公开(公告)号：CN114004287A

公开(公告)日：2022-02-01

申请号：CN202111223646.2

申请日：2021-10-20

Applicant: 桂林理工大学

Inventor： 陆绮荣 ,  丁昕 ,  梁倩敏

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/40

Abstract: 本发明涉及地下排水管道缺陷的多类分类方法，为了弥补管道缺陷分类过程中人工准确率不高的问题，提出了一种多类分类支持向量机(MSVM)的方法进行对管道缺陷分类。先将排水管道原图像进行一系列的预处理，再将预处理后的管道缺陷图像进行划分子图，得到管道图像不同部分的子图像，再从大量图像中获得裂纹、错口、腐蚀这三种功能性缺陷图像，构建数据图库，为下一步特征提取提供图像数据。在获得管道三种缺陷的对应图库后，对图像进行轮廓增强算法，以增强缺陷图像特征，再对特征进行提取，最后使用多类分类支持向量机(MSVM)的方法进行缺陷的分类。实验结果表明，相比较于人工分类以及其它算法，此方法能更好的对管道缺陷进行分类，提高准确率。

公开(公告)号：CN113361541A

公开(公告)日：2021-09-07

申请号：CN202110611158.2

申请日：2021-06-01

Applicant: 桂林理工大学

Inventor： 陆绮荣 ,  丁昕 ,  梁倩敏

IPC: G06K9/46 ,  G06K9/36

Abstract: 本发明提出了一种改进的分块灰度共生矩阵复合特征向量提取算法(B_GLCM)方法进行对管道功能性缺陷的特征提取，来自动提取缺陷特征，减少人的主观原因对管道缺陷判断结果的干扰。先将管道缺陷图像进行预处理，然后将预处理后的管道缺陷图像进行划分子图。得到子图后进行Sobel算子的缺陷轮廓增强，最后使用改进的分块灰度共生矩阵复合特征向量提取算法进行特征提取。实验结果表明，相比较于传统的特征提取算法，此改进算法能更好的提取地下排水管道缺陷特征。

公开(公告)号：CN115359399A

公开(公告)日：2022-11-18

申请号：CN202211009189.1

申请日：2022-08-22

Applicant: 桂林理工大学

Inventor： 陆绮荣 ,  丁昕

IPC: G06V20/40 ,  G06N20/00 ,  G06V10/74 ,  G06V10/774

Abstract: 本发明涉及基于改进YOLOX的地下排水管道缺陷检测识别方法，为了实现地下排水管道缺陷检测识别自动化，提出了一种基于改进YOLOX的方法来对地下排水管道缺陷进行检测识别。首先将获取的地下排水管道视频进行帧提取，对提取的视频帧进行图像质量筛选以及缺陷分类，并将裂缝和错口两种缺陷类型图像采用GAN网络进行图像生成，挑选图像质量高的生成图像加入到地下排水管道缺陷图像数据集中，将得到的地下排水管道缺陷图像数据集进行数据集增强操作。最后将地下排水管道缺陷数据集输入到改进的YOLOX算法中，对地下排水管道缺陷进行检测识别。实验结果表明，相比较于人工判别以及传统的机器学习方法，此方法能更好的对地下排水管道缺陷进行检测识别。