基于改进标签图的图卷积网络管道缺陷检测模型

摘要：

一张排水管道图像中可能同时存在变形、渗漏等多种缺陷。针对现有卷积神经网络（CNN）忽略标签关系，难以准确检测多标签管道图像的问题，引入图卷积网络（GCN）建模不同缺陷标签的关系，提出了一种基于改进标签图的GCN管道缺陷检测模型（ILG-GCN）。首先，ILG-GCN模型在原有CNN模型的基础上引入GCN模块，GCN利用标签图迫使具有共生关系的标签分类器相互接近，获得保持语义拓扑结构的分类器，从而提高预测共生标签的概率。其次，改进GCN模块更新节点信息时使用的标签图，改进后的标签图根据每种缺陷主要相关标签的共生强度计算自适应的标签共生概率，并根据主要相关标签的共生强度为其分配不同的权值。实验结果表明，所提模型的总体平均准确率为95.6%，能够准确检出同时存在的多种管道缺陷。

关键词：图像处理、管道缺陷检测、多标签学习、标签关系、图卷积网络

所属期刊栏目：59

分类号：TP391.41;TP181;TU992

在线出版日期：2022-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：1810004