• <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
    国产精品 欧美亚洲| 搡女人真爽免费视频火全软件 | 老司机午夜福利在线观看视频| 国产欧美日韩精品一区二区| 日韩人妻高清精品专区| 丰满人妻一区二区三区视频av | 看黄色毛片网站| 亚洲美女视频黄频| 欧美性感艳星| 亚洲人成伊人成综合网2020| 亚洲成av人片在线播放无| 亚洲中文字幕一区二区三区有码在线看| 一a级毛片在线观看| 国产精品女同一区二区软件 | 男插女下体视频免费在线播放| 校园春色视频在线观看| 无限看片的www在线观看| 亚洲精品亚洲一区二区| 哪里可以看免费的av片| 免费观看的影片在线观看| 亚洲不卡免费看| 欧美精品啪啪一区二区三区| 男女做爰动态图高潮gif福利片| 欧美性猛交╳xxx乱大交人| 操出白浆在线播放| 中文资源天堂在线| 久久精品人妻少妇| 丰满人妻一区二区三区视频av | 亚洲最大成人中文| 久久精品国产亚洲av香蕉五月| 18禁美女被吸乳视频| 99久久精品国产亚洲精品| 国产精品野战在线观看| 神马国产精品三级电影在线观看| 99国产综合亚洲精品| 在线观看免费午夜福利视频| 人人妻人人看人人澡| 国产精品综合久久久久久久免费| 亚洲av日韩精品久久久久久密| 国产淫片久久久久久久久 | 国产亚洲精品av在线| 中文字幕av成人在线电影| 波多野结衣高清作品| 十八禁人妻一区二区| 亚洲男人的天堂狠狠| 成人高潮视频无遮挡免费网站| 亚洲美女黄片视频| 听说在线观看完整版免费高清| 亚洲人与动物交配视频| 9191精品国产免费久久| 国产成人系列免费观看| 一夜夜www| 色视频www国产| 91在线观看av| 五月伊人婷婷丁香| 欧美激情在线99| 99久国产av精品| 又黄又粗又硬又大视频| 无遮挡黄片免费观看| 18禁在线播放成人免费| 色综合欧美亚洲国产小说| 国产探花极品一区二区| 亚洲国产精品sss在线观看| 欧美性感艳星| 日韩欧美 国产精品| 亚洲av成人av| 很黄的视频免费| 人人妻人人看人人澡| 国产精品影院久久| 亚洲性夜色夜夜综合| 成年免费大片在线观看| 欧美日韩国产亚洲二区| 村上凉子中文字幕在线| 制服丝袜大香蕉在线| 性欧美人与动物交配| 免费看光身美女| 美女大奶头视频| 搡老妇女老女人老熟妇| 狂野欧美激情性xxxx| 一个人看视频在线观看www免费 | 国产高清三级在线| 日韩免费av在线播放| 国产一区二区激情短视频| 亚洲成人久久爱视频| 中文字幕人妻熟人妻熟丝袜美 | 美女 人体艺术 gogo| 小蜜桃在线观看免费完整版高清| 亚洲国产精品sss在线观看| 成人午夜高清在线视频| 内地一区二区视频在线| 国产一级毛片七仙女欲春2| 亚洲av美国av| 热99re8久久精品国产| 在线国产一区二区在线| eeuss影院久久| 国产精品久久久久久人妻精品电影| 亚洲人成网站在线播| 欧美日韩精品网址| 十八禁网站免费在线| 一级作爱视频免费观看| 欧美高清成人免费视频www| 亚洲精品在线观看二区| 制服丝袜大香蕉在线| 一卡2卡三卡四卡精品乱码亚洲| 欧美最新免费一区二区三区 | 欧美性猛交黑人性爽| 免费在线观看成人毛片| 成年版毛片免费区| 国产精品久久久久久精品电影| 国产成人影院久久av| 男女那种视频在线观看| 久久久久亚洲av毛片大全| 深爱激情五月婷婷| 成人亚洲精品av一区二区| 国语自产精品视频在线第100页| 久久99热这里只有精品18| 成人无遮挡网站| 国产 一区 欧美 日韩| 亚洲一区二区三区色噜噜| 床上黄色一级片| 中文字幕精品亚洲无线码一区| 