基于深度学习的排水管道评估方法研究.pdfVIP

摘要

地下排水系统已经成为城市正常运转的基础保障之一，随着使用时间的增加，

地下排水管道可能会出现诸如破裂、堵塞、腐蚀等各种缺陷，如果没有及时发现与

修复，这些缺陷将会引发堵塞、积水、污染土壤、城市内涝等现象，给人们的生活

带来安全风险。因此有必要定期对地下排水管道进行检查，并根据检测评估结果对

管道制定维修和养护计划，从而保障居民的生命财产安全。

在使用CCTV技术进行地下排水管道检测的实际工程项目中，需要人工进行缺

陷判读和管道评估，这需要消耗大量的人工成本和时间成本，并且存在高度依赖经

验、主观性强等问题，导致误判的情况发生。本文基于深度学习中的实例分割技术，

在仔细研究各类缺陷等级划分标准和缺陷属性特征的基础上，提出了一套缺陷判

别及量化分级方法，并在此基础上进行管道评估。本文的主要工作内容包括：

（1）对管道的各类缺陷检测与评估进行了较为全面的分析与研究，包括收集

了破裂、变形、腐蚀、错口、起伏、脱节、接口材料脱落、支管暗接、异物穿入、

渗漏、沉积、结垢、障碍物、残墙坝根、树根、浮渣共16类缺陷图像数据，使用

StyleGAN生成对抗网络和数据增广技术对样本数据进行数据扩充，构建出较为全

面的排水管道缺陷数据集；在基于实例分割模型获取缺陷类别及掩模的基础上，针

对每种缺陷制定出缺陷量化评估具体方法。

（2）为了获得较好的实例分割模型，在研究MaskR-CNN网络的工作机理的基

础上，利用缺陷样本数据集分别对ResNet-50、ResNet-101、ResNeXt-101为主干网

络的MaskR-CNN网络模型进行训练，评估网络性能，结果显示ResNeXt-101作为

主干网络的实例分割模型性能最优。

（3）为了更精确进行管道缺陷量化评估，需要获取管道断面参数，本文基于

改进Canny算法结合Hough圆检测和最小二乘法，提出并实现了一种管道断面提取

方法。

（4）为了防止管道缺陷重复记录，提出了一种基于缺陷距管口距离、缺陷在

图像中的位置、缺陷色差三方面比较去重的方法；获取管道评估相关参数，提出一

个管道智能化评估流程。利用本文提出的方法，对实际工程项目获取的视频数据进

行检测，以项目报告作为评估标准，结果表明，本文提出的方法缺陷识别准确率达

到92.08%，缺陷分级准确率达到88.75%，并能实现管道评估。

本文提出的管道智能评估方法避免了人工经验和主观性对缺陷判别的影响，

满足了当前管道检测评估的需求，大大降低了人工成本，并提高了管道检测评估效

率，具有工程应用价值。

关键词：排水管道，实例分割，缺陷分级，管道评估

Abstract

Theundergrounddrainagesystemhasbecomethebasicguaranteeforthenormal

operationofthecity.Withtheincreaseofusetime,undergrounddrainagepipesmay

appearsuchasrupture,blockage,corrosionandotherphenomena,iftheseproblemsare

notfoundandrepairedintime,itwillleadtogroundwater,soilpollution,urban

waterloggingandotherphenomena,bringingsafetyriskstopeopleslives.Therefore,it

isofgreatsignificancetochecktheundergrounddrainagepipesregularlyandmake

maintenanceplanforthepipesaccordingtothetestandevaluationresults,soastoprotect

thelifeandpropertysafetyofresidents.

Intheactualengineeringpr