基于深度学习的地下排水管道缺陷智能检测技术研究

发布时间：2020-12-16 15:09

　　随着现代城市的发展,城市规模不断扩大,居民越来越多,早期深埋于城市地下的排水管道已不堪重负,越来越引起人们的广泛关注。目前在工程应用领域,排水管道缺陷主要靠人工的肉眼识别,费时费力,主观误差大,因此开展排水管道缺陷智能识别研究具有重要的现实意义。管道缺陷具有类别多,差异不明显等特性,导致图像分类识别及分割出精准的缺陷区域变得十分困难,而目前缺陷的智能检测识别技术还处于起步阶段。为了帮助工程人员快速检测出排水管道缺陷,剖析缺陷的外观特征(缺陷的大小,严重程度等),结合工程实际需求(缺陷类别、缺陷具体位置、评估缺陷修复工程量等),提出一种基于深度学习的地下排水管道缺陷的智能检测技术,通过改进的AlexNet网络实现了排水管道脱落、龟裂、裂缝、沉淀、浮渣、结垢腐蚀、树根、错口脱节、障碍物、支管暗接等十种缺陷类型的自动分类,运用SegNet网络完成了缺陷具体位置的精确分割标注,主要得出了如下结论:1、通过分析我国排水管道的现状,根据缺陷发生概率、危害影响及缺陷特征分析得到排水管道的十种典型缺陷(脱落、龟裂、裂缝、沉淀、浮渣、结垢腐蚀、树根、错口脱节、障碍物、支管暗接),并对各个缺陷的图像特征进... 

【文章来源】：西安理工大学陕西省

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

排水管道排水不畅

图 2-2 排水管道排水不畅 图 2-3 排水管道塌方造成的路面坍塌Fig2-2 Poor drainage Fig2-3 Pavement collapse特征明显，机器识别率相对较高。合以上三个原则，本次研究选取脱落、龟裂、裂缝、沉淀、浮渣、结垢腐蚀、树节、障碍物、支管暗接等十类缺陷为我们的重点研究对象。型缺陷分析脱落、龟裂、裂缝管道的极限承载力小于周围所给的压力时，管道会发生破裂等危害，具体原因可能合理、管道使用时间过长导致腐蚀严重、周围地质情况及其他不可控因素等等。管有一个循序渐进的发展过程，首先管道出现细小裂痕，管壁上出现单一的线性裂承受的压力进一步增大且裂缝造成的管道承载力下降，单一线性裂缝会发展成为纵龟裂，管道的内壁材料开始出现起皮掉落现象，但管道的整体状态并没有受到特别响且未出现坍塌现象。但随着外部压力的继续增大，管道的破碎程度进一步加深，承载力进一步下降，管道材料开始大面积的掉落甚至管道顶部坍塌。据管道承受不同压力时管道内壁所呈现的不同具体特征，我们将破裂细分为脱落、

沉淀Fig2-7sediment

【参考文献】：
期刊论文
[1]管道焊缝数字图像缺陷自动识别技术[J]. 董绍华,孙玄,谢书懿,王明锋.  天然气工业. 2019(01)
[2]管道腐蚀视觉测量图像边缘检测算法研究[J]. 李忠虎,张琳,闫俊红.  电子测量与仪器学报. 2017(11)
[3]管道潜望镜检测技术及其在城市地下管网检测中的应用[J]. 娄继琛,罗建中.  广东化工. 2017(12)
[4]基于图像处理技术的管道裂缝检测方法研究[J]. 董晴晴,王宏涛,李灏.  应用科技. 2018(01)
[5]玻璃缺陷识别算法研究[J]. 吴丹.  现代工业经济和信息化. 2015(02)
[6]管道检测国内外研究历史与发展现状[J]. 陈凯.  科技创业家. 2013(21)
[7]关于城镇排水规划中的几点理性思考和建议[J]. 刘爱华.  科技与企业. 2013(13)
[8]基于卷积神经网络的木材缺陷识别[J]. 徐姗姗,刘应安,徐昇.  山东大学学报(工学版). 2013(02)
[9]国内外油气管道检测监测技术发展现状[J]. 李育忠,郑宏丽,贾世民,刘全利,邓凯夫,张金权.  石油科技论坛. 2012(02)
[10]基于图像处理的管道裂缝检测[J]. 孙文雅,李天剑,黄民,陈晓.  制造业自动化. 2012(01)

硕士论文
[1]基于深度学习的商品图像分类[D]. 杨东坡.大连交通大学 2015



本文编号：2920360