• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的排水管道缺陷內(nèi)窺檢測(cè)智能識(shí)別系統(tǒng)研究

    2022-03-06 02:18:54鐘洪德
    城市勘測(cè) 2022年1期
    關(guān)鍵詞:殘差梯度卷積

    鐘洪德

    (福州市勘測(cè)院,福建 福州 350108)

    1 引 言

    城市地下管線是保障城市運(yùn)行的重要基礎(chǔ)設(shè)施,如同人體的血管一般分布錯(cuò)綜復(fù)雜。然而地下管道結(jié)構(gòu)復(fù)雜維護(hù)困難,時(shí)間一長(zhǎng)易發(fā)生各種形式的損壞情況,如:管道堵塞、管線爆裂、材料老化等,這些破損時(shí)常引發(fā)城市內(nèi)澇、地表坍陷等事件,影響城市運(yùn)行、甚至造成不可估量的經(jīng)濟(jì)損失。因此管道健康檢查已成為市政管理中的重要工作。

    地下管道健康檢測(cè)方法有[1]:①管道閉路電視檢測(cè)系統(tǒng)(CCTV),目前最普遍檢測(cè)系統(tǒng),操作人員利用控制臺(tái)在地面上進(jìn)行遠(yuǎn)程操縱CCTV爬行器拍攝管道內(nèi)壁,錄入管道內(nèi)部信息進(jìn)行評(píng)價(jià)和分析;②管道聲吶檢測(cè)技術(shù),以水為介質(zhì)利用聲吶系統(tǒng)掃描管道內(nèi)壁,得到結(jié)果是以管道縱向斷面的過(guò)水面積表示,無(wú)須處理管道內(nèi)部和截?cái)嗨?,操作方便,但適用于管道的變形缺陷檢測(cè),結(jié)構(gòu)性缺陷檢測(cè)效果較差;③多重傳感器法,由光學(xué)測(cè)量裝置、微波傳感器和聲學(xué)系統(tǒng)構(gòu)成,具有多功能檢測(cè)管道效果,但費(fèi)用成本較高。在上述三種檢查技術(shù)中,管道閉路電視檢測(cè)系統(tǒng)可深入管道內(nèi)部攝取視頻影像,能有效獲取到可供管道缺陷檢測(cè)的一手資料,檢測(cè)安全性高、信息清晰直觀、成本較低,目前在業(yè)界已得到普遍采用。但缺陷識(shí)別依靠事后人工目視識(shí)別,耗時(shí)耗力,生產(chǎn)周期長(zhǎng)。

    解決管道機(jī)器人系統(tǒng)檢測(cè)效率重點(diǎn)在管道缺陷的判別上,深度學(xué)習(xí)為此提供了有效途徑。呂兵、劉玉賢等人,借助卷積神經(jīng)網(wǎng)絡(luò)對(duì)管道CCTV視頻進(jìn)行了智能檢測(cè)研究,試驗(yàn)證明在缺陷識(shí)別的準(zhǔn)確率和召回率及識(shí)別速度上均滿足了排水管道缺陷智能檢測(cè)的需要,該方法已經(jīng)在深圳市的排水管道檢測(cè)中應(yīng)用[2]。戶瑩等人基于卷積神經(jīng)網(wǎng)絡(luò)利用深圳市人工數(shù)據(jù),建立了管道缺陷識(shí)別模型并可表示缺陷范圍,二分類準(zhǔn)確率接近90%,分割準(zhǔn)確度接近80%,極大促進(jìn)了管道缺陷檢測(cè)的自動(dòng)化和智能化水平[3]。但所有樣本數(shù)據(jù)量較少(戶瑩,每類樣本800個(gè))模型準(zhǔn)確度不足以取代人工判別,而且樣本數(shù)據(jù)受地域局限不易推廣。針對(duì)排水管道內(nèi)部特殊環(huán)境,李波鋒采用了一種改進(jìn)的低通濾波求差法提取管道功能性缺陷,該算法能有效消除光照不均勻給檢測(cè)造成的影響[4]。

    2 深度學(xué)習(xí)原理

    2.1 卷積神經(jīng)網(wǎng)絡(luò)(CNN)

    1962年神經(jīng)學(xué)家Hubel和Wiesel研究貓的視覺(jué)皮層[1],發(fā)現(xiàn)視覺(jué)皮層對(duì)于信息的處理是通過(guò)神經(jīng)元上的多個(gè)軸突末梢進(jìn)行分層處理、層層傳遞的,這啟發(fā)了人們對(duì)于神經(jīng)網(wǎng)絡(luò)的研究思想。1998年,LeCun提出了LeNet-5,性能較單純的分類器來(lái)說(shuō)更加優(yōu)越。在論文中,LeCun首次使用卷積一詞,命名了卷積神經(jīng)網(wǎng)絡(luò)(CNN)。2006年,提出了反向傳播算法的Hinton在論文中介紹了深度學(xué)習(xí)的概念,掀起了深度學(xué)習(xí)的熱潮。

    CNN是利用卷積核參數(shù)共享原理的一種前饋神經(jīng)網(wǎng)絡(luò),最常用的CNN的學(xué)習(xí)算法是后向傳播算法(BP),它具有多維函數(shù)映射和模式分類能力。它包括輸入信息的正向傳遞和誤差信息的反向傳遞兩個(gè)部分,將神經(jīng)網(wǎng)絡(luò)的輸出值與樣本值進(jìn)行對(duì)比,再以兩者的均方誤差作為目標(biāo)函數(shù),依照各層權(quán)重進(jìn)行誤差分配,調(diào)整各層參數(shù),經(jīng)過(guò)多次訓(xùn)練后使得目標(biāo)函數(shù)符合要求,進(jìn)而滿足實(shí)際需要[5]。

    2.2 殘差神經(jīng)網(wǎng)絡(luò)(ResNet)

