10.19853/j.zgjsps.1000-4602.2022.13.004
基于Deeplabv3+的排水管道缺陷检测与语义分割
传统计算机视觉技术应用于排水管道缺陷检测和评估,存在识别类型单一、时效性差、判断准确率低等问题,无法满足现代排水管道多缺陷共存、实时性强和精准检测的需求.近年来兴起的深度学习神经网络技术,具有强大的数据特征学习和处理能力.为此,提出了基于Deeplabv3+卷积神经网络的管道缺陷检测及语义分割方法,实现对排水管道缺陷的多类型检测、空间 定位和几何属性分割.分别 比较了 ResNet-18、ResNet-50、Mobilenet_v2、Xception和InceptionResnet_v2这5类骨架特征提取网络对缺陷检测和语义分割的影响作用.结果表明,ResNet-50的识别分割性能优于其他网络,准确率达到89.8%,平均交并比和加权交并比分别为53.2%和83.9%,分割速率为12.50帧/s.这为排水管道缺陷的智能检测与分割提供了新的技术支撑和手段.
管道缺陷、卷积神经网络、检测和定位、语义分割
38
TU992(地下建筑)
国家自然科学基金;国家级大学生创新创业训练计划项目
2022-07-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-27