本发明专利技术公开了一种管道缺陷检测方法、系统、设备与计算机可读存储介质，属于计算机技术领域。本发明专利技术通过获取的待检测的视频数据或图片数据，用多标签图像分类网络进行特征提取，得到缺陷特征数据，将提取到的缺陷特征数据进行识别分类，以得到缺陷检测结果，并输出缺陷检测结果，实现自动、高效的对管道视频、管道图片中的缺陷进行分类，并且显著提升预测模型的预测精度以及实现模型的轻量化。型的预测精度以及实现模型的轻量化。型的预测精度以及实现模型的轻量化。
【技术实现步骤摘要】
管道缺陷检测方法、系统、设备与计算机可读存储介质
[0001]本专利技术涉及计算机
，尤其涉及管道缺陷检测方法、系统、设备与计算机可读存储介质。
技术介绍
[0002]视频异常检测对于实际工业应用具有重要意义。城市排水管网系统是城市最重要的基础设施之一。为了保证其正常运行，我们需要定期检查管道缺陷并进行修复。
[0003]目前，常用的技术是管道QV(Quick
‑
View)检测和管道CCTV(Closed Circuit Television)检测，这两种技术会采集大量的管道内视频图像，然后通过专业技术人员分析视频种的管道是否有缺陷或损坏。
[0004]然而，通过人工观看采集的视频图像资料，从而分析得到缺陷检测结果这种方式是相当费时费力的，并且人工检测可能会存在疏漏。
技术实现思路
[0005]本专利技术的主要目的在于提供一种管道缺陷检测方法、系统、设备与计算机可读存储介质，旨在解决如何准确的找到和分类管道中的缺陷的问题。
[0006]为实现上述目的，本专利技术提供一种管道缺陷检测方法，所述管道缺陷检测方法包括以下步骤：获取待检测数据，所述待检测数据为包含管道图像的以下数据至少一种：视频数据、图片数据；通过预训练多标签图像分类网络对所述待检测数据进行缺陷特征提取，得到缺陷特征数据；对所述缺陷特征数据进行识别分类，得到缺陷检测结果，并输出所述缺陷检测结果。
[0007]优选地，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤包括：将所述缺陷特征数据输入预训练的第一网络，输出缺陷定位数据；将所述缺陷定位数据添加到所述缺陷检测结果中。
[0008]优选地，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤包括：将所述缺陷特征数据输入预训练的分类器，通过所述分类器输出缺陷的缺陷置信度分数及严重程度；基于所述缺陷置信度分数及严重程度得到所述缺陷检测结果。
[0009]优选地，所述待检测数据为视频数据，所述基于所述缺陷置信度分数及严重程度得到所述缺陷检测结果的步骤包括：将所述缺陷特征数据输入预训练的第二网络，获取旋转得分；根据所述旋转得分得到旋转判别结果，所述旋转判别结果包括：旋转缺陷、一般缺陷；
基于所述旋转判别结果、所述缺陷置信度分数和严重程度，输出缺陷检测结果。
[0010]优选地，所述通过预训练多标签图像分类网络对所述待检测数据进行缺陷特征提取的步骤之前，所述方法还包括：获取管道图像样本数据，将所述管道图像样本数据输入轻量化特征提取网络进行训练，得到所述多标签图像分类网络。
[0011]优选地，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤之前，所述方法还包括：选择卷积核尺寸至少为1*1，第二卷积层数至少为1层的语义分割或目标检测网络，构建得到所述第一网络。
[0012]优选地，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤之前，所述方法还包括：选择卷积核尺寸至少为1*1*1，第一卷积层数至少为1层的视频理解网络，构建得到所述第二网络。
[0013]优选地，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤之后，所述方法还包括：获取所述缺陷检测结果中缺陷相对于图像中心的位置，并生成时钟位置；将所述时钟位置标注在所述缺陷检测结果上。
[0014]优选地，所述待检测数据为视频数据，所述获取待检测数据的步骤包括：按照预设帧采集率，从所述视频数据中采集预设帧数的待检测图片；对所述待检测图片进行尺寸修改，并进行分批，得到已处理数据；将所述已处理数据作为所述待检测数据。
[0015]优选地，所述输出所述缺陷检测结果的步骤包括：获取缺陷检测结果中每张图像的井内判别得分，将所述井内判别得分与第一阈值比较；将低于所述第一阈值的图像判别为井外，并筛除所述图像对应的缺陷检测结果，输出剩余的缺陷检测结果。
[0016]优选地，所述输出所述缺陷检测结果的步骤包括：检测所述缺陷检测结果中图像的置信度，并获取所述置信度最高的类；判段所述置信度最高的类是否为正常；若是，则筛除所述置信度最高的类为正常对应的缺陷检测结果，输出剩余的缺陷检测结果。
[0017]优选地，所述输出所述缺陷检测结果的步骤包括：按预设帧数对所述缺陷检测结果中的图像进行分组；检测所述图像的置信度，并获取置信度最高的类；依次判断组内图像的置信度最高的类是否为同一类；若是，则对两张图像的最高的置信度进行比较，舍弃置信度更低的那张图像，输出剩余的缺陷检测结果。
[0018]优选地，所述输出所述缺陷检测结果的步骤包括：按预设帧数对所述缺陷检测结果中的图像进行分组；