    CNN隨著網(wǎng)絡(luò)深度不斷增加,梯度彌散和梯度爆炸等問(wèn)題也接連出現(xiàn),特別是50層網(wǎng)絡(luò)的測(cè)試誤差率相較于20層網(wǎng)絡(luò)高出一倍。2015年的ILSVRC(ImageNet Large Scale Visual Recognition Challenge)大賽中,He等人提出了殘差神經(jīng)網(wǎng)絡(luò)(ResNet),層數(shù)達(dá)到了152層,top-5錯(cuò)誤率降到了3.57%,且其參數(shù)量比只有十幾層的VGGNet網(wǎng)絡(luò)更少。該網(wǎng)絡(luò)提升訓(xùn)練準(zhǔn)確性[6],且在很大程度上避免了因網(wǎng)絡(luò)層數(shù)過(guò)多而產(chǎn)生的梯度爆炸問(wèn)題。

    CNN模型期望可以學(xué)習(xí)一個(gè)非線性最優(yōu)映射函數(shù)H(x),后續(xù)樣本數(shù)據(jù)中出現(xiàn)同類數(shù)據(jù)時(shí)會(huì)相互靠攏,ResNet模型在傳統(tǒng)CNN神經(jīng)網(wǎng)絡(luò)模型中增加了一個(gè)恒等映射(identity mapping),將該最優(yōu)映射函數(shù)改為H(x)=F(x)+X,這樣前一層的未降采樣數(shù)據(jù)和經(jīng)過(guò)降采樣的數(shù)據(jù)可以共同作為下一層網(wǎng)絡(luò)的輸入數(shù)據(jù),此時(shí)F(x)=H(x)-X,即整個(gè)網(wǎng)絡(luò)只要學(xué)習(xí)輸入、輸出數(shù)據(jù)中的差別部分,即殘差。這實(shí)際上增大了變化數(shù)值對(duì)于權(quán)重的影響,使得網(wǎng)絡(luò)對(duì)于變化的反應(yīng)更為敏感[6],更容易對(duì)權(quán)重進(jìn)行調(diào)整。這解決了CNN模型在學(xué)習(xí)復(fù)雜函數(shù)時(shí)的困難,將學(xué)習(xí)過(guò)程拆成兩個(gè)過(guò)程,首先學(xué)習(xí)殘差函數(shù)F(X),然后通過(guò)簡(jiǎn)單映射學(xué)習(xí)函數(shù)H(x)=F(X)+X。

    2.3 學(xué)習(xí)率優(yōu)化算法

    (1)梯度下降法

    梯度下降法(gradient descent)是在深度學(xué)習(xí)中應(yīng)用最為廣泛的學(xué)習(xí)率優(yōu)化算法。主要有兩種典型形式[7],隨機(jī)坡度下降法(SGD,Stochastic Gradient Descent)、小批量坡度下降法(MGD,Mini-batch Gradient Descent)。綜合兩種算法出現(xiàn)了幾種(學(xué)習(xí)率)自適應(yīng)優(yōu)化算法:AdaGrad、RMSProp、Adam。

    (2)Adam(Adaptive Moment Estimation)算法

    Adam計(jì)算梯度的指數(shù)移動(dòng)均值,即利用梯度的一階矩估計(jì)和二階矩估計(jì)獨(dú)立地、動(dòng)態(tài)地調(diào)整每個(gè)參數(shù)的自適應(yīng)性學(xué)習(xí)率。比其他自適應(yīng)算法更好。

    該算法的權(quán)值更新規(guī)則如下:

    (1)

    它在實(shí)際應(yīng)用中效果優(yōu)于其他的自適應(yīng)優(yōu)化方法,并且可以提供解決噪聲問(wèn)題與優(yōu)化稀疏梯度的方法。

    3 管道缺陷分析與數(shù)據(jù)處理

    3.1 管道缺陷定義與標(biāo)識(shí)

    目前我國(guó)排水管道有功能性缺陷與結(jié)構(gòu)性缺陷兩大類,依據(jù)日常養(yǎng)護(hù)中所遇到的各類管道病害和缺陷的狀況,管道結(jié)構(gòu)性缺陷包括破裂、變形、腐蝕、錯(cuò)口、起伏、脫節(jié)、接口材料脫落、支管暗接、異物穿入、滲漏共10種,管道功能性缺陷包含沉積、結(jié)垢、障礙物、殘墻、樹(shù)根、浮渣共6種[8]。修復(fù)等級(jí)分為三個(gè)等級(jí):部分修復(fù)或不修復(fù);缺陷管段整體修復(fù);整段搶修或翻建。功能性缺陷一般養(yǎng)護(hù)可以得到改善,而結(jié)構(gòu)性缺陷需要修復(fù)。具體的缺陷分類定義及等級(jí)標(biāo)準(zhǔn)參照表1和表2所示,其中為方便計(jì)算機(jī)處理將16類管道缺陷添加了數(shù)字標(biāo)識(shí)。

    管道結(jié)構(gòu)性缺陷定義 表1

    管道功能性缺陷定義 表2

    3.2 管道缺陷成因分析

    沉積:主要是泥沙、工業(yè)生活垃圾流入排水管,堆積在管道底部,一般以塊狀沉積,形態(tài)固定,存在不同的像素深度。浮渣:通常位于管道中部大多為泡沫面狀,和水的像素邊界明顯。樹(shù)根:沿著管道縫隙、接口等缺陷進(jìn)入,沒(méi)有及時(shí)處理樹(shù)根生長(zhǎng)堵塞管道,可以明顯看到樹(shù)根呈豎向線狀生成,局部成網(wǎng)狀,特征明顯。支管暗接:支管未考慮主管最大排水量直接向主管排水,導(dǎo)致排水承載大產(chǎn)生積水。如圖1~圖4所示:

    圖1 沉積

    圖2 浮渣

    圖3 樹(shù)根

    圖4 支管暗接

    3.3 管道缺陷樣本數(shù)據(jù)整理

    福州市勘測(cè)院現(xiàn)有人工識(shí)別缺陷圖片約16萬(wàn)多張,每張包括含缺陷類型、缺陷等級(jí)、方位、所在管道名稱和處于管道相對(duì)位置等信息。大部分樣本數(shù)據(jù)中特征明顯易被識(shí)別,但也有少數(shù)模糊不清的樣本數(shù)據(jù)。數(shù)據(jù)整理主要包括:

