基于ResNet网络模型的排水管道缺陷检测智能识别

作者：李广超; 李泽伟; 阮殿勇; 张昊; 朱培民; 何效周

来源：工程地球物理学报, 2023, 20(06): 695-701.

• 深度学习
• 卷积神经网络
• 排水管道检测
• 管道缺陷

城市排水管道通常在管道内部采用闭路电视来检测管道缺陷，缺陷的识别需要人工或者基于机器视觉和深度学习的方法来完成。但人工识别工作量巨大，而传统的基于机器视觉和深度学习方法还存在复杂缺陷识别准确率低等不少问题，无法满足排水管道异常的类别检测和精确位置确定的要求。为此，本文利用ResNet模型的残差块跳跃连接设计，可以有效地解决深层神经网络训练中的梯度消失，并具有良好的深度扩展性等优点，发展了基于深度学习的排水管道缺陷内窥检测智能识别算法PipeResNet。该算法可以随着样本增多而提高识别准确度，有较高的识别率等优点。在与ResNet18、DCNN(Deep Convolution Neural Network)、VGG16和Inceptionv3网络模型的检测性能对比中发现，PipeResNet网络模型检测的平均准确率为90.8%,优于其它神经网络模型，有较广阔的应用前景。