91在线观看av| 国产欧美日韩一区二区三| 美女cb高潮喷水在线观看| 国产欧美日韩精品一区二区| 日韩 欧美 亚洲 中文字幕| 欧美成人a在线观看| 日本一本二区三区精品| 老熟妇仑乱视频hdxx| 噜噜噜噜噜久久久久久91| 中出人妻视频一区二区| 国产精品亚洲一级av第二区| 九九热线精品视视频播放| 女人被狂操c到高潮| 国产乱人伦免费视频| 国产精品一及| 欧美3d第一页| av天堂中文字幕网| 中文字幕人妻丝袜一区二区| 最新在线观看一区二区三区| 欧美区成人在线视频| 有码 亚洲区| 免费在线观看亚洲国产| 亚洲va日本ⅴa欧美va伊人久久| 久久精品夜夜夜夜夜久久蜜豆| 在线观看午夜福利视频| 免费在线观看日本一区| 97人妻精品一区二区三区麻豆| 亚洲国产精品成人综合色| 日韩欧美国产在线观看| 久久久久亚洲av毛片大全| 国产高清有码在线观看视频| 天堂网av新在线| 久久精品人妻少妇| 欧美成人性av电影在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产99白浆流出| 国产精品自产拍在线观看55亚洲| 99久久成人亚洲精品观看| 亚洲一区二区三区色噜噜| 亚洲狠狠婷婷综合久久图片| 黄色丝袜av网址大全| 精品一区二区三区人妻视频| 久久久久久久精品吃奶| 日日夜夜操网爽| 日本与韩国留学比较| 国产精品久久久久久人妻精品电影| 99热这里只有是精品50| 亚洲国产精品sss在线观看| 中国美女看黄片| 欧美最黄视频在线播放免费| 午夜福利欧美成人| 在线观看日韩欧美| 欧美日韩瑟瑟在线播放| 国产精品三级大全| 国产成人啪精品午夜网站| 欧美日韩黄片免| 舔av片在线| 熟女少妇亚洲综合色aaa.| 三级国产精品欧美在线观看| 欧美激情在线99| 怎么达到女性高潮| 美女免费视频网站| 男插女下体视频免费在线播放| 免费av观看视频| 男女做爰动态图高潮gif福利片| 别揉我奶头~嗯~啊~动态视频| 亚洲一区二区三区不卡视频| 亚洲精品色激情综合| 亚洲人成伊人成综合网2020| 午夜福利在线观看免费完整高清在 | 亚洲熟妇熟女久久| 精品99又大又爽又粗少妇毛片 | 免费av不卡在线播放| 国产国拍精品亚洲av在线观看 | 成人国产一区最新在线观看| 免费看十八禁软件| 亚洲国产日韩欧美精品在线观看 | 免费人成在线观看视频色| 一级a爱片免费观看的视频| 日韩高清综合在线| a级一级毛片免费在线观看| 精华霜和精华液先用哪个| 熟女人妻精品中文字幕| 搡老熟女国产l中国老女人| 男女做爰动态图高潮gif福利片| 国产成人aa在线观看| 在线十欧美十亚洲十日本专区| 天堂动漫精品| 欧美另类亚洲清纯唯美| 精品电影一区二区在线| 免费搜索国产男女视频| 欧美最黄视频在线播放免费| 国产私拍福利视频在线观看| 亚洲avbb在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产成人影院久久av| 欧美日韩国产亚洲二区| 97超视频在线观看视频| 日本撒尿小便嘘嘘汇集6| 国产乱人伦免费视频| 亚洲av日韩精品久久久久久密| 日本在线视频免费播放| 无遮挡黄片免费观看| 久久午夜亚洲精品久久| 熟妇人妻久久中文字幕3abv| 久久久久久大精品| 黄色丝袜av网址大全| 精品人妻1区二区| 午夜免费激情av| 亚洲国产日韩欧美精品在线观看 | 18+在线观看网站| 高清日韩中文字幕在线| 美女高潮的动态| 夜夜看夜夜爽夜夜摸| 叶爱在线成人免费视频播放| 一级毛片高清免费大全| 丰满的人妻完整版| e午夜精品久久久久久久| 成年女人看的毛片在线观看| 中国美女看黄片| 