    (1)先將16萬(wàn)多張圖片,分別存放到按數(shù)字標(biāo)識(shí)創(chuàng)建分類圖像的存儲(chǔ)目錄Image_0至Image_16中,如圖5所示;

    (2)用xls文件記錄每張圖片的缺陷等級(jí);

    (3)然后對(duì)原始文檔一些缺陷描述模糊不清、嚴(yán)重偏色、或描述混合類的圖片進(jìn)行了人工甄別。

    圖5 分類圖像存儲(chǔ)目錄

    3.4 數(shù)據(jù)增強(qiáng)

    為改善樣本不均衡性問(wèn)題(破裂缺陷達(dá)3萬(wàn)張,浮渣缺陷只有幾百?gòu)?,防止模型過(guò)擬合。對(duì)樣本數(shù)量較少的類別,使用torchvision.transforms(pytorch附帶的圖像預(yù)處理包)進(jìn)行數(shù)據(jù)增強(qiáng)。隨機(jī)翻卷圖像,改變圖像色差,扭曲圖像特征,改變圖像尺寸大小,剔除模糊不清色彩混淆的圖像,增強(qiáng)圖像噪音,一般使用高斯噪音,鹽椒噪音[11]。

    如圖6為圖像增強(qiáng)代碼所示,transforms.compose函數(shù)把多種變化組合在一起,例如分別crop對(duì)數(shù)據(jù)隨機(jī)大小寬高剪切后resize指定224大小統(tǒng)一形狀大?。籪lip隨機(jī)水平翻轉(zhuǎn)原始圖像。本文對(duì)數(shù)據(jù)進(jìn)行了50%概率水平翻轉(zhuǎn),50%概率的垂直翻轉(zhuǎn),隨機(jī)對(duì)圖片進(jìn)行15%的旋轉(zhuǎn)以及把原本64×64尺寸進(jìn)行數(shù)據(jù)變化成統(tǒng)一224×224尺寸圖片。

    圖6 圖像增強(qiáng)處理代碼

    4 模型設(shè)計(jì)與訓(xùn)練

    4.1 模型設(shè)計(jì)

    由于PyTorch框架和其他開(kāi)源框架相比,在靈活性、速度、易用性這三個(gè)方面具有非常明顯優(yōu)勢(shì),本文利用Pytorch框架搭建管道缺陷識(shí)別ResNet模型。

    如圖7所示:18層管道缺陷識(shí)別ResNet模型:輸入層:主要實(shí)現(xiàn)圖像信息標(biāo)準(zhǔn)化處理;殘差單元(4個(gè)):殘差塊的實(shí)現(xiàn)是把數(shù)據(jù)分別進(jìn)行兩次卷積(stage)和輸入下采樣短路連接;輸出層(池化層+全聯(lián)通層):使用maxpool最大池化向下采樣去除冗余信息,最后用FC函數(shù)全聯(lián)通輸出。

    圖7 ResNet網(wǎng)絡(luò)結(jié)構(gòu)

    (1)殘差單元

    殘差單元(residual block)實(shí)現(xiàn)分三步:經(jīng)兩次卷積操作,其結(jié)果與輸入下采樣進(jìn)行Shortcut操作(即殘差計(jì)算),最后經(jīng)ReLU激活操作后輸出。用_init_函數(shù)定義計(jì)算序列,之后使用向前傳播函數(shù)forward()執(zhí)行計(jì)算。

    二維卷積通過(guò)調(diào)用conv2d()類封裝實(shí)現(xiàn)。本文管道圖像像素為224×224,設(shè)置窗口每個(gè)維度滑動(dòng)步長(zhǎng)stride為1,padding使得輸入輸出圖片維度一致。

    (2)激活函數(shù)

    殘差神經(jīng)網(wǎng)絡(luò)中采用的激活函數(shù)是ReLU函數(shù),相比于sigmoid、tanh函數(shù),ReLU函數(shù)不用計(jì)算指數(shù)和倒數(shù),大大減少了計(jì)算量。

    其定義如下:

    f(x)=max(0,x)

    (2)

    (3)損失函數(shù)與優(yōu)化器

    本文用到交叉熵?fù)p失函數(shù),Pytorch封裝為cross entropyloss(),使用的優(yōu)化器為Adam代替隨機(jī)梯度下降。

    4.2 模型訓(xùn)練

    (1)定義實(shí)驗(yàn)數(shù)據(jù)集

    在模型訓(xùn)練之前通常把所得數(shù)據(jù)分為三大類,訓(xùn)練集(training set)用來(lái)訓(xùn)練模型;驗(yàn)證集(dev set)統(tǒng)計(jì)單一評(píng)估指標(biāo),調(diào)節(jié)參數(shù)選擇算法和測(cè)試集(test set)模型訓(xùn)練結(jié)束后輸入模型來(lái)進(jìn)行整體評(píng)估模型性能。需要注意的是要注重?cái)?shù)據(jù)集的均衡,本文數(shù)據(jù)集占比為60%訓(xùn)練集,20%驗(yàn)證集,20%測(cè)試集。

    (2)數(shù)據(jù)加載

    本文使用了類Dataset和工具函數(shù)DataLoader加載,需要繼承Dataset的子類,重載len()與getitem()函數(shù)。

    (3)迭代計(jì)算

    迭代優(yōu)化過(guò)程:先將trainloader中數(shù)據(jù)與標(biāo)簽轉(zhuǎn)換為variable,數(shù)據(jù)輸入網(wǎng)絡(luò)后向前傳播求得損失,由于每一次反向傳播的梯度會(huì)累加在上一次循環(huán)的梯度,故使用zero_grad()函數(shù)將確保每一個(gè)新的循環(huán)前歸零梯度,隨后進(jìn)行反向傳播,計(jì)算損失函數(shù)更新優(yōu)化器參數(shù)。

