[发明专利]一种基于注意力机制的排水管道缺陷检测方法

权利要求书

1.一种基于注意力机制的排水管道缺陷检测方法，包括如下步骤：

步骤1：从管道缺陷检测报告中抽取缺陷图片，并根据它对应的缺陷类型对其进行分类，一共分为：变形、腐蚀、结垢、错口、沉积、渗漏以及破裂等七类。

步骤2：将数据集划分为训练集测试集和验证集；

步骤3：搭建注意力机制模块，采用的注意力机制模块为CBAM模块(ConvolutionalBlock Attention Module)，该模块可以直接加入卷积神经网络模型中，当作一个网络层使用；该模块的输入为卷积层的输出O∈R^C×H×W，其中C为Feature map的通道数，H和W分别为Feature map的高和宽将O先后经过通道注意力模块A_C∈R^C×1×1和空间注意力模块A_S∈R^1×H×W最终得到输出O^a∈R^C×H×W.

其中表示逐元素乘法，O¹表示中间结果；经过CBAM模块获得的O^a能够直接再送入卷积神经网络的其它部分；

步骤4：搭建基于注意力机制的神经网络模型，该卷积网络去掉VGG16网络的最后3个卷积层，又在基础上添加了若干CBAM模块，该卷积神经网络总体结构为：

第一卷积层，卷积核大小为3*3，总共64个滤波器，步幅stride＝1；

第一注意力模块，CBAM模块，缩放系数r＝8；

第二卷积层，卷积核大小为3*3，总共64个滤波器，步幅stride＝1；

第一最大池化层，池化大小为2*2，步幅stride＝2；

第三卷积层，卷积核大小为3*3，总共128个滤波器，步幅stride＝1；

第二注意力模块，CBAM模块，缩放系数r＝8；

第四卷积层，卷积核大小为3*3，总共128个滤波器，步幅stride＝1；

第二最大池化层，池化大小为2*2，步幅stride＝2；

第五卷积层，卷积核大小为3*3，总共256个滤波器，步幅stride＝1；

第三注意力模块，CBAM模块，缩放系数r＝8；

第六卷积层，卷积核大小为3*3，总共256个滤波器，步幅stride＝1；

第四注意力模块，CBAM模块，缩放系数r＝8；

第七卷积层，卷积核大小为3*3，总共256个滤波器，步幅stride＝1；

第三最大池化层，池化大小为2*2，步幅stride＝2；

第八卷积层，卷积核大小为3*3，总共512个滤波器，步幅stride＝1；

第五注意力模块，CBAM模块，缩放系数r＝8；

第九卷积层，卷积核大小为3*3，总共512个滤波器，步幅stride＝1；

第六注意力模块，CBAM模块，缩放系数r＝8；

第十卷积层，卷积核大小为3*3，总共512个滤波器，步幅stride＝1；

第四最大池化层，池化大小为2*2，步幅stride＝2；

第一全连接层，节点个数为4096个；

第二全连接层，节点个数为4096个；

Softmax层，最终输出该图像对应7个异常类别的概率；

步骤5：使用反向传播算法对神经网络进行训练，在训练过程中进行验证，当验证准确率最高时保存网络训练的最优模型；

步骤6：使用保存的最优模型对测试集进行测试，得到管道缺陷图片的分类结果。

2.根据权利要求1所述的方法，其特征在于，步骤2)中，采用的数据增强方法为高斯噪声、图像翻转和色彩抖动三种方式。

3.根据权利要求1所述的方法，其特征在于，步骤5)中，网络训练使用Nvidia GPU进行。