[发明专利]一种降低误检率的排水管道缺陷检测方法、装置、设备及介质

权利要求书

1.一种降低误检率的排水管道缺陷检测方法，其特征在于，包括如下步骤：

S1，提取排水管道疑似缺陷图进行图像增强转换为第二HSI图像；

S2，根据预先训练的改进3D-CNN高光谱图像分类卷积神经网络对第二HSI图像进行缺陷检测，输出含有缺陷的第二HSI图像。

2.根据权利要求1所述缺陷检测方法，其特征在于，所述疑似缺陷图为将CCTV管道机器人拍摄的管道图像输入预先训练的图像检测卷积神经网络检测含有疑似缺陷的图像。

3.根据权利要求1所述缺陷检测方法，其特征在于，所述S1步骤包括：

S101，提取RGB格式的排水管道疑似缺陷图；

S102，将RGB图像转换为第一HSI图像；

S103，分离第一HSI图像的H、S、I通道；

S104，对S通道进行自适应gamma饱和度校正；

S105，对I通道进行小波变换调整亮度；

S106，将H通道、饱和度校正后的S通道、亮度调整后的I通道合并为第二HSI图像。

4.根据权利要求3所述缺陷检测方法，其特征在于，

所述对S通道进行自适应gamma饱和度校正的公式为：

其中F是处理后的S通道像素值，f是待处理图像的S通道像素值，f_max为f中的最大值，γ为可变的指数值，用于自适应控制图像增强强度，σ是图像标准偏差，μ是图像均值；

所述对I通道进行小波变换调整亮度的方法为：利用小波变换分离出I的低频和高频成分，选用Retinex增强图像低频分量，高频部分利用多尺度高斯差分进行噪声处理，之后将高频与低频部分进行叠加。

5.根据权利要求1或2所述缺陷检测方法，其特征在于，所述改进的3D-CNN具体改进为：将原3D-CNN网络的3×3×3卷积修改为5×5×5空洞卷积，增加卷积核的感受视野。

6.根据权利要求1所述缺陷检测方法，其特征在于，在S2步骤之后还包括步骤S3：

根据预先训练的缺陷分类卷积神经网络对含有缺陷的第二HSI图像进行缺陷分类检测，输出排水管道缺陷信息。

7.一种降低误检率的排水管道缺陷检测装置，其特征在于，包括：

图像增强模块，用于提取排水管道疑似缺陷图进行图像增强转换为第二HSI图像；

图像检测模块，用于根据预先训练的改进3D-CNN高光谱图像分类卷积神经网络对第二HSI图像进行缺陷检测，输出含有缺陷的第二HSI图像。

8.根据权利要求7所述缺陷检测装置，其特征在于，还包括：

缺陷分类模块，用于根据预先训练的缺陷分类卷积神经网络对含有缺陷的第二HSI图像进行缺陷分类检测，输出排水管道缺陷信息。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的缺陷检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的缺陷检测方法。