    共訓(xùn)練了19個(gè)模型:一個(gè)二分類模型(即:按是否存在缺陷將樣本圖片劃分為1或0兩種狀態(tài)),使用樣本13萬(wàn)個(gè)(正樣本13萬(wàn)個(gè),負(fù)樣本約3萬(wàn)個(gè));一個(gè)缺陷分類模型,使用樣本16萬(wàn)個(gè);16個(gè)缺陷等級(jí)識(shí)別模型分別對(duì)應(yīng)16類缺陷。全部在4倍4 096個(gè)NVIDIA CUDA?核心(2048/GPU)硬件支持下,使用Pytorch 1.1框架軟件CDUA模式上完成訓(xùn)練,迭代epoch次數(shù):120次,隨機(jī)分組:10個(gè)/組。

    為比較不同神經(jīng)網(wǎng)絡(luò)對(duì)管道樣本數(shù)據(jù)的準(zhǔn)確度響應(yīng),每個(gè)模型均采用18層,50層,101層殘差神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,取準(zhǔn)確度較高的作為最終模型。

    (4)模型評(píng)價(jià)

    缺陷分類模型Resnet18、ResNet50、ResNet101最終訓(xùn)練結(jié)果準(zhǔn)確度分別為92%、96%、79%,相較AlexNet與VGG模型殘差模型精度有所提高,但還存在分類錯(cuò)誤情況。實(shí)驗(yàn)結(jié)果看并不是網(wǎng)絡(luò)層越深越好。ResNet101層數(shù)最多但是實(shí)驗(yàn)過(guò)程中只達(dá)到79%精度產(chǎn)生過(guò)擬合現(xiàn)象導(dǎo)致精度下降,ResNet508模型訓(xùn)練效果最佳達(dá)到96%。

    5 系統(tǒng)集成

    5.1 應(yīng)用背景與要求

    系統(tǒng)最終用在管道檢測(cè)視頻缺陷判讀上,為獲得最好的工作效果,設(shè)定以下背景:

    (1)機(jī)器人在爬行過(guò)程中,發(fā)現(xiàn)疑似缺陷管段(可以是操作員監(jiān)視發(fā)現(xiàn)),停止前進(jìn)對(duì)疑似區(qū)域進(jìn)行近距離掃描,此時(shí),視頻幀顯示距離值保持不變或僅有微小變化(設(shè)小于 5 cm)。此作業(yè)規(guī)則在后續(xù)數(shù)據(jù)分析中,能獲得明顯的空間聚類,有利于提高識(shí)別操作的針對(duì)性。

    (2)剔除非應(yīng)用場(chǎng)景視頻段(機(jī)器人進(jìn)入管道之前拍攝的地面背景視頻等)和無(wú)用視頻段(機(jī)器人到達(dá)管道盡頭之后的圖像幀),由人工標(biāo)定攝像機(jī)有效距離起點(diǎn)和有效距離終點(diǎn)進(jìn)行區(qū)分。

    (3)外業(yè)完成后,系統(tǒng)智能化水平達(dá)到代替人工正式生產(chǎn)可接受的識(shí)別準(zhǔn)確度。

    應(yīng)用要求:由于召回率和精確率不可兼得,考慮到出現(xiàn)檢測(cè)遺漏難以補(bǔ)救,應(yīng)盡量避免,因此疑似缺陷識(shí)別(YES、NO)召回率要盡量高,要求:特征明顯時(shí)不低于99%,不明顯時(shí)要求不低于95%。而疑似缺陷識(shí)別精確率可適度放寬,應(yīng)用時(shí)會(huì)將不易區(qū)分的模糊樣本劃分為缺陷樣本,但可以通過(guò)人工甄別剔除,根據(jù)缺陷常見(jiàn)度,精確率要求不低于表3。

    排水管道缺陷智能識(shí)別召回率精確率一覽表 表3

    5.2 三級(jí)組合模型

    為達(dá)到5.1節(jié)要求,本文采用“二分類模型”+“疑似缺陷識(shí)別模型”+“缺陷等級(jí)識(shí)別模型”三級(jí)組合模型,分兩個(gè)階段,如圖8所示:

    第一階段:輸入視頻,按照一定規(guī)則掃描視頻(例如:每5幀提取一幀),首先對(duì)提取的圖片幀進(jìn)行模糊度檢測(cè),過(guò)濾掉鏡頭變焦過(guò)程中出現(xiàn)的模糊影像,然后進(jìn)行“二分類識(shí)別”,若無(wú)缺陷則忽略,否則進(jìn)行“距離識(shí)別”并將結(jié)果計(jì)入二分類數(shù)據(jù)集(該數(shù)據(jù)集除包括二分類結(jié)果信息外,還包括圖片幀計(jì)數(shù),距離等信息)。

    第二階段:讀入二分類數(shù)據(jù)集,先按距離進(jìn)行空間聚類,然后對(duì)每個(gè)聚類進(jìn)行如下操作:

    (1)缺陷類型識(shí)別:針對(duì)聚類中所有圖片;

    (2)合并同類型:缺陷類型相同且距離在 0.3 m以內(nèi)的圖片,選取概率值較大者,舍棄其他;

    (3)如果缺陷類型清晰,則進(jìn)行缺陷等級(jí)識(shí)別,缺陷類型模糊則加入人工干預(yù)再進(jìn)行等級(jí)識(shí)別。

    其中,距離值是從圖片底邊固定位置上顯示的距離影像,采用數(shù)字識(shí)別技術(shù)得到,是缺陷處于管道起始位置的相對(duì)度量。

    圖8 三級(jí)模型示意圖

    5.3 按管材分類建模

    由于不同材質(zhì)的管道管壁紋理差異,對(duì)缺陷判別精確度有一定影響,因此實(shí)踐中對(duì)“砼”“鑄鐵”“PVC”三種管材,分別訓(xùn)練三種管材的識(shí)別模型,使準(zhǔn)確度進(jìn)一步提升。

    6 應(yīng)用效果評(píng)價(jià)

