基于Mask R-CNN的排水管网缺陷识别系统研究

• 全文链接
• 请求原文

作   者：

王巍;  闫宇;  常松;  赵光帅;  宋红亮;  王树发; 

作者机构：

正元地理信息集团股份有限公司;  正元数字科技研究院; 

关键词：

深度学习;  缺陷识别;  排水管网;  Mask R-CNN; 

期刊名称：

中国科技纵横

i s s n：

1671-2064

年卷期：

2024 年 017 期

页   码：

76-78

摘   要：

在基于CCTV的排水管网检测工程中,传统识别方法是利用人工方式对管道内部情况进行辨认和记录,这种方法耗时费力,主要依赖工作人员的经验,难以满足大型项目对质量和速度的要求.针对人工识别效率低这一问题,本文提出了一种基于Mask R-CNN的排水管网缺陷深度学习识别方法,并依此搭建了缺陷识别平台,进一步打标、识别分析了重庆市某区干道区域排水管网缺陷图库及视频.研究结果表明,该方法分类预测准确率达到88.16%,优于同类算法,在排水管网缺陷识别的领域具有一定使用价值和应用前景.