管道閉路電視（CCTV）檢測系統(tǒng)是目前常用的管道檢測設(shè)備，但該系統(tǒng)在管道圖像采集和缺陷判斷的過程中需要大量的人工參與，尤其是在管道缺陷分類方面，受人為主觀判斷的影響很大，如果工作人員缺乏工作經(jīng)驗(yàn)或者工作狀態(tài)不佳，很可能導(dǎo)致缺陷判別結(jié)果出現(xiàn)較大的偏差。為減少管道缺陷識別過程中對工作人員的依賴，一些學(xué)者提出了智能檢測和自動識別技術(shù)，但該技術(shù)的可靠性并沒有形成一個統(tǒng)一的定論，而且在分類正確率方面也有待提高。
當(dāng)前，基于機(jī)器學(xué)習(xí)的圖像處理技術(shù)在醫(yī)學(xué)、人臉識別、路橋缺陷檢測等領(lǐng)域得到了廣泛應(yīng)用并取得了不錯的成效，借鑒于上述經(jīng)驗(yàn)，也可將基于機(jī)器學(xué)習(xí)的圖像處理技術(shù)應(yīng)用到排水管道的缺陷檢測當(dāng)中，從而在提高缺陷分類正確率的同時，大大降低人工成本。
濟(jì)南市水務(wù)服務(wù)中心的研究人員提出了基于支持向量機(jī)學(xué)習(xí)的管道缺陷檢測技術(shù)流程，并重點(diǎn)對紋理特征提取方法和缺陷分類進(jìn)行了研究，以期為城市排水管道結(jié)構(gòu)性缺陷檢測提供新的思路和方法。
首先，利用管道爬行機(jī)器人攜帶CCTV檢測系統(tǒng)對濟(jì)南市某段地下排水管道進(jìn)行拍攝，得到原始數(shù)據(jù)。
然后，利用Video Reader函數(shù)讀取視頻原始數(shù)據(jù)，根據(jù)視頻采集速率設(shè)置提取幀畫面間隔值T（2秒為宜），保存提取對應(yīng)幀下的管道圖像；接著，對抓取得到的管道圖像進(jìn)行粗分類（區(qū)分有無缺陷），去除圖像中的無關(guān)文字信息，再通過灰度變換、直方圖均衡化處理、限制對比度自適應(yīng)直方圖均衡化處理、自適應(yīng)中值濾波處理、邊緣輪廓增強(qiáng)處理等措施，對有缺陷的圖像進(jìn)行預(yù)處理，從而獲取缺陷子圖集(包括裂紋、錯口、腐蝕3類)。
接著，采用灰度共生矩陣（Gray Level Co-occurrence Matrix，GLCM）法、改進(jìn)的灰度共生矩陣復(fù)合特征向量提?。˙lock Gray Level Co-occurrence Matrix，B_GLCM）法、灰度-梯度共生矩陣（Gray Gradient Co-occurrence Matrix，GGCM）法、Gabor法以及局部二值模式（Local Binary Patterns，LBP）法5種不同圖像紋理特征提取方法，對缺陷子圖集進(jìn)行圖像特征提取。
最后，通過構(gòu)建基于向量機(jī)學(xué)習(xí)的二分類支持向量機(jī)（BSVM）分類器對提取到的缺陷數(shù)據(jù)進(jìn)行訓(xùn)練和分類，最終得到排水管道的缺陷檢測結(jié)果。
449717568
18