    使用本成果共進(jìn)行6條管道實(shí)驗(yàn)性生產(chǎn),經(jīng)與人工識(shí)別結(jié)果比對(duì),各項(xiàng)指標(biāo)如表4所示:

    實(shí)驗(yàn)管道識(shí)別效果指標(biāo)一覽表 表4

    從表4中結(jié)果可以看出,實(shí)驗(yàn)效果良好,各項(xiàng)指標(biāo)符合預(yù)期,通過(guò)適度人工甄別,可以大幅度提高工作效率。同時(shí)注意到“PVC”管缺陷類型精確率相對(duì)偏低,造成此問(wèn)題的原因主要是“PVC”樣本數(shù)量相對(duì)偏少,將來(lái)可利用生產(chǎn)中得到新增“PVC”樣本,通過(guò)“增強(qiáng)學(xué)習(xí)”方法得到改善。

    7 結(jié)論與展望

    排水管線檢測(cè)成本高、耗時(shí)長(zhǎng)、精度差,本文利用福州市勘測(cè)院16萬(wàn)個(gè)地下管線檢測(cè)數(shù)據(jù),立足系統(tǒng)整體實(shí)用性,通過(guò)對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化,建立了管道缺陷內(nèi)窺檢測(cè)智能識(shí)別系統(tǒng),該系統(tǒng)已在福州市勘測(cè)院排水管道視頻檢測(cè)生產(chǎn)系統(tǒng)中應(yīng)用。

    主要結(jié)論如下:

    (1)模型結(jié)構(gòu)層數(shù)越高會(huì)產(chǎn)生過(guò)擬合現(xiàn)象,識(shí)別精度不一定越高反而可能下降,因此模型優(yōu)化需要考慮現(xiàn)實(shí)數(shù)據(jù)特點(diǎn)和應(yīng)用背景。

    (2)本文推出獨(dú)具特色的三級(jí)組合模型,各級(jí)別模型性能指標(biāo)各有側(cè)重,與生產(chǎn)規(guī)程相互配合,在試生產(chǎn)中證明其具有良好的實(shí)用性。但缺陷分割尚未實(shí)現(xiàn),有待于進(jìn)一步研究。

    (3)模型訓(xùn)練采用訓(xùn)練樣本數(shù)據(jù)量大,可靠性高。本文用人工智能建立了管道缺陷內(nèi)窺檢測(cè)智能識(shí)別系統(tǒng),可有效提高管道健康狀況檢查質(zhì)量和效率,研究成果可供管道檢測(cè)維護(hù)相關(guān)人員參考。

