基于深度学习的地下管网自动识别检测的云系统技术方案

本发明专利技术公开了基于深度学习的地下管网自动识别检测的云系统，包括地下管网缺陷收集模块、公共数据集收集模块、地下管网典型缺陷样本库、典型缺陷分析与分类模块、地下网管敷设环境地质状态数据收集模块、深度学习模块、地下管网自动识别检测模块和决策模块；通过建立地下管网典型缺陷样本库，利用地下管网典型缺陷样本库内包含的已知的多个地下管网典型缺陷以及公共数据集收集模块收集的数据，作为模型训练的数据集，训练后得到的地下管网自动识别检测LexNet网络模型具有高的识别检测精度，地下管网的自动识别检测速度快，检测结果质量稳定，且可靠性高。且可靠性高。且可靠性高。

【技术实现步骤摘要】
基于深度学习的地下管网自动识别检测的云系统


[0001]本专利技术涉及地下管网自动检测
，尤其涉及基于深度学习的地下管网自动识别检测的云系统。

技术介绍

[0002]地下管网在施工和运营过程中,管道破坏和变形情况时有发生，不均匀沉降和环境因素引起的管道结构性缺陷和功能性缺陷,致使排水管道不能发挥应有的作用。当暴雨来袭,雨水不能及时排除，大城市屡成泽国。大量地下水经渗漏的接口流人管道,泥沙随之流出导致管道周边被掏空,管道基础承载力下降出现脱节和错位更有甚者出现路面空洞,当空洞达到一定程度时路面出现下陷或者突然坍塌。因此,定期对排水管道进行检测显得尤为必要。我国各级政府已经充分地认识到排水管网管理和维护的重要性,近几年全国排水管道检测业务发展迅速。
[0003]传统的地下管网检测方式还依靠于人工检测，首先采集地下管网内部的缺陷图形，再利用人工对图像缺陷进行识别及属性录入，检测模式不仅工作量大、作业效率低,而且容易造成人员视觉疲劳出现判定错误。因此,本专利技术提出基于深度学习的地下管网自动识别检测的云系统，以解决现有技术中的不足之处。

