公开(公告)号：CN112258496A

公开(公告)日：2021-01-22

申请号：CN202011203831.0

申请日：2020-11-02

申请人： 郑州大学 ,  坝道工程医院(平舆)

发明人： 王念念 ,  方宏远 ,  胡群芳 ,  薛冰寒 ,  杜雪明 ,  黄帆

IPC分类号： G06T7/00 ,  G06T7/10

摘要： 本发明适用于深度学习与地下管廊工程的交叉学科技术领域，涉及一种基于全卷积神经网络的地下排水管道病害分割方法，包括：地下排水管道病害数据集获取；排水管道病害数据集制作；语义分割算法优化；模型超参数调整；模型训练；模型验证；模型测试。本发明采用深度学习算法，优化FCN全卷积神经网络，研发适用于地下排水管道复杂、相似病害特征的语义分割方法，并采用真实地下排水管道病害检测大数据，从而实现对地下排水管道病害像素级别的分割，具有更好的鲁棒性和泛化能力，有效提高了地下排水管道病害检测的精度与效率。

公开(公告)号：CN112686217A

公开(公告)日：2021-04-20

申请号：CN202110152149.1

申请日：2021-02-04

申请人： 坝道工程医院(平舆) ,  郑州安源工程技术有限公司

发明人： 方宏远 ,  王念念 ,  胡群芳 ,  余翔 ,  赵小华 ,  杜明瑞

IPC分类号： G06K9/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

摘要： 本发明适用于管道病害智能分割技术领域，涉及一种基于Mask R‑CNN的地下排水管道病害像素级别的检测方法，包括以下步骤：利用获取的排水管道病害视频制作地下排水管道实例分割数据集；对Mask R‑CNN深度学习架构中损失函数、ROI池化层进行优化，利用ResNet101网络作为管道病害特征提取网络，提高实例分割算法的检测精度；利用迁移学习技术对网络模型参数进行初始化，并对网络模型进行超参数调优试验，开始网络模型训练；评估训练网络模型性能，对网络模型预测病害区域与真实病害区域的交并比进行分析；判断网络模型能否达到像素级别的分割效果。本发明结合Mask R‑CNN实例分割框架、ResNet101残差神经网络和排水管道病害大数据，实现了对地下排水管道病害快速准确地自动化识别与定位。