    猜你喜歡
    殘差梯度卷積
    基于雙向GRU與殘差擬合的車輛跟馳建模
    一個(gè)改進(jìn)的WYL型三項(xiàng)共軛梯度法
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    基于殘差學(xué)習(xí)的自適應(yīng)無(wú)人機(jī)目標(biāo)跟蹤算法
    一種自適應(yīng)Dai-Liao共軛梯度法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    一類扭積形式的梯度近Ricci孤立子
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    平穩(wěn)自相關(guān)過(guò)程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    啦啦啦视频在线资源免费观看| 最新在线观看一区二区三区| 中文字幕av电影在线播放| 精品福利永久在线观看| 搡老岳熟女国产| 12—13女人毛片做爰片一| 国产亚洲一区二区精品| 老司机在亚洲福利影院| 午夜免费鲁丝| 亚洲中文日韩欧美视频| 国产区一区二久久| 午夜日韩欧美国产| 久久午夜综合久久蜜桃| 久久影院123| 91大片在线观看| 色尼玛亚洲综合影院| 国产男女内射视频| 女人精品久久久久毛片| 在线观看免费午夜福利视频| 国产一区二区三区综合在线观看| 下体分泌物呈黄色| 亚洲成人手机| 亚洲综合色网址| 人成视频在线观看免费观看| tube8黄色片| 国产一区在线观看成人免费| 亚洲全国av大片| 岛国在线观看网站| 黑人欧美特级aaaaaa片| 亚洲精品国产色婷婷电影| svipshipincom国产片| bbb黄色大片| 最近最新免费中文字幕在线| 男人的好看免费观看在线视频 | 亚洲av成人不卡在线观看播放网| xxx96com| 窝窝影院91人妻| 国产精品一区二区精品视频观看| 美女视频免费永久观看网站| 久久久国产欧美日韩av| 一级作爱视频免费观看| 国产成人影院久久av| 久久久久久久精品吃奶| 男女免费视频国产| 日韩视频一区二区在线观看| 国产伦人伦偷精品视频| tube8黄色片| 别揉我奶头~嗯~啊~动态视频| 精品无人区乱码1区二区| 国产亚洲欧美精品永久| 丰满迷人的少妇在线观看| 日日夜夜操网爽| 老司机亚洲免费影院| 一级黄色大片毛片| 国产精品国产高清国产av | 色老头精品视频在线观看| 亚洲精华国产精华精| 国产成人精品在线电影| 露出奶头的视频| 母亲3免费完整高清在线观看| 一区二区三区精品91| tocl精华| 日韩一卡2卡3卡4卡2021年| 日本vs欧美在线观看视频| 成人国语在线视频| av天堂久久9| 精品高清国产在线一区| 在线观看免费视频日本深夜| 国产欧美日韩一区二区三区在线| 亚洲全国av大片| 午夜福利欧美成人| 一本一本久久a久久精品综合妖精| 美女高潮到喷水免费观看| 老司机影院毛片| 久久亚洲真实| 中文字幕人妻熟女乱码| 日本撒尿小便嘘嘘汇集6| 校园春色视频在线观看| 午夜免费鲁丝| 无限看片的www在线观看| 国产精品1区2区在线观看. | 啦啦啦免费观看视频1| 在线观看一区二区三区激情| 欧美激情久久久久久爽电影 | 老司机影院毛片| 在线观看午夜福利视频| 性少妇av在线| 国产高清videossex| 久久国产亚洲av麻豆专区| 国产1区2区3区精品| 一二三四社区在线视频社区8| 91麻豆精品激情在线观看国产 | 热99久久久久精品小说推荐| 极品少妇高潮喷水抽搐| 美国免费a级毛片| 在线观看免费视频日本深夜| 精品少妇一区二区三区视频日本电影| 日本五十路高清| 国产一卡二卡三卡精品| 亚洲av第一区精品v没综合| 午夜精品久久久久久毛片777| 国产区一区二久久| 久久 成人 亚洲| 麻豆乱淫一区二区| 成年动漫av网址| 亚洲av第一区精品v没综合| 操出白浆在线播放| 亚洲免费av在线视频| 久久影院123| 午夜91福利影院| 午夜两性在线视频| 色在线成人网| 久久精品熟女亚洲av麻豆精品| 国产欧美日韩精品亚洲av| 亚洲国产精品一区二区三区在线| 免费女性裸体啪啪无遮挡网站| 热re99久久精品国产66热6| 久久国产精品影院| 乱人伦中国视频| 午夜福利欧美成人| 午夜福利免费观看在线| 天堂中文最新版在线下载| 欧美日韩成人在线一区二区| 丰满的人妻完整版| 亚洲人成77777在线视频| 三级毛片av免费| 国产人伦9x9x在线观看| 又黄又爽又免费观看的视频| 一级a爱片免费观看的视频| 国产一区二区三区在线臀色熟女 | 人成视频在线观看免费观看| 精品欧美一区二区三区在线| 国产在线精品亚洲第一网站| 亚洲熟女毛片儿| 国产精品国产av在线观看| 桃红色精品国产亚洲av| 久久国产精品人妻蜜桃| 999久久久精品免费观看国产| 亚洲av美国av| 亚洲精品自拍成人| 最新的欧美精品一区二区| 三级毛片av免费| 99精品在免费线老司机午夜| 国产精品综合久久久久久久免费 | 成人国语在线视频| 搡老乐熟女国产| 国产视频一区二区在线看| 黄色女人牲交| 亚洲av日韩在线播放| 国产精品成人在线| svipshipincom国产片| 欧美不卡视频在线免费观看 | 国产精品久久久久久精品古装| 国产av一区二区精品久久| 黄频高清免费视频| 久99久视频精品免费| 精品一区二区三区四区五区乱码| 免费观看人在逋| 久久九九热精品免费| 国产亚洲欧美精品永久| 天天躁日日躁夜夜躁夜夜| 中文亚洲av片在线观看爽 | 中文字幕人妻熟女乱码| 国内久久婷婷六月综合欲色啪| 又黄又粗又硬又大视频| 免费黄频网站在线观看国产| 精品免费久久久久久久清纯 | 亚洲伊人色综图| 99国产精品免费福利视频| 久久精品成人免费网站| 大片电影免费在线观看免费| 香蕉久久夜色| 91字幕亚洲| 久久香蕉国产精品| 欧美亚洲 丝袜 人妻 在线| 中出人妻视频一区二区| 午夜91福利影院| 极品少妇高潮喷水抽搐| 亚洲熟妇中文字幕五十中出 | 1024视频免费在线观看| 免费不卡黄色视频| 精品第一国产精品| 国产激情欧美一区二区| 在线观看午夜福利视频| 777米奇影视久久| 91九色精品人成在线观看| 国产99白浆流出| av中文乱码字幕在线| 叶爱在线成人免费视频播放| 国产成人欧美在线观看 | 少妇被粗大的猛进出69影院| 一级片免费观看大全| 熟女少妇亚洲综合色aaa.