摘要
本发明涉及一种基于深度学习的城市管道缺陷识别方法,涉及缺陷识别技术领域,本发明获取用于训练管道缺陷识别模型的数据集;构建并利用所述数据集训练管道缺陷识别模型;其中,管道缺陷识别模型中,至少一个相邻的最大池化层和多分支特征提取块之间插设语义增强块,语义增强块结合最大池化层输出和滤波特征图或结合最大池化层输出和下采样滤波特征图得到缺陷注意力,利用缺陷注意力加权处理最大池化层输出来得到缺陷语义增强的管道图像特征图;应用时,采集管道图像,将所采集的管道图像进行滤波处理得到滤波特征图,将管道图像和滤波特征图提交给预训练的管道缺陷识别模型进行缺陷识别,根据缺陷识别结果进行告警。
技术关键词
管道缺陷识别方法
滤波特征
检测滤波器
多分支
语义
边缘检测
图像
注意力
矩形
存储计算机程序
缺陷识别技术
存储单元
处理单元
尺寸
可读存储介质
上采样
系统为您推荐了相关专利信息
商品录入信息
服务系统
商品信息匹配
匹配模块
客户
融合特征
检测网络流量
多通道卷积神经网络
网络异常检测方法
多尺度异常检测
敏感度计算方法
抽象语法树
语法特征
语句
词法分析器
视频帧
视频数据处理方法
语义特征提取
对象
车载监控系统