[发明专利]基于深度相机的排水管道缺陷检测方法及装置

说明书

本发明公开了基于深度相机的排水管道缺陷检测方法和装置，该方法包括步骤：S1，获取深度相机拍摄的排水管道内表面第一图像；S2，根据预先训练的第一图像分类模型对第一图像进行分类；若第一图像被分类为第一缺陷图，S3，获取深度相机拍摄的与第一图像同步的第二图像；S4，根据预先训练的第二图像分类模型对第二图像进行分类；若第二图像被分类为第二缺陷图，S5，将第一缺陷图和第二缺陷图进行图像融合生成第三图像；S6，根据预先训练的缺陷检测模型检测第三图像的缺陷类型，输出检测结果。通过本发明公开的技术方案，能提高排水管道缺陷自动识别的速度和精确度。

技术领域

本发明涉及管道检测技术领域，特别涉及基于深度相机的排水管道缺陷检测方法及装置。

背景技术

近年来，采用CCTV管道机器人携带拍摄设备采集管道图像、再利用深度学习技术自动识别管道缺陷发展迅速，减少了人工采集和识别的工作量，提高了识别速度和精度，但由于管道环境特殊，传统的图像采集方式存在图像失真、噪音污染等问题导致管道缺陷自动识别的误识、漏识率都比较高。

随着人工智能时代的到来，深度相机技术的不断成熟和应用场景的不断丰富，在手机摄像头、VR/AR手势交互、汽车电子ADAS、安防监控及新零售等多个领域深度相机得到极大渗透。深度相机可以测量物体到相机距离(深度)，这类相机不仅可以拍摄到场景的二维图像，而且能获取物体之间的位置关系，在进行物体识别、行为识别、场景建模的相关应用越来越多。但在排水管道检测领域，使用深度相机采集图像进行缺陷自动识别的应用还处于早期阶段，还需要探索提高识别速度和精确度的方法。

发明内容

本发明的目的在于提供基于深度相机的排水管道缺陷检测方法及装置，通过在CCTV管道机器人上装载深度相机传感器采集红外图像和深度图像，结合深度学习技术进行图像处理和分类识别，以解决排水管道缺陷检测的反馈速度慢、识别精确度不高的问题。

本发明解决其技术问题提供的技术方案如下：

本发明提供基于深度相机的排水管道缺陷检测方法，包括步骤：S1，获取深度相机拍摄的排水管道内表面第一图像；S2，根据预先训练的第一图像分类模型对第一图像进行分类；若第一图像被分类为第一缺陷图，S3，获取深度相机拍摄的与第一图像同步的第二图像；S4，根据预先训练的第二图像分类模型对第二图像进行分类；若第二图像被分类为第二缺陷图，S5，将第一缺陷图和第二缺陷图进行图像融合生成第三图像；S6，根据预先训练的缺陷检测模型检测第三图像的缺陷类型，输出检测结果，以提高排水管道缺陷自动识别的速度和精确度。

本发明还提供基于深度相机的排水管道缺陷检测装置，包括：图像获取模块，用于获取深度相机拍摄的排水管道内表面第一图像和与和一图像同步的第二图像；图像分类模块，用于根据预先训练的第一图像分类模型对第一图像进行分类；用于根据预先训练的第二图像分类模型对第二图像进行分类；图像融合模块，用于将同步的第一图像和第二图像进行图像融合生成第三图像；缺陷检测模块，用于根据预先训练的缺陷检测模型检测第三图像的缺陷类型，输出检测结果。

本发明的有益效果包括：

第一方面，本发明通过对采集两种图像分别进行识别，提高了分类识别的准确性。

第二方面，本发明通过使用深度相机采集同步的红外图像和深度图像，并对经识别含有管道缺陷的红外图像和深度图像进行图像融合，克服了环境因素的影响，集中了两种图像的优势，能提供更丰富的信息和提高图像的视觉特征，从而提高了缺陷识别的精确度。

第三方面，本发明采用先提取一种图像进行分类识别，再根据分类结果判断是否提取同步的另一种图像，减少了信息冗余，提高机器识别的效率。

第四方面，本发明采用轻量级的图像分类模型和缺陷检测模型，极大提高了分两阶段进行图像分类和缺陷检测的速度，能实现实时反馈检测结果。

附图说明

下面结合附图对本发明作进一步说明。