[发明专利]一种基于电缆隧道的缺陷检测方法和系统

权利要求书

1.一种基于电缆隧道的缺陷检测方法，其特征在于，所述缺陷检测方法包括：

利用机器狗搭载的传感器采集电缆隧道内的典型缺陷图像数据，并利用所述典型缺陷图像数据构建构建电缆隧道典型缺陷图像样本库；

利用所述电缆隧道典型缺陷图像样本库中的样本数据对缺陷检测模型进行训练，获得训练后的缺陷检测模型；

利用所述缺陷检测模型对机器狗实时采集的待检测图像进行图像检测及辅助标注，获得带标注图像；

利用深度学习AI图像识别方法对所述带标注图像进行图像识别，获得待检测图像中的待检测部件对象的缺陷识别结果。

2.根据权利要求1所述缺陷检测方法，其特征在于，利用机器狗搭载的传感器采集电缆隧道内的典型缺陷图像数据，并利用所述典型缺陷图像数据构建构建电缆隧道典型缺陷图像样本库，包括：

利用机器狗搭载视觉传感器和红外测温仪，采集电缆隧道内的缺陷图像；

根据所述缺陷图像结合电缆隧道内典型缺陷的图像化表现形态，将所述缺陷图像进行筛选梳理，确定符合典型缺陷的图像化表现形态的初始化图像；

根据所述符合典型缺陷的图像化表现形态的初始化图像的表现形态确定采集、存储和标注的标准化规则；

按照所述初始化图像的采集标准化规则控制所述机器狗进行图像采集，获得多个所述初始化图像；

将所述初始化图像按照标注的标准化规则进行关键点标注，形成带有标注的初始化图像；

将所述带有标注的初始化图像转换成统一标准格式的图像数据，所述统一标准格式的图像数据作为图像样本；

利用所述图像样本形成电缆隧道典型缺陷图像样本库。

3.根据权利要求2所述缺陷检测方法，其特征在于，根据所述图像样本确定采集、存储和标注的标准化规则，包括：

根据所述初始化图像的具体表现形态，确定图像采集的亮度值范围；

根据所述初始化图像所包含具体的图像化表现形态，对初始化图像按照所述图像化表现形态的类别进行划分，并按照每个类别对应一个存储区域的方式进行标准化存储；

根据初始化图像的面积，设置每相邻两帧图像之间的图像重叠区域面积，并按照所述图像重叠区域面积确定图像采集镜头移动间距；

根据所述初始化图像的具体表现形态提取所述初始化图像中的所有关键点位置，并根据每个关键点位置确定获取每个关键点的置信度，利用所述置信度设置关键点的置信度阈值，并针对所有后续图像采集过程中获得的图像中识别出的关键点进行置信度获取，并将置信度不低于所述置信度阈值的关键点作为用于标注的关键点。

4.根据权利要求3所述缺陷检测方法，其特征在于，根据所述初始化图像的具体表现形态，确定图像采集的亮度值范围，包括：

提取所有初始化图像的亮度对应的亮度数值，并针对重复出现的相同的亮度数值，按照保留一个数值参数的方式进行亮度数值提取；

将所述亮度数值按照从低到高的顺序进行排列，形成亮度数值集合；

根据亮度数值集合内的亮度数值参数确定后续图像采集过程中的亮度值范围。

5.根据权利要求1所述缺陷检测方法，其特征在于，利用深度学习AI图像识别方法对所述带标注图像进行图像识别，获得待检测图像中的待检测部件对象的缺陷识别结果，包括：

实时提取进行关键点标注后的所述带标注图像；

根据灰度和图像纹理对所述带标注图像进行关键区域分割，获得多个关键区域图像块；

深度学习AI图像识别方法对所述关键区域图像块进行关键点标注识别分析，根据关键点标注识别分析结果获取待检测图像中对应的待检测部件对象的缺陷识别结果。