[发明专利]一种基于3D卷积神经网络的地下空间管道异常检测方法在审
| 申请号： | 201910261283.8 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN110032961A | 公开（公告）日： | 2019-07-19 |
| 发明（设计）人： | 庞善臣;孟璠;韩宁生;姚加敏;董立媛 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种计算机视觉的地下空间管道异常检测方法。本发明对采样的视频数据进行标记，抽取视频帧，采用深度学习中的三维卷积核法(3D CNN)训练卷积神经网络所需的样本集，对样本集进行预处理，批量修改为尺寸为200*200。设计三维卷积核网络结构，进行训练；针对采取的视频数据，对于缺陷帧进行粗略选择，然后每隔15ms对视频进行采样，并将采样帧输入到神经网络中，检测是否有异常情况存在。 | ||
| 搜索关键词： | 采样 卷积神经网络 地下空间 视频数据 异常检测 卷积核 样本集 三维 预处理 计算机视觉 批量修改 神经网络 网络结构 视频帧 抽取 视频 检测 学习 | ||
【主权项】：
1.一种基于3D卷积神经网络的地下空间管道异常检测方法，包括以下部分：步骤1：从大量的管道机器人拍摄的视频中抽取视频帧，分为A、B两个样本集；步骤2：对样本集进行预处理，统一改为尺寸为200*200，建立训练数据集，将图片划分为训练集、验证集和测试集；步骤3：设计三维卷积核(3D CNN)的网络结构，进行训练，得到权重矩阵；步骤4：针对现有的视频数据，对缺陷目标首先进行粗略选择，然后每间隔15ms进行采样；步骤5：将每一个采样的视频帧划分批次batch输入到三维卷积中进行训练，为了避免出现过拟合，对训练数据进行数据增强，方法包括改变图像色彩、水平翻转，加噪声，在送入进行训练之前对图像进行标准化处理，并判断是否有异常存在；步骤6：根据步骤5中的结果，综合判断是否有异常存在。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学（华东），未经中国石油大学（华东）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910261283.8/，转载请声明来源钻瓜专利网。