好看av亚洲va欧美ⅴa在| 宅男免费午夜| 亚洲国产精品久久男人天堂| 日韩欧美精品v在线| 欧美成狂野欧美在线观看| 老司机深夜福利视频在线观看| 国产精品一区二区三区四区久久| 国产久久久一区二区三区| 大型黄色视频在线免费观看| 日韩高清综合在线| 在线十欧美十亚洲十日本专区| 国产三级黄色录像| 级片在线观看| 久久精品国产自在天天线| 在线观看免费午夜福利视频| 欧美日韩黄片免| 69av精品久久久久久| 亚洲中文日韩欧美视频| 色综合亚洲欧美另类图片| 日本撒尿小便嘘嘘汇集6| 亚洲中文字幕一区二区三区有码在线看| 女人十人毛片免费观看3o分钟| 中文字幕高清在线视频| 五月玫瑰六月丁香| 欧美另类亚洲清纯唯美| 色在线成人网| 非洲黑人性xxxx精品又粗又长| 亚洲国产高清在线一区二区三| 亚洲欧美日韩卡通动漫| 丁香六月欧美| 中文字幕人妻丝袜一区二区| 久久国产精品人妻蜜桃| 亚洲精品日韩av片在线观看 | 成人特级黄色片久久久久久久| 观看美女的网站| 天堂av国产一区二区熟女人妻| 午夜免费观看网址| 国产v大片淫在线免费观看| 日韩欧美 国产精品| 最后的刺客免费高清国语| 亚洲最大成人中文| 亚洲无线在线观看| 啦啦啦韩国在线观看视频| 欧美午夜高清在线| 精品午夜福利视频在线观看一区| 2021天堂中文幕一二区在线观| 99精品久久久久人妻精品| 亚洲人成网站在线播放欧美日韩| 男女视频在线观看网站免费| 国产亚洲精品综合一区在线观看| 亚洲精品粉嫩美女一区| 国产av一区在线观看免费| 国产午夜精品久久久久久一区二区三区 | 精品国内亚洲2022精品成人| 亚洲,欧美精品.| 欧美中文综合在线视频| 欧美日本亚洲视频在线播放| 亚洲欧美激情综合另类| 国产精品综合久久久久久久免费| 99在线视频只有这里精品首页| 精品不卡国产一区二区三区| 天天躁日日操中文字幕| 国内精品一区二区在线观看| 国产高清有码在线观看视频| 国产精品亚洲美女久久久| 色综合站精品国产| 高潮久久久久久久久久久不卡| 热99在线观看视频| 成年女人毛片免费观看观看9| 国产乱人视频| 国产精华一区二区三区| 又紧又爽又黄一区二区| 免费人成视频x8x8入口观看| 国产精品亚洲美女久久久| 九九热线精品视视频播放| 日韩大尺度精品在线看网址| 国产欧美日韩精品亚洲av| 尤物成人国产欧美一区二区三区| 国产高清激情床上av| 成年女人毛片免费观看观看9| 亚洲精品在线观看二区| 亚洲成人久久爱视频| 色哟哟哟哟哟哟| 黄片大片在线免费观看| 欧美日韩精品网址| 色播亚洲综合网| 国产精品99久久久久久久久| 搡老妇女老女人老熟妇| 老司机深夜福利视频在线观看| 嫩草影院精品99| 99热精品在线国产| 丰满人妻一区二区三区视频av | www日本黄色视频网| 色视频www国产| 国产精品影院久久| 国内精品久久久久久久电影| 神马国产精品三级电影在线观看| 在线看三级毛片| 国产三级中文精品| 操出白浆在线播放| 91久久精品电影网| 欧美色视频一区免费| 熟女电影av网| 欧美成狂野欧美在线观看| 夜夜看夜夜爽夜夜摸| 久久久久国内视频| 在线a可以看的网站| 亚洲aⅴ乱码一区二区在线播放| 国产成+人综合+亚洲专区| 久久久久久大精品| 成人精品一区二区免费| 国产三级黄色录像| 真人做人爱边吃奶动态| 少妇的逼好多水| 国产探花在线观看一区二区| 国产一区二区亚洲精品在线观看| 人人妻人人看人人澡| 亚洲av日韩精品久久久久久密| 免费一级毛片在线播放高清视频| 国产一区二区亚洲精品在线观看| 国产亚洲精品综合一区在线观看| 超碰av人人做人人爽久久 | 久久精品综合一区二区三区| 在线国产一区二区在线| 