[发明专利]一种热红外模式下VGG神经网络的排水管道病害检测方法

说明书

本发明公开了一种热红外模式下VGG神经网络的排水管道病害检测方法，S1、利用红外热成像仪采集热红外图像数据，传输至计算机构建热红外图像病害数据集，并按比例分为训练集，验证集和测试集；S2、构建改进的VGG神经网络模型；S3、初始化模型，将训练集数据输入到模型中，设置超参数，进行模型训练；S4、模型调参，得到最优模型；S5、将测试集数据输入到最优模型进行测试，根据评估各项数值评价指标，判断是否在预期范围内；S6、管道检测，评价改进VGG模型的性能。本发明将VGG神经网络算法与红外热成像检测相结合，可以提高检测性能，并且可以对管道缺陷进行快速、实时、准确地检测，检测效率快，准确率高，鲁棒性好。

技术领域

本发明涉及领域，具体涉及一种热红外模式下VGG神经网络的排水管道病害检测方法。

背景技术

随着经济的快速发展，中国管网建设规模不断扩大。但是随着管网长期服役及地下水的影响，管道会出现各种各样的病害，管道病害引发的灾害有着了极为不利的影响。对于管道病害检测，传统的视频检测方法容易受到光线的影响，且在寒冷环境下容易引起视频镜头雾化问题。而红外热成像技术不受电磁以及光线干扰，探测能力强，使识别更加精确。

传统的VGG一般模型对管道病害检测的准确率较低，会丢失原始图像的一部分特征，很难保留图像细微特征。不能达到充分利用深层特征和浅层特征的目的，对小目标的识别精度不高。

发明内容

为解决现有技术中存在的问题，本发明提供了一种热红外模式下VGG神经网络的排水管道病害检测方法，对VGG算法进行改进,优化后的网络结构可以有效防止有效信息丢失，提高对小目标的识别精度。对于VGG模型，通过调整卷积层以及输出的特征尺度，得到了最优模型，检测效率快，准确率高，鲁棒性好，解决了上述背景技术中提到的问题。

为实现上述目的，本发明提供如下技术方案：一种热红外模式下VGG神经网络的排水管道病害检测方法，包括如下步骤：

S1、利用红外热成像仪采集热红外图像数据，构建热红外图像病害数据集，并按比例分为训练集，验证集和测试集；

S2、构建改进的VGG神经网络模型；

S3、初始化模型，将训练集数据输入到模型中，设置超参数，进行模型训练；

S4、模型调参，得到最优模型；

S5、将测试集数据输入到最优模型进行测试，根据评估各项数值评价指标，判断是否在预期范围内；

S6、管道检测，评价改进VGG模型的性能。

优选的，所述步骤S1中，构建热红外图像病害数据集具体是：使用红外热成像仪对病害进行检测,获取病害数据信息，并将其传输到计算机中，利用PyCharm软件编程将收集到的红外数据图像按比例生成训练集，验证集和测试集。

优选的，所述步骤S1中，所述按比例分为训练集，验证集和测试集具体是按7：2：1的比例分为训练集，验证集和测试集。

优选的，所述步骤S2中的VGG神经网络模型包括卷积层，池化层，全连接层和分类器；所述卷积层包括有15层卷积层；

所述卷积层是由卷积核构成，卷积核的大小和深度由人工指定，卷积中的权重值由系统随机生成，利用这些权重值经过运算提取图片中的特征信息，达到降维的效果；

所述池化层能有效地缩小矩阵的尺寸，减少最后全连接层中的参数，起到防止过拟合地发生；

所述全连接层通过定义地概率来随机删除部分神经元，保持输入层和输出层的神经元的个数不变，然后按照神经网络的学习方法进行参数更新；

所述的分类器，当VGG提取的图片特征值输入到分类器时，对病害的类别进行判断；