申请/专利权人:澳门科技大学;中山大学;广东爱科环境科技有限公司
申请日:2024-01-19
公开(公告)日:2024-04-16
公开(公告)号:CN117893818A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/766;G06V10/774;G06V10/80;G06V10/82;G06V10/26;G06V10/52;G06V10/77;G06T7/00
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种基于混淆矩阵的下水管道缺陷检测方法及系统,该方法包括搭建人工神经网络三阶段模型;收集训练数据集和验证数据集训练人工神经网络三阶段模型;基于训练结果和真实标签构建多分类百分比混淆矩阵,确定易混淆类别;使用第三阶模型对易混类类别进行细分类,并基于细分类结果修正易混淆类别的分类预测,得到最终检测结果。该系统包括数据获取模块、模型构建模块、模型训练模块、预测模块、易混淆粗分类模块、细分类模块、修正模块和后处理模块。通过使用本发明,能够解决下水道缺陷类别间的相似特征导致的假阳性样本增加的问题,提高下水管道缺陷的检测精度。本发明可广泛应用于下水道缺陷检测技术领域。
主权项:1.一种基于混淆矩阵的下水管道缺陷检测方法,其特征在于,包括以下步骤:收集多类别下水道缺陷图像并对其类别和位置进行标注,得到训练数据集和验证数据集;基于第一阶模型、第二阶模型和第三阶模型搭建人工神经网络三阶段模型;基于训练数据集和验证数据集对人工神经网络三阶段模型进行训练验证,得到均值平均精度最高的人工神经网络三阶段模型;获取预测数据集并将预测数据集输入均值平均精度最高的第一阶模型和第二阶模型,得到预测数据集的预测结果;根据多分类百分比混淆矩阵和预测数据集的预测结果确定易混淆类别组;将预测数据集中易混淆类别组的预测框进行裁剪并输入到均值平均精度最高的第三阶模型中进行细分类,得到易混淆类别组细分类结果;基于易混淆类别组细分类结果对预测数据集中易混淆类别组的预测结果进行修正,得到检测结果。
全文数据:
权利要求:
百度查询: 澳门科技大学;中山大学;广东爱科环境科技有限公司 一种基于混淆矩阵的下水管道缺陷检测方法及系统
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。