技术实现思路

[0004]针对上述问题，本专利技术的目的在于提供基于深度学习的地下管网自动识别检测的云系，通过建立地下管网典型缺陷样本库，利用地下管网典型缺陷样本库内包含的已知的多个地下管网典型缺陷以及公共数据集收集模块收集的数据，作为模型训练的数据集，训练后得到的地下管网自动识别检测LexNet网络模型具有高的识别检测精度，地下管网的自动识别检测速度快，检测结果质量稳定，且可靠性高。
[0005]为了实现本专利技术的目的，本专利技术通过以下技术方案实现：
[0006]基于深度学习的地下管网自动识别检测的云系统，其特征在于：包括地下管网缺陷收集模块、公共数据集收集模块、地下管网典型缺陷样本库、典型缺陷分析与分类模块、地下网管敷设环境地质状态数据收集模块、深度学习模块、地下管网自动识别检测模块和决策模块；
[0007]所述地下管网缺陷收集模块用于收集来自全国主要城市开展城镇排水管道检测业务所积累的管道缺陷图像，然后对地下管网缺陷进行名称确定，得到一系列的典型缺陷；
[0008]所述公共数据集收集模块用于从网络上下载公认的且质量高的数据集、用于收集网络上优质的地下管网缺陷图片，以及用于从实际地下管网检测工程项目中收集地下管网缺陷图片，并将从网络上下载公认的且质量高的数据集、从网络上收集的优质的地下管网缺陷图片补充到地下管网典型缺陷样本库中以及从实际地下管网检测工程项目中收集的地下管网缺陷图片补充到地下管网典型缺陷样本库内；
[0009]所述地下管网典型缺陷样本库用于对一系列的典型缺陷和公共数据集收集模块
传输的数据进行预处理操作，然后将经过预处理操作的所有数据进行典型度排序，建立出一个具有十个典型缺陷分类的地下管网典型缺陷样本库；
[0010]所述典型缺陷分析与分类模块用于将地下管网典型缺陷样本库内的典型缺陷结合实际地下管网，并利用LexNet网络模型对典型缺陷进行综合分析，最后将典型缺陷按照危害程度进行排序，并按照危害程度将是个典型曲分类成一级危害类别、二级危害类别和三级危害类别；
[0011]所述地下网管敷设环境地质状态数据收集模块用于获取地下网管敷设地图，并对地下网管敷设环境中的历史地质状态数据进行收集，然后对收集的地下网管敷设环境中的历史地质状态数据进行分析，预测出未来该地下网管敷设环境地质状态的变化数据；
[0012]所述深度学习模块用于将地下管网典型缺陷样本库内的数据作为复合数据集，然后将复合数据集输入到LexNet网络模型中，对LexNet网络模型进行训练，得到地下管网自动识别检测LexNet网络模型；
[0013]所述地下管网自动识别检测策模块用于根据地下管网自动识别检测LexNet网络模型对地下管网缺陷进行自动识别检测，检测出地下管网缺陷类型；
[0014]所述决策模块用于根据地下管网自动识别检测策模块检测出的地下管网缺陷类型进行风险评估，并根据风险评估比对出地下管网缺陷的所属危害类别，最后根据危害类别共同生成决策内容。
[0015]进一步改进在于：所述一级危害类别包括危害程度排序1
‑
2名的典型缺陷，所述二级危害类别包括危害程度排序3
‑
5名的典型缺陷，所述三级危害类别包括危害程度排序6
‑
10名的典型缺陷。
[0016]进一步改进在于：所述一级危害类别的优先级高于二级危害类别，所述二级危害类别的优先级高于三级危害类别。
[0017]进一步改进在于：所述预处理操作包括对典型缺陷和公共数据集收集模块传输的数据进行数据清洗、去除噪声数据、归一化处理。
[0018]进一步改进在于：所述预处理操作还包括对典型缺陷和公共数据集收集模块传输的数据进行数据平衡和数据增广处理。
[0019]进一步改进在于：所述典型缺陷分析与分类模块利用LexNet网络模型对典型缺陷进行综合分析时，需要结合实际地下管网对LexNet网络模型的局部结构进行修改，得到一个新的能够适应实际地下管网的新LexNet网络模型。
[0020]进一步改进在于：所述地下管网典型缺陷样本库内包括有补充库，所述补充库用于储存公共数据集收集模块从网络上下载公认的且质量高的数据集、从网络上收集的优质的地下管网缺陷图片补充到地下管网典型缺陷样本库中以及从实际地下管网检测工程项目中收集的地下管网缺陷图片。
[0021]进一步改进在于：所述决策模块根据危害类别共同生成决策内容的时候，需要将地下网管敷设环境地质状态数据收集模块预测出的未来该地下网管敷设环境地质状态的变化数据作为关键决策指标，与危害类别指标共同生成决策内容。
[0022]本专利技术的有益效果为：本专利技术通过建立地下管网典型缺陷样本库，利用地下管网典型缺陷样本库内包含的已知的多个地下管网典型缺陷以及公共数据集收集模块收集的数据，作为模型训练的数据集，并通过对数据集进行数据清洗、去除噪声数据、归一化处理、
数据平衡和数据增广处理的一系列预处理操作，可以提高数据集的质量，用包括模型训练后得到的地下管网自动识别检测LexNet网络模型具有高的识别检测精度，地下管网的自动识别检测速度快，检测结果质量稳定，且可靠性高。
附图说明
[0023]图1为本专利技术系统框架结构示意图。
具体实施方式
[0024]为了加深对本专利技术的理解，下面将结合实施例对本专利技术做进一步详述，本实施例仅用于解释本专利技术，并不构成对本专利技术保护范围的限定。
[0025]根据图1所示，本实施例提出基于深度学习的地下管网自动识别检测的云系统，基于深度学习的地下管网自动识别检测的云系统，其特征在于：包括地下管网缺陷收集模块、公共数据集收集模块、地下管网典型缺陷样本库、典型缺陷分析与分类模块、地下网管敷设环境地质状态数据收集模块、深度学习模块、地下管网自动识别检测模块和决策模块；
[0026]所述地下管本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的地下管网自动识别检测的云系统，其特征在于：包括地下管网缺陷收集模块、公共数据集收集模块、地下管网典型缺陷样本库、典型缺陷分析与分类模块、地下网管敷设环境地质状态数据收集模块、深度学习模块、地下管网自动识别检测模块和决策模块；所述地下管网缺陷收集模块用于收集来自全国主要城市开展城镇排水管道检测业务所积累的管道缺陷图像，然后对地下管网缺陷进行名称确定，得到一系列的典型缺陷；所述公共数据集收集模块用于从网络上下载公认的且质量高的数据集、用于收集网络上优质的地下管网缺陷图片，以及用于从实际地下管网检测工程项目中收集地下管网缺陷图片，并将从网络上下载公认的且质量高的数据集、从网络上收集的优质的地下管网缺陷图片补充到地下管网典型缺陷样本库中以及从实际地下管网检测工程项目中收集的地下管网缺陷图片补充到地下管网典型缺陷样本库内；所述地下管网典型缺陷样本库用于对一系列的典型缺陷和公共数据集收集模块传输的数据进行预处理操作，然后将经过预处理操作的所有数据进行典型度排序，建立出一个具有十个典型缺陷分类的地下管网典型缺陷样本库；所述典型缺陷分析与分类模块用于将地下管网典型缺陷样本库内的典型缺陷结合实际地下管网，并利用LexNet网络模型对典型缺陷进行综合分析，最后将典型缺陷按照危害程度进行排序，并按照危害程度将是个典型曲分类成一级危害类别、二级危害类别和三级危害类别；所述地下网管敷设环境地质状态数据收集模块用于获取地下网管敷设地图，并对地下网管敷设环境中的历史地质状态数据进行收集，然后对收集的地下网管敷设环境中的历史地质状态数据进行分析，预测出未来该地下网管敷设环境地质状态的变化数据；所述深度学习模块用于将地下管网典型缺陷样本库内的数据作为复合数据集，然后将复合数据集输入到LexNet网络模型中，对LexNet网络模型进行训练，得到地下管网自动识别检测LexNet网络模型；所述地下管网自动识别检测策模块用于根据地下管网自动识别检测LexNet网络模型对地下管网缺陷进行自动识别检测，检测出地下管网缺陷类型；所述决策模块用于根据地下管网自动识别检测策模块检测出的地下管网缺陷类型进行风险...

【专利技术属性】
技术研发人员：何卫灵，金耀初，张宏辉，陈健庆，谢占功，
申请(专利权)人：广州利科科技有限公司，
类型：发明
国别省市：