九九热线精品视视频播放| 真人做人爱边吃奶动态| 国产亚洲欧美在线一区二区| 国产亚洲精品av在线| 久久久精品欧美日韩精品| 午夜视频国产福利| 国产一区二区在线av高清观看| 美女被艹到高潮喷水动态| 亚洲国产欧洲综合997久久,| 免费在线观看日本一区| 变态另类丝袜制服| 窝窝影院91人妻| 国产三级黄色录像| 中文字幕高清在线视频| 午夜日韩欧美国产| 成年女人永久免费观看视频| 中文字幕av在线有码专区| 欧美性猛交黑人性爽| 在线国产一区二区在线| 乱人视频在线观看| 91在线观看av| 亚洲七黄色美女视频| 国产毛片a区久久久久| 69人妻影院| 欧美激情久久久久久爽电影| 一个人观看的视频www高清免费观看| 日韩精品中文字幕看吧| 色精品久久人妻99蜜桃| av福利片在线观看| 中亚洲国语对白在线视频| 日本成人三级电影网站| 给我免费播放毛片高清在线观看| 日韩免费av在线播放| 无人区码免费观看不卡| 午夜福利18| 99久久综合精品五月天人人| 国产伦精品一区二区三区视频9 | 一级a爱片免费观看的视频| 99久国产av精品| 在线观看一区二区三区| 日韩欧美国产在线观看| 亚洲精品美女久久久久99蜜臀| 可以在线观看毛片的网站| 麻豆国产97在线/欧美| 小蜜桃在线观看免费完整版高清| 制服丝袜大香蕉在线| 欧美精品啪啪一区二区三区| 一边摸一边抽搐一进一小说| 精品一区二区三区人妻视频| 国产中年淑女户外野战色| 国产野战对白在线观看| 欧美极品一区二区三区四区| 久久99热这里只有精品18| 制服人妻中文乱码| 深夜精品福利| 日韩欧美在线乱码| a级毛片a级免费在线| 99久久99久久久精品蜜桃| 制服丝袜大香蕉在线| 国产高清有码在线观看视频| 在线观看免费视频日本深夜| 麻豆成人午夜福利视频| 中文字幕av成人在线电影| 亚洲成a人片在线一区二区| 一级a爱片免费观看的视频| 亚洲精品乱码久久久v下载方式 | 国产成+人综合+亚洲专区| 亚洲欧美日韩卡通动漫| 欧美区成人在线视频| 真人一进一出gif抽搐免费| 国产高清视频在线播放一区| 国产69精品久久久久777片| 9191精品国产免费久久| 18禁美女被吸乳视频| 网址你懂的国产日韩在线| 18美女黄网站色大片免费观看| 亚洲人成网站在线播放欧美日韩| 精品熟女少妇八av免费久了| 久久国产乱子伦精品免费另类| 精品99又大又爽又粗少妇毛片 | 男人舔女人下体高潮全视频| 国产在视频线在精品| 88av欧美| 国产激情欧美一区二区| 欧美性猛交╳xxx乱大交人| 少妇熟女aⅴ在线视频| 男女视频在线观看网站免费| 日本黄色视频三级网站网址| 在线观看免费午夜福利视频| 亚洲欧美日韩无卡精品| 级片在线观看| 国产精品日韩av在线免费观看| 91在线观看av| 欧美黑人巨大hd| 国产午夜福利久久久久久| 无人区码免费观看不卡| eeuss影院久久| 最新美女视频免费是黄的| 亚洲精品国产精品久久久不卡| 欧美日韩国产亚洲二区| 久久精品91无色码中文字幕| 欧美一区二区精品小视频在线| aaaaa片日本免费| 97人妻精品一区二区三区麻豆| 亚洲第一电影网av| 亚洲精品国产精品久久久不卡| 一本综合久久免费| 丝袜美腿在线中文| 久久精品91蜜桃| 操出白浆在线播放| eeuss影院久久| 黑人欧美特级aaaaaa片| 欧美性猛交黑人性爽| 欧美精品啪啪一区二区三区| 国产亚洲av嫩草精品影院| 精品人妻偷拍中文字幕| 欧美成人免费av一区二区三区| 宅男免费午夜| 亚洲国产欧美网| 欧美成人性av电影在线观看| 国产99白浆流出| xxxwww97欧美| 他把我摸到了高潮在线观看| 成人精品一区二区免费| 