[发明专利]埋地管道智能维修决策方法及装置

权利要求书

1.一种埋地管道智能维修决策方法，其特征在于，包括：

获取待进行维修决策的管道的目标磁应力图片；其中，所述目标磁应力图片为所述待进行维修决策的管道的磁应力检测信号图；

将所述目标磁应力图片输入至预先训练好的维修决策模型中，得到所述目标磁应力图片的维修决策结果；其中，所述维修决策结果包括缺陷像素位置和维修等级；

其中，所述预先训练好的维修决策模型为将预先已确定缺陷像素位置及维修等级的样本磁应力图片作为模型的输入，将所述样本磁应力图片中的缺陷像素位置和维修等级作为模型的输出，对神经网络模型进行训练和测试后得到的。

2.根据权利要求1所述的埋地管道智能维修决策方法，其特征在于，还包括：所述维修决策模型的训练过程；

其中，所述维修决策模型的训练过程包括：

收集预设数量的样本磁应力图片；其中，所述预设数量的样本磁应力图片中需要覆盖各种缺陷像素位置和各种维修等级；

根据检测信号解析专家凭经验或开挖确定所述预设数量的样本磁应力图片的缺陷像素位置及维修等级；

将预先已确定缺陷像素位置及维修等级的样本磁应力图片作为模型的输入，将所述样本磁应力图片中的缺陷像素位置和维修等级作为模型的输出，基于智能学习算法对神经网络模型进行训练和测试，得到维修决策模型。

3.根据权利要求2所述的埋地管道智能维修决策方法，其特征在于，在收集预设数量的样本磁应力图片之后，所述方法还包括以下步骤：

对所述样本磁应力图片进行统一尺度调整，具体包括：

首先统计每个被检管段图片的检测里程X_max、平均检测里程像素长度L_src以及平均原始像素长度平均宽度四舍五入到整数；

为保证所有图片检测里程比例统一化，首先将所有图片的像素长度L_src进行调整，使得调整后的样本图片长度统计图片长度L₀的像素平均值四舍五入到整数，然后对图片进行下一步放缩调整：

情况1：对于检测里程的样本磁应力图片，将图片的原始像素长度L₀放缩到长度为原始宽度W₀按比例缩放为按坐标插值的方式得到缩放后图片像素点的坐标：

其中，为变换后像素点的坐标，L₀,W₀为样本图像的长宽；

变换后的像素点的坐标(x，y)属于像素点坐标集P：

其中，P_ij＝(x_i,y_j)；i＝1,2,…,m,j＝1,2,…,n；

当像素点坐标(x,y)是整数时，处理后该点的像素值f(x,y)与原图中对应点的像素值相同；当像素点坐标(x,y)不是整数时，用原图中包围该点的四个点的像素做双线性插值后取整，得到处理后该点的像素值f(x,y)；

情况2：对于检测里程的样本磁应力图片，对图片进行复制拼接，直到拼接后图片检测里程之和在区间内，再执行情况1；

情况3：对于检测里程的样本磁应力图片，先通过人工对信号图进行拆分，拆分原则为：保证拆分后的图片检测里程在之间，且不会将异常信号区域拆分到两个图片，对拆分后的图片，再执行情况1。

4.根据权利要求2所述的埋地管道智能维修决策方法，其特征在于，将样本磁应力图片作为模型的输入，将所述样本磁应力图片中的缺陷像素位置和维修等级作为模型的输出，基于智能学习算法对神经网络模型进行训练和测试，得到维修决策模型，包括：

根据针对历史获取到磁应力图片的统计结果，确定包含有缺陷的磁应力图片和不包含有缺陷的磁应力图片的图片数量比例；

根据所述图片数量比例，将已确定缺陷像素位置及维修等级的样本随机分成训练集和测试集以训练和测试维修决策模型。