依次获取组内图像的相邻时间间隔，判断所述相邻时间间隔是否小于第二阈值；若是，则舍弃相邻图像中的后一帧缺陷检测结果，输出剩余的缺陷检测结果。
[0019]此外，为实现上述目的，本专利技术还提供一种管道缺陷检测系统，所述系统包括：获取模块，用于获取待检测数据，所述待检测数据为包含管道图像的以下数据至少一种：视频数据、图片数据；特征提取模块，用于通过预训练多标签图像分类网络对所述待检测数据进行缺陷特征提取，得到缺陷特征数据；检测模块，用于对所述缺陷特征数据进行识别分类，得到缺陷检测结果，并输出所述缺陷检测结果。
[0020]优选地，所述检测模块还用于：将所述缺陷特征数据输入预训练的第一网络，输出缺陷定位数据；将所述缺陷定位数据添加到所述缺陷检测结果中。
[0021]优选地，所述检测模块还用于：将所述缺陷特征数据输入预训练的分类器，通过所述分类器输出缺陷的缺陷置信度分数及严重程度；基于所述缺陷置信度分数及严重程度得到所述缺陷检测结果。
[0022]优选地，所述检测模块还用于：将所述缺陷特征数据输入预训练的第二网络，获取旋转得分；根据所述旋转得分得到旋转判别结果，所述旋转判别结果包括：旋转缺陷、一般缺陷；基于所述旋转判别结果、所述缺陷置信度分数和严重程度，输出缺陷检测结果。
[0023]优选地，所述系统还包括模型训练模块，所述模型训练模块用于：获取管道图像样本数据，将所述管道图像样本数据输入轻量化特征提取网络进行训练，得到所述多标签图像分类网络。
[0024]优选地，所述模型训练模块还用于：选择卷积核尺寸至少为1*1，第二卷积层数至少为1层的语义分割或目标检测网络，构建得到所述第一网络。
[0025]优选地，所述模型训练模块还用于：选择卷积核尺寸至少为1*1*1，第一卷积层数至少为1层的视频理解网络，构建得到所述第二网络。
[0026]优选地，所述检测模块还用于：获取所述缺陷检测结果中缺陷相对于图像中心的位置，并生成时钟位置；将所述时钟位置标注在所述缺陷检测结果上。
[0027]优选地，所述待检测数据为视频数据，所述获取待检测数据的步骤包括：按照预设帧采集率，从所述视频数据中采集预设帧数的待检测图片；对所述待检测图片进行尺寸修改，并进行分批，得到已处理数据；将所述已处理数据作为所述待检测数据。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种管道缺陷检测方法，其特征在于，所述管道缺陷检测方法包括以下步骤：获取待检测数据，所述待检测数据为包含管道图像的以下数据至少一种：视频数据、图片数据；通过预训练多标签图像分类网络对所述待检测数据进行缺陷特征提取，得到缺陷特征数据；对所述缺陷特征数据进行识别分类，得到缺陷检测结果，并输出所述缺陷检测结果。2.如权利要求1所述的管道缺陷检测方法，其特征在于，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤包括：将所述缺陷特征数据输入预训练的第一网络，输出缺陷定位数据；将所述缺陷定位数据添加到所述缺陷检测结果中。3.如权利要求1所述的管道缺陷检测方法，其特征在于，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤包括：将所述缺陷特征数据输入预训练的分类器，通过所述分类器输出缺陷的缺陷置信度分数及严重程度；基于所述缺陷置信度分数及严重程度得到所述缺陷检测结果。4.如权利要求3所述的管道缺陷检测方法，其特征在于，所述待检测数据为视频数据，所述基于所述缺陷置信度分数及严重程度得到所述缺陷检测结果的步骤包括：将所述缺陷特征数据输入预训练的第二网络，获取旋转得分；根据所述旋转得分得到旋转判别结果，所述旋转判别结果包括：旋转缺陷、一般缺陷；基于所述旋转判别结果、所述缺陷置信度分数和严重程度，输出缺陷检测结果。5.如权利要求1所述的管道缺陷检测方法，其特征在于，所述通过预训练多标签图像分类网络对所述待检测数据进行缺陷特征提取的步骤之前，所述方法还包括：获取管道图像样本数据，将所述管道图像样本数据输入轻量化特征提取网络进行训练，得到所述多标签图像分类网络。6.如权利要求2所述的管道缺陷检测方法，其特征在于，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤之前，所述方法还包括：选择卷积核尺寸至少为1*1，第二卷积层数至少为1层的语义分割或目标检测网络，构建得到所述第一网络。7.如权利要求4所述的管道缺陷检测方法，其特征在于，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤之前，所述方法还包括：选择卷积核尺寸至少为1*1*1，第一卷积层数至少为1层的视频理解网络，构建得到所述第二网络。8.如权利要求1所述的管道缺陷检测方法，其特征在于，所述对所述缺陷特征数据进行识别分类，得到缺陷检测结果的步骤之后，所述方法还包括：获取所述缺陷检测结果中缺陷相对于图像中心的位置，并生成时钟位置；将所述时钟位置标注在所述缺陷检测结果上。9.如权利要求1所述的管道缺陷检测方...
【专利技术属性】
技术研发人员：乔宇，王亚立，张轩，刘熠，代毅，谢飞，
申请(专利权)人：深圳市博铭维技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。