91久久精品国产一区二区成人 | 欧美成人一区二区免费高清观看| 日本免费一区二区三区高清不卡| 婷婷丁香在线五月| 亚洲国产欧洲综合997久久,| 无限看片的www在线观看| 国产精品 国内视频| 每晚都被弄得嗷嗷叫到高潮| 久久草成人影院| 国产精品久久久久久精品电影| 日日摸夜夜添夜夜添小说| 91在线精品国自产拍蜜月 | 久久久久性生活片| 黄色女人牲交| 午夜免费男女啪啪视频观看 | 国产高清视频在线播放一区| 国产v大片淫在线免费观看| 欧美黄色片欧美黄色片| 一本综合久久免费| 黄片大片在线免费观看| 女人高潮潮喷娇喘18禁视频| 久久伊人香网站| 国产三级黄色录像| 白带黄色成豆腐渣| 国产美女午夜福利| 国产一区二区在线观看日韩 | 一进一出好大好爽视频| 午夜免费男女啪啪视频观看 | 精品人妻偷拍中文字幕| 亚洲人成网站在线播| 天堂√8在线中文| 国产伦在线观看视频一区| 国产成人影院久久av| 99国产极品粉嫩在线观看| 国产精品永久免费网站| 成年女人永久免费观看视频| 国产乱人伦免费视频| 可以在线观看的亚洲视频| 国产精品香港三级国产av潘金莲| 精品国内亚洲2022精品成人| 99国产精品一区二区蜜桃av| 久久久久久九九精品二区国产| 成年女人毛片免费观看观看9| 欧美黑人欧美精品刺激| 一本综合久久免费| 亚洲最大成人手机在线| 丁香欧美五月| 国产成人a区在线观看| 制服丝袜大香蕉在线| 亚洲精品在线美女| 欧美黄色淫秽网站| 日本精品一区二区三区蜜桃| 欧美+日韩+精品| 高清毛片免费观看视频网站| 国产av在哪里看| 国产 一区 欧美 日韩| 免费看美女性在线毛片视频| 亚洲精品在线美女| 99久久综合精品五月天人人| 国产成人福利小说| h日本视频在线播放| 美女 人体艺术 gogo| 免费av毛片视频| 日韩欧美在线乱码| 高清毛片免费观看视频网站| 色在线成人网| 免费观看精品视频网站| 国产精品久久久久久人妻精品电影| 国产乱人视频| 黄色丝袜av网址大全| 亚洲性夜色夜夜综合| 日本黄色视频三级网站网址| 亚洲精品456在线播放app | 日韩欧美一区二区三区在线观看| netflix在线观看网站| 久久久久国内视频| 久久国产乱子伦精品免费另类| 夜夜躁狠狠躁天天躁| 女人十人毛片免费观看3o分钟| 亚洲专区中文字幕在线| 99久久成人亚洲精品观看| 99国产综合亚洲精品| 国产精品久久久久久久电影 | 色吧在线观看| 99国产精品一区二区三区| 好男人在线观看高清免费视频| 少妇丰满av| 午夜日韩欧美国产| 国产精华一区二区三区| www日本黄色视频网| 看片在线看免费视频| www.www免费av| 亚洲国产精品999在线| 成人欧美大片| 久久久久国内视频| 少妇人妻一区二区三区视频| 成人欧美大片| 成人无遮挡网站| 国产午夜精品久久久久久一区二区三区 | 国产欧美日韩一区二区三| 在线观看舔阴道视频| 精品欧美国产一区二区三| 精品国产三级普通话版| 韩国av一区二区三区四区| tocl精华| 草草在线视频免费看| 一本综合久久免费| av女优亚洲男人天堂| 久久亚洲精品不卡| 日韩欧美在线乱码| 亚洲成av人片免费观看| 男女下面进入的视频免费午夜| 国产亚洲精品综合一区在线观看| 给我免费播放毛片高清在线观看| 男女下面进入的视频免费午夜| 9191精品国产免费久久| 好男人在线观看高清免费视频| 国产伦精品一区二区三区视频9 | 久久久国产精品麻豆| 欧美三级亚洲精品| 精品久久久久久成人av| 18禁在线播放成人免费| 每晚都被弄得嗷嗷叫到高潮| 国产av一区在线观看免费| 51午夜福利影视在线观看| ponron亚洲|