[發明專利]基于異常檢測思維的膠囊機器人排水管病害檢測方法

在審

• 申請號: 202110647069.3
• 申請日: 2021-06-10
• 公開（公告）號: CN113326790A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 李清泉;臧翀;王全;朱家松;劉志;方旭;朱松;王維康
• 申請（專利權）人: 深圳市環水管網科技服務有限公司;深圳市智源空間創新科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 深圳市深可信專利代理有限公司 44599
• 代理人: 劉昌剛

本發明公開了一種基于異常檢測思維的膠囊機器人排水管病害檢測方法；該方法包括以下的步驟：S10、獲取拍攝的視頻文件；S20、輸入圖像，將圖像分為4*4的圖像塊；S30、分別計算出圖像塊的LBP特征值、GLMC特征值和HOG特征值，并設計Gabor濾波器，計算Gabor特征值；S40、將步驟S30中得到的特征值組合得到特征組合數據集；S50、計算出每個特征值的概率公式；S60、選取交叉驗證數據集，依次進行步驟S30?S50，得到每張圖像的總概率值，然后通過交叉驗證集確定閾值ε；S70、輸入新的樣本圖像，計算樣本圖像的總概率值p，當pε，則認為樣本圖像異常，當pε判定為非異常；本發明的有益效果是：對提取的特征數據集進行異常聚類檢測，實現管道病害檢測，并輸出病害類型標簽。

技術領域

本發明涉及排水管道檢測技術領域，更具體的說，本發明涉及一種基于異常檢 測思維的膠囊機器人排水管病害檢測方法。

背景技術

地下管網是城市的重要基礎設施，是維持城市安全運行的生命線。然而，在建 設和使用過程中，因城市快速發展、負荷流量超標、設施老舊和維護不足等因素， 越來越多的管網問題不斷暴露出來。近年來，由地下管網病害引發的諸如城市內澇、 環境污染甚至地表塌陷等城市災害事故頻發，給人民群眾造成了重大的人員傷亡和 經濟損失。據深圳市地陷辦統計，城市地陷有近90％的原因是由各類地下管網病害 引發，對地下管網病害開展大范圍常態化的探查工作，是有效預防各類地下管網事 故的重要工作。

管道檢測儀器(如管道閉路電視檢測系統CCTV，管道潛望鏡QV)檢測方法已 經成為城市排水管網的主要檢測手段之一。CCTV或QV檢測作業時，讓視頻分析師 觀看CCTV或QV所記錄的管道影像來尋找管道內的病害，并將其分類標注。然而， 僅僅通過人工的方法來分析視頻中的病害是遠遠不夠的。CCTV或QV管道影像數據 量極大，通過人工篩查的方法費時費力。近年來，隨著圖像識別與人工智能技術的 發展，國內外研究提出利用深度學習技術實現管道病害自動識別技術。該方法將大 量經過人工標注的排水管道病害圖像，作為樣本數據輸入深度學習模型進行訓練， 然后將檢測采集的管道圖像輸入已訓練的深度學習模型進行識別，輸出病害類型標 簽。該方法減少了人工篩查的工作量，提高了病害識別效率。該方法屬于監督學習 的過程，病害識別效果依賴于輸入的樣本圖像數據，需要針對不同管材、不同管道 環境以及不同病害類型提供足夠的樣本數據，對模型進行訓練才能得到較好的病害 識別效果。然而，我國不同城市、不同年代建設的排水管道差異明顯，管道環境復 雜，病害類型多樣，經常出現全新的病害類型。此時，基于監督學習的病害識別， 難以實現病害樣本數據的全覆蓋，會導致管道病害漏檢和錯檢，影響病害管道病害 識別效果。

因此，基于深度學習的排水管道病害檢測技術還有待于改進和發展。

發明內容

為了克服現有技術的不足，本發明提供一種基于異常檢測思維的膠囊機器人排水管病害檢測方法。

本發明解決其技術問題所采用的技術方案是：一種基于異常檢測思維的膠囊機器人排水管病害檢測方法，其改進之處在于，該方法包括以下的步驟：

S10、獲取拍攝的視頻文件，將視頻文件抽幀為排水管內壁的序列圖像；

S20、輸入圖像，將圖像分為4*4的圖像塊；

S30、分別計算出圖像塊的LBP特征值、GLMC特征值和HOG特征值，并設計Gabor 濾波器，計算Gabor特征值；

S40、將步驟S30中得到的特征值組合得到特征組合數據集；

S50、計算出每個特征值的概率公式；

S60、選取交叉驗證數據集，依次進行步驟S30-S50，得到每張圖像的總概率 值，然后通過交叉驗證集確定閾值ε；

S70、輸入新的樣本圖像，計算樣本圖像的總概率值p，當pε，則認為樣 本圖像異常，當pε判定為非異常。