[发明专利]一种基于卷积神经网络的地下空间管道腐蚀程度监测方法

说明书

本发明提供了一种利用人工智能识别地下空间管道腐蚀情况的方法。本发明利用卷积神经网络(CNN)可以做图像分类的特性，利用采集的不同腐蚀程度的地下空间管道图像训练神经网络，得到可以识识别出地下空间管道腐蚀程度的模型。本发明提供的技术方案可以做到智能化监测地下空间管道，及时发现腐蚀程度严重或发生泄露的管道位置。

技术领域

本发明涉及一种智能化地下管道监测方法，主要是针对地下管道的腐蚀泄露等问题进监测。

背景技术

我们知道地下空间是现代城市空间拓展的重要资源，成为缓解城市土地资源供应紧张，交通和生态环境日益恶化等“城市病”问题的重要途径。

其中地下空间的管道系统的监测，检测以及预测是重中之重，有效的监测和检测可以让维修人员及时的发现问题解决事故。但是传统的检测手段又面临着需要在庞大的管道系统内寻找逐步排查寻找腐蚀点等问题，缺少有效的监测手段

所以，对地下管道有效及时的监测就是一个急需解决的问题。并且由于地下空间管道系统及其庞杂的网络导致我们无法使用人力的方式进行监测，这要求我们的监测系统要足够自动化、智能化。

卷积神经网络(CNN)是一种专门用来处理图像信息的神经网络，适合于识别图像，已经得到了较为成熟的应用。比如，车牌识别，人脸识别，手写体识别等等的项目，因此可以用在对地下管道的监测上。

发明内容

为了解决地下空间管道监测的问题，本发明提出了一种基于CNN对地下空间管道进行监测的方法，首先是收集大量的地下管道的图片，在对这些图片进行处理，用处理好的图片训练卷积神经网络，得到一个可以监测管道腐蚀的模型。在结合安装在地下的监控系统，传输系统，人机交互系统，数据中心就可以形成一个完整的监测系统，监测系统通过安装在地下的监控设备拍摄的管道图像识别出管道的腐蚀程度。

本发明所采用的技术方案如下：

一种基于CNN监测地下管道腐蚀泄露的方法：

A：收集大量地下不同腐蚀情况管道的图片：

B：将收集的图片处理成适合训练神经网络的形式；

C：将处理好的图片按腐蚀情况分为成多个类别；

D：利用得到的数据训练神经网络，得到可以根据管道图片识别出腐蚀程度的神经网络模型。

E：建立完整的地下空间管道腐蚀程度监测系统

部分A中，所述的收集图片是指：收集监控设备拍摄出管道的图像，通常为灰度图。

部分B中，所述的图片处理是指：将图片长宽处理成一样大小，并且进行适当压缩。

部分C中，所述的对图片分类是指：将图片按腐蚀程度分类，如分为良好、一般、严重、泄露四类，并且将每个图片给出对应的标签y，标签y为one-hot编码，形式为y(1,0,0,0)。

部分D中，所述的神经网络是指：多层的卷积神经网络以及最后一层用来分类的softmax层。

本发明提供的技术方案带来的有益效果是：

本发明将已经成熟应用的基于卷积神经网络识别图像的方法用在监测地下空间管道腐蚀情况，以做到智能化监测地下空间管道，在事故发生时或发生前就可以做到及时找到问题管道位置。

附图说明

为了更清楚地说明本发明的技术方案，下面将对发明内容中所需要使用的附图作简要地介绍。

图1为本发明的系统模块组成图。

图2为本发明中用到的卷积神经网络的核心卷积核示意图；

图3为本发明中提到的多层神经网络示意图