| 咕卡用的链子| ponron亚洲| 亚洲中文av在线| av片东京热男人的天堂| 国产免费男女视频| 成年动漫av网址| 国产成人影院久久av| 国产aⅴ精品一区二区三区波| 一二三四在线观看免费中文在| 日韩 欧美 亚洲 中文字幕| 免费在线观看完整版高清| 国产午夜精品久久久久久| 日韩免费av在线播放| 久久精品aⅴ一区二区三区四区| 精品国产一区二区三区久久久樱花| 99香蕉大伊视频| 久久人人爽av亚洲精品天堂| 欧美成人午夜精品| 国产又爽黄色视频| 亚洲第一av免费看| 99精国产麻豆久久婷婷| 精品久久久久久电影网| 中文字幕人妻熟女乱码| 欧美日韩黄片免| 亚洲国产精品合色在线| 一区二区三区激情视频| 黄色女人牲交| 母亲3免费完整高清在线观看| 久久久国产一区二区| 欧美人与性动交α欧美软件| 成人国产一区最新在线观看| 国产一区二区激情短视频| 亚洲人成电影观看| 午夜老司机福利片| 日日爽夜夜爽网站| 国产无遮挡羞羞视频在线观看| 久热这里只有精品99| 精品国产一区二区三区久久久樱花| 久99久视频精品免费| 国产亚洲欧美精品永久| 久久久久国产精品人妻aⅴ院 | 亚洲七黄色美女视频| av片东京热男人的天堂| 国产成人精品久久二区二区免费| 丝袜在线中文字幕| 欧美激情 高清一区二区三区| 日韩大码丰满熟妇| 精品午夜福利视频在线观看一区| 韩国av一区二区三区四区| 欧美 日韩 精品 国产| 国产欧美亚洲国产| 波多野结衣一区麻豆| 黄片播放在线免费| 亚洲国产看品久久| 国产区一区二久久| 18禁观看日本| 如日韩欧美国产精品一区二区三区| 欧美乱色亚洲激情| 成人免费观看视频高清| 亚洲情色 制服丝袜| av一本久久久久| 999精品在线视频| 亚洲七黄色美女视频| 国产精品电影一区二区三区 | 精品一区二区三区av网在线观看| 久久精品国产亚洲av香蕉五月 | 国产精品香港三级国产av潘金莲| 69精品国产乱码久久久| 中文亚洲av片在线观看爽 | av不卡在线播放| 亚洲男人天堂网一区| 久久久国产成人精品二区 | 99re6热这里在线精品视频| 91麻豆av在线| 亚洲成人免费av在线播放| 桃红色精品国产亚洲av| 亚洲专区国产一区二区| 女人久久www免费人成看片| 久久精品亚洲av国产电影网| 久久中文字幕一级| 可以免费在线观看a视频的电影网站| 高清欧美精品videossex| av中文乱码字幕在线| 亚洲性夜色夜夜综合| 久9热在线精品视频| 怎么达到女性高潮| 大型黄色视频在线免费观看| 国产精品九九99| 操出白浆在线播放| 热re99久久国产66热| 女人被躁到高潮嗷嗷叫费观| 日本精品一区二区三区蜜桃| 成人黄色视频免费在线看| 成人18禁在线播放| 美女视频免费永久观看网站| 黄色视频不卡| 美女 人体艺术 gogo| 亚洲成人手机| 免费黄频网站在线观看国产| 18禁美女被吸乳视频| 午夜成年电影在线免费观看| 水蜜桃什么品种好| 黄色视频,在线免费观看| 看免费av毛片| 99国产精品免费福利视频| 多毛熟女@视频| 色在线成人网| 夜夜夜夜夜久久久久| 身体一侧抽搐| 一区二区三区精品91| 久久久久国产精品人妻aⅴ院 | 丰满迷人的少妇在线观看| 精品视频人人做人人爽| 成年女人毛片免费观看观看9 | 亚洲人成电影观看| 麻豆成人av在线观看| 满18在线观看网站| 欧美国产精品va在线观看不卡| videosex国产| 成人精品一区二区免费| 国产午夜精品久久久久久| 最近最新中文字幕大全电影3 | 亚洲一区二区三区欧美精品| 看片在线看免费视频| 国产真人三级小视频在线观看| 黄频高清免费视频| www.熟女人妻精品国产| 黑人巨大精品欧美一区二区mp4| 欧美乱妇无乱码| 精品一区二区三区四区五区乱码| 色播在线永久视频| 国产真人三级小视频在线观看| 亚洲五月天丁香| 久久热在线av| 老熟女久久久| 亚洲国产精品一区二区三区在线| 欧美中文综合在线视频| 久久香蕉精品热| 亚洲久久久国产精品| 成人黄色视频免费在线看| 窝窝影院91人妻| 涩涩av久久男人的天堂| 69av精品久久久久久| 熟女少妇亚洲综合色aaa.| 不卡一级毛片| 色94色欧美一区二区| 国产97色在线日韩免费| 两性午夜刺激爽爽歪歪视频在线观看 | 黄色毛片三级朝国网站| 久久精品国产综合久久久| 村上凉子中文字幕在线| 51午夜福利影视在线观看| 欧美国产精品一级二级三级| 激情在线观看视频在线高清 | 精品人妻熟女毛片av久久网站| 在线观看免费日韩欧美大片| 好看av亚洲va欧美ⅴa在| 99热只有精品国产| av片东京热男人的天堂| 麻豆成人av在线观看| 久久精品人人爽人人爽视色| 熟女少妇亚洲综合色aaa.| 国产高清视频在线播放一区| 男女免费视频国产| 国产激情久久老熟女| 三上悠亚av全集在线观看| 免费人成视频x8x8入口观看| 精品国产国语对白av| 黄片小视频在线播放| 成人国语在线视频| 老汉色∧v一级毛片| 香蕉丝袜av| 精品久久久久久久久久免费视频 | 日本精品一区二区三区蜜桃| 欧美乱妇无乱码| 免费在线观看视频国产中文字幕亚洲| 天堂√8在线中文| 夜夜夜夜夜久久久久| 一本大道久久a久久精品| 宅男免费午夜| 操美女的视频在线观看| 女同久久另类99精品国产91| 在线天堂中文资源库| 国产亚洲欧美精品永久| 大型av网站在线播放| av一本久久久久| 国产高清视频在线播放一区| 亚洲av熟女| 脱女人内裤的视频| 午夜福利一区二区在线看| 国产色视频综合| 韩国av一区二区三区四区| 人人妻,人人澡人人爽秒播| 在线观看免费日韩欧美大片| 欧美日韩精品网址| 亚洲,欧美精品.