[發(fā)明專利]基于深度相機的排水管道缺陷檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202110507757.X
• 申請日: 2021-05-10
• 公開（公告）號: CN113160210A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計）人: 張釗;林潔;葉子銘;蔣俊豪;杜顏;何昱昊
• 申請（專利權(quán)）人: 深圳市水務(wù)工程檢測有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06T5/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳倚智知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44632
• 代理人: 霍如肖

1.基于深度相機的排水管道缺陷檢測方法，其特征在于，包括如下步驟：

S1，獲取深度相機拍攝的排水管道內(nèi)表面第一圖像；

S2，根據(jù)預(yù)先訓(xùn)練的第一圖像分類模型對第一圖像進行分類；若第一圖像被分類為第一缺陷圖，

S3，獲取深度相機拍攝的與第一圖像同步的第二圖像；

S4，根據(jù)預(yù)先訓(xùn)練的第二圖像分類模型對第二圖像進行分類；若第二圖像被分類為第二缺陷圖，

S5，將第一缺陷圖和第二缺陷圖進行圖像融合生成第三圖像；

S6，根據(jù)預(yù)先訓(xùn)練的缺陷檢測模型檢測第三圖像的缺陷類型，輸出檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，

所述深度相機為TOF相機、結(jié)構(gòu)光相機或雙目相機中的一種；

所述第一圖像為紅外圖像、所述第二圖像為深度圖像；

或所述第一圖像為深度圖像、所述第二圖像為紅外圖像。

3.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，在S3步驟中，所述同步的方法為時間戳同步。

4.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，

在S2步驟中所述對第一圖像進行分類的類型包括但不限于第一缺陷圖和第一正常圖；

在S4步驟中所述對第二圖像進行分類的類型包括但不限于第二缺陷圖和第二正常圖。

5.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，在S5步驟中所述圖像融合的方法包括但不限于基于HSI變換的圖像融合、基于小波變換的圖像融合、基于深度學(xué)習(xí)的圖像融合。

6.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，所述第一圖像分類模型和第二圖像分類模型采用基于YOLO-V4的輕量級目標檢測模型；所述缺陷檢測模型采用基于ResNet-18的輕量級深度殘差網(wǎng)絡(luò)。

7.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，在S6步驟中，所述檢測結(jié)果包括但不限于排水管道內(nèi)表面缺陷的位置、種類和等級。

8.根據(jù)權(quán)利要求1所述缺陷檢測方法，其特征在于，在S6步驟之后還包括步驟：

S7，提取第一缺陷圖存儲到第一缺陷樣本集；提取第二缺陷圖存儲到第二缺陷樣本集。

9.基于深度相機的排水管道缺陷檢測裝置，其特征在于，所述缺陷檢測裝置包括：

圖像獲取模塊，用于獲取深度相機拍攝的排水管道內(nèi)表面第一圖像和與和一圖像同步的第二圖像；

圖像分類模塊，用于根據(jù)預(yù)先訓(xùn)練的第一圖像分類模型對第一圖像進行分類；用于根據(jù)預(yù)先訓(xùn)練的第二圖像分類模型對第二圖像進行分類；

圖像融合模塊，用于將同步的第一圖像和第二圖像進行圖像融合生成第三圖像；

缺陷檢測模塊，用于根據(jù)預(yù)先訓(xùn)練的缺陷檢測模型檢測第三圖像的缺陷類型，輸出檢測結(jié)果。

10.根據(jù)權(quán)利要求9所述缺陷檢測裝置，其特征在于，還包括：

樣本采集模塊，提取第一缺陷圖存儲到第一缺陷樣本集，用于訓(xùn)練第一圖像分類模型；提取第二缺陷圖存儲到第二樣本集，用于訓(xùn)練第二圖像分類模型。