摘要
本发明涉及一种多特征融合驱动的高质量排水管道缺陷样本自动标注方法、系统、设备以及介质,其中,方法包括:对排水管道影像数据进行抽帧处理;对抽帧后的图像进行缺陷可见性筛选,对不满足可见性阈值的图像执行前向扩散噪声注入、噪声分布预测及反向扩散迭代去噪,得到符合标注要求的缺陷图像;向标注终端发送缺陷图像,将反馈的标注结果通过多级质量校验生成带轮廓标注的数据集;构建改进的YOLO11‑EfficientViT融合模型,加载预训练权重并采用管径感知训练模式针对数据集进行训练,生成具有空间感知能力的缺陷检测模型。本发明通过系统性技术改进显著提升了排水管道缺陷标注的效率、准确性与模型泛化能力。
技术关键词
排水管道
标注方法
图像
轮廓
终端
数据
噪声特征
噪声分量
影像
生成多尺度
样本
基准
参数
检测头
深度学习模型
视频解码程序
缺陷类别
管道检测机器人
模型管理系统
系统为您推荐了相关专利信息
裂缝缺陷
混凝土防渗墙
评定方法
风险评估模型
热激励
识别方法
语音指令识别
在线语音识别
移动终端获取数据
服务器