申请/专利权人：东南大学;中铁建苏州设计研究院有限公司

申请日：2024-01-04

公开（公告）日：2024-04-02

公开（公告）号：CN117808790A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/26;G06V10/774;G06V10/82;G06V10/84;G06N3/0464;G06N3/084;G06N3/0985

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了基于PSPNet和贝叶斯优化综合管廊病害识别方法、系统及设备，涉及综合管廊病害识别技术领域。本发明包括：获取综合管廊正常状态及病害的图像，构成综合管廊病害图像初步数据集；对获取的病害图像初步数据集所包含的病害进行分类，然后对包含病害的图像进行病害像素语义分割标注，获得JSON格式的标注文件；将获取的病害图像初步数据集按照7:2:1的比例划分为训练数据集、验证数据集和测试数据集，将训练数据集、验证数据和测试数据集的图像均采用统一数据增强方法进行数据扩充，最终形成病害图像数据集。本发明提高了综合管廊病害的检测精度，有利于精准的量测病害位置和面积，为后续管廊结构的安全评估与维护提供准确的病害数据。

主权项：1.基于PSPNet和贝叶斯优化综合管廊病害识别方法，其特征在于，包括以下步骤：S1：获取综合管廊正常状态及病害的图像，构成综合管廊病害图像初步数据集；S2：对获取的病害图像初步数据集所包含的病害进行分类，然后对包含病害的图像进行病害像素语义分割标注，获得JSON格式的标注文件；S3：将获取的病害图像初步数据集按照7:2:1的比例划分为训练数据集、验证数据集和测试数据集，将训练数据集、验证数据和测试数据集的图像均采用统一数据增强方法进行数据扩充，最终形成病害图像数据集；S4：建立基于PSPNet的综合管廊病害识别模型UUTNet；S5：设置UUTNet模型的超参数组合初值，将S3获得的训练数据集和验证数据集输入建立的UUTNet模型中进行训练，获得使模型训练迭代收敛的超参数，如果不收敛，则修改超参数取值直至收敛；S6：根据模型训练迭代收敛的超参数组合值，设置贝叶斯优化的超参数优化取值范围；采用贝叶斯优化算法对UUTNet模型的超参数取值进行寻优，获得使得模型性能最佳的超参数最优组合值；S7：将S6中获得超参数最优组合值重新设置为UUTNet模型的超参数，重复S5，获得模型权重文件；S8：利用S7获得的模型权重文件，将S3获得的病害图像数据集中的测试数据集输入综合管廊识别模型UUTNet模型中进行分析，得到病害的识别结果M并记录。

全文数据：

权利要求：

百度查询： 东南大学;中铁建苏州设计研究院有限公司 基于PSPNet和贝叶斯优化综合管廊病害识别方法、系统及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD