基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统排水管道缺陷检测中需要消耗大量人力的问题,基于人工智能算法——卷积神经网络(CNN),建立自动检测和评估排水管道缺陷的智能系统.对CCTV视频图像中六种常见的管道状态(裂缝、错口、障碍物、残墙坝根、树根和正常类别)进行模型学习、训练和测试.CNN模型训练和验证的正确率分别为100%和97%,六类管道状态的平均识别准确率达到90%,证明所构建的模型在不需要相关检测专业知识的情况下,可以很好地识别本研究中的管道缺陷类型.其中,CNN模型对树根和错口的检测具有较高置信度,其次是残墙坝根和裂缝,障碍物和正常类别的分类精度最低.深度学习在排水管道缺陷自动检测领域具有可行性,模型具有良好的泛化能力,可为管道缺陷检测提供科学、准确的检测工具.
推荐文章
建筑给排水管道安装施工
建筑给排水管道
安装施工
问题
解决措施
质量控制
城市排水管道施工优化探究
城市排水管道
影响因素
优化措施
给排水管道安装的质量及防治措施
给水
排水
管道安装
质量问题
防治措施
城市排水管道施工方法与优化策略
城市排水
排水管施工
优化策略
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的排水管道缺陷智能检测与分类
来源期刊 中国给水排水 学科 工学
关键词 排水管道缺陷 卷积神经网络 人工智能 检测与分类
年,卷(期) 2021,(21) 所属期刊栏目 城市雨水管理|URBAN RAINWATER MANAGEMENT
研究方向 页码范围 114-118
页数 5页 分类号 TU992
字数 语种 中文
DOI 10.19853/j.zgjsps.1000-4602.2021.21.018
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
排水管道缺陷
卷积神经网络
人工智能
检测与分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国给水排水
半月刊
1000-4602
12-1073/TU
大16开
天津市和平区新兴路52号都市花园大厦21层
6-86
1985
chi
出版文献量(篇)
13949
总下载数(次)
39
总被引数(次)
168350
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导