构受损状况，并且检测效率及精度较低。

发明内容

基于上述技术问题，提供一种基于优化深度学习的管道中视频损害智能分割系统，以解决现有管道损害检测方法容易受障碍物的干扰，无法直观检测管道结构受损状况，并且检测效率及精度较低的问题。

基于此，本发明提供一种基于优化深度学习的管道中视频损害智能分割系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

步骤1：获取管道损害图像，根据所述管道损害图像构建预训练数据集；获取管道损害视频，根据所述管道损害视频构建精确训练数据集。

步骤2：构建用于管道视频损害分割的深度学习模型，所述深度学习模型包括孪生网络模块和Seg-CapsNet模块；所述孪生网络模块用于提取管道视频目标流与参考流的相似特征，Seg-CapsNet模块用于管道损害视频帧的分割；所述孪生网络模块采用动态更新参考帧策略：动态更新管道损害视频参考流中的参考帧，用于适应管道损害视频流中管道损害目标区域的外观变化；Seg-CapsNet模块在卷积层中采用填充卷积的方式，用于保留管道损害图像的边缘信息。

步骤3：通过所述预训练数据集和所述精确训练数据集对所述深度学习模型进行训练。

步骤4：对经训练的深度学习模型进行测试，若测试结果满足预设条件，则通过训练后的深度学习模型对目标管道视频进行分割，得到目标管道视频中含有损害帧的分割结果。

进一步的，对于某一管道损害视频两个相邻视频帧V_t-1，V_t，及其对应的分割掩码图像M_t-1，M_t，计算相邻视频帧V_t-1，V_t之间的光流F_t；

使用F_t对目标分割掩码M_t-1进行warp，并得到V_twarp后的目标掩码M_t’；计算M_t与M_t’的相似性IoU：