基于深度学习的排水管道缺陷自动检测与分类

• 作者: 周磊 李大伟 汪俊 王鸣霄 范娟娟 谢乾
• 来源期刊: 给水排水
• 学科: 工学
• 关键词: 缺陷检测 图像分类 卷积神经网络 深度学习 排水管道
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 计算机技术
• 页码范围: 106-111
• 页数: 6页
• 分类号: TU992
• 语种: 中文
• DOI: 10.13789/j.cnki.wwe1964.2020.12.020

摘要

传统排水管道检测方法采用手动设计的特征,不能全面地显示这些缺陷,检测效率低且容易出错.为此,采用深度学习的方法研究排水道图像缺陷的特征表示,进而提出了一种基于两级分层深度卷积神经网络的排水道缺陷自动识别与分类系统.使用一个超过40000张排水道管道图像的训练集对网络模型进行训练.结果表明,该方法对6类管道缺陷的分类准确率超过90％,与传统方法相比大幅提高了分类精度.同时该系统现已成功应用于实际生产,验证了其在实际应用中的鲁棒性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪俊		9	53	4.0	7.0
2	周磊		5	19	3.0	4.0
3	李大伟		21	114	7.0	10.0
4	王鸣霄		1	0	0.0	0.0
5	范娟娟		1	0	0.0	0.0
6	谢乾		1	0	0.0	0.0