| 国产亚洲欧美98| 美女视频免费永久观看网站| 男女下面插进去视频免费观看| 看黄色毛片网站| 国产主播在线观看一区二区| 操出白浆在线播放| 黑人巨大精品欧美一区二区mp4| 国产亚洲精品久久久久5区| 精品国产乱子伦一区二区三区| 久久精品熟女亚洲av麻豆精品| 男人操女人黄网站| 无限看片的www在线观看| 男女床上黄色一级片免费看| 精品欧美一区二区三区在线| 身体一侧抽搐| 99re在线观看精品视频| 嫩草影视91久久| 日本a在线网址| 精品午夜福利视频在线观看一区| 老司机靠b影院| 国产精品成人在线| 九色亚洲精品在线播放| 国产有黄有色有爽视频| 国产成人免费无遮挡视频| av欧美777| 99久久综合精品五月天人人| 精品亚洲成a人片在线观看| 成人黄色视频免费在线看| 日韩中文字幕欧美一区二区| 男女之事视频高清在线观看| 中文字幕高清在线视频| 欧美黑人欧美精品刺激| 国产片内射在线| 一区福利在线观看| 777米奇影视久久| 久久精品国产a三级三级三级| 欧美成狂野欧美在线观看| www日本在线高清视频| 久久中文看片网| 18禁裸乳无遮挡动漫免费视频| 热re99久久精品国产66热6| 国产有黄有色有爽视频| 国产精品 欧美亚洲| 老熟妇仑乱视频hdxx| 国产精品.久久久| 久久ye,这里只有精品| 久久国产精品影院| 男女之事视频高清在线观看| 啦啦啦在线免费观看视频4| 欧美在线黄色| 后天国语完整版免费观看| 变态另类成人亚洲欧美熟女 | 高清毛片免费观看视频网站 | 大型av网站在线播放| 亚洲精品av麻豆狂野| 国产99白浆流出| 免费观看人在逋| 国产精品欧美亚洲77777| 国产精品影院久久| 麻豆av在线久日| 中文字幕高清在线视频| 精品人妻在线不人妻| 亚洲欧美激情综合另类| 国产亚洲精品一区二区www | 国产aⅴ精品一区二区三区波| www.自偷自拍.com| 在线观看午夜福利视频| 岛国在线观看网站| 国产男女超爽视频在线观看| 国产成人av激情在线播放| 在线观看免费视频网站a站| 亚洲视频免费观看视频| 女人精品久久久久毛片| 欧美日韩亚洲高清精品| 亚洲一区二区三区欧美精品| 欧美日韩瑟瑟在线播放| 岛国毛片在线播放| 国产精品永久免费网站| 亚洲美女黄片视频| 免费在线观看黄色视频的| 国产亚洲一区二区精品| 亚洲精华国产精华精| 国产精品国产高清国产av | 中文字幕最新亚洲高清| 一级毛片精品| 波多野结衣一区麻豆| 亚洲专区国产一区二区| 天天操日日干夜夜撸| av不卡在线播放| 亚洲精品中文字幕一二三四区| 老司机亚洲免费影院| 中文字幕另类日韩欧美亚洲嫩草| 色播在线永久视频| 老司机影院毛片| 丝袜美足系列| 国产午夜精品久久久久久| 人妻丰满熟妇av一区二区三区 | 久久久久久久久久久久大奶| 成年版毛片免费区| 久久人妻熟女aⅴ| av不卡在线播放| 男女之事视频高清在线观看| 在线观看舔阴道视频| 十八禁网站免费在线| 夜夜躁狠狠躁天天躁| 男女床上黄色一级片免费看| 人人澡人人妻人| 亚洲熟妇中文字幕五十中出 | 香蕉久久夜色| 国产精品免费一区二区三区在线 | 麻豆av在线久日| 成年人午夜在线观看视频| 天天添夜夜摸| 久久影院123| 一a级毛片在线观看| 亚洲avbb在线观看| 一进一出好大好爽视频| 久久影院123| 男女床上黄色一级片免费看| 亚洲 欧美一区二区三区| 亚洲av日韩精品久久久久久密| 黑人操中国人逼视频| 18禁美女被吸乳视频| 精品福利观看| 精品亚洲成国产av| 亚洲免费av在线视频| 精品人妻1区二区| 操美女的视频在线观看| 18禁观看日本| 精品一区二区三区四区五区乱码| 国产日韩欧美亚洲二区| 国产单亲对白刺激| av欧美777| 搡老乐熟女国产| 欧美黑人欧美精品刺激| 久久 成人 亚洲| 日韩熟女老妇一区二区性免费视频| 一级毛片精品| av有码第一页| 亚洲精品av麻豆狂野| 欧美日本中文国产一区发布| 黄片播放在线免费| 国产精品二区激情视频| 久久久久久久久免费视频了| 中文字幕人妻丝袜一区二区| 怎么达到女性高潮| 好看av亚洲va欧美ⅴa在| 伊人久久大香线蕉亚洲五| 99热国产这里只有精品6| 日韩制服丝袜自拍偷拍| 最新在线观看一区二区三区| 波多野结衣av一区二区av| 十分钟在线观看高清视频www| 久久精品国产a三级三级三级| 操美女的视频在线观看| 亚洲欧美色中文字幕在线| 高清av免费在线| 另类亚洲欧美激情| 国产精品一区二区在线不卡| 欧美激情 高清一区二区三区| av天堂久久9| 欧美黄色片欧美黄色片| 亚洲在线自拍视频| 日韩熟女老妇一区二区性免费视频| 在线观看舔阴道视频| 国产亚洲精品久久久久5区| 亚洲自偷自拍图片 自拍| 黄频高清免费视频| 岛国在线观看网站| 丁香欧美五月| www.999成人在线观看| 久久国产精品人妻蜜桃| 一二三四社区在线视频社区8| 久久 成人 亚洲| 少妇裸体淫交视频免费看高清 | 成人亚洲精品一区在线观看| 亚洲成人手机| 久久中文字幕一级| 久久精品亚洲熟妇少妇任你| а√天堂www在线а√下载 | 久久精品成人免费网站| 国产一区二区三区视频了| 精品久久久久久电影网| 丁香欧美五月| 午夜成年电影在线免费观看| 欧美激情 高清一区二区三区| 精品少妇久久久久久888优播| 精品久久久久久久毛片微露脸| 亚洲自偷自拍图片 自拍| 在线观看免费视频日本深夜| 亚洲精品久久成人aⅴ小说| 黄色丝袜av网址大全| 欧美黑人欧美精品刺激| 亚洲精品av麻豆狂野| 99国产综合亚洲精品| 久久精品亚洲熟妇少妇任你| 亚洲五月天丁香| 精品一区二区三区视频在线观看免费 | 看片在线看免费视频| 中文字幕另类日韩欧美亚洲嫩草| 一二三四在线观看免费中文在| 在线观看免费午夜福利视频| 久久国产精品男人的天堂亚洲| 久久午夜综合久久蜜桃| 女性生殖器流出的白浆| 亚洲一区中文字幕在线| 18在线观看网站| 天天躁夜夜躁狠狠躁躁| 婷婷丁香在线五月| 国产蜜桃级精品一区二区三区 | 岛国毛片在线播放| 欧美乱色亚洲激情| 在线观看午夜福利视频| 久久人人97超碰香蕉20202| 中出人妻视频一区二区| 丰满的人妻完整版| 淫妇啪啪啪对白视频| 精品久久久久久久毛片微露脸| 国产精品乱码一区二三区的特点 | 精品国产超薄肉色丝袜足j| 精品熟女少妇八av免费久了| 91成人精品电影| 伦理电影免费视频| 亚洲熟妇中文字幕五十中出 | 男人舔女人的私密视频| 三级毛片av免费|