一种输水隧洞缺陷自动识别模型的构建方法、检测方法、构建装置、计算机及存储介质与流程

技术特征：
1.一种输水隧洞缺陷自动识别模型的构建方法，其特征在于，所述构建方法包括：根据环扫声呐采集输水隧洞壁面图像；根据采集的输水隧洞壁面声呐图像进行去噪处理；基于简化主干网络与预测分支的yolov3深度学习模型构建输水隧洞声呐图像缺陷目标的深度学习模型；基于标准coco数据集，根据迁移学习的方法训练输水隧洞声呐图像缺陷目标的深度学习模型，获取输水隧洞声呐图像缺陷目标自动识别模型。2.根据权利要求1所述的一种输水隧洞缺陷自动识别模型的构建方法，其特征在于，所述基于简化主干网络与预测分支的yolov3深度学习模型构建输水隧洞声呐图像缺陷目标的深度学习模型，具体为：简化yolov3深度学习模型的主干网络，所述简化后的主干网络由5个res1结构块组成；删除yolov3深度学习模型中检测输水隧洞壁面声呐图像中大目标的支干，所述删除后的yolov3模型只保留32
×
32与16
×
16对应的分支。3.根据权利要求1所述的一种输水隧洞缺陷自动识别模型的构建方法，其特征在于，所述构建方法还包括对去噪处理的输水隧洞壁面图像信息进行数据集的扩充，所述扩充的数据集包括训练集和测试集。4.根据权利要求3所述的一种输水隧洞缺陷自动识别模型的构建方法，其特征在于，所述构建方法还包括对扩充的数据集进行人工标注输水隧洞壁面图像缺陷信息，具体为：图像中不含有缺陷的声呐图像为负样本，图像中含有缺陷的声呐图像为正样本；标记缺陷的种类与位置信息，所述位置信息是人工标定的最小外接矩形的顶点坐标，归一化处理训练前的位置信息：归一化处理训练前的位置信息：归一化处理训练前的位置信息：归一化处理训练前的位置信息：其中，x
min
和y
min
为归一化前人工标注框的左上角坐标值，x
max
和y
max
为归一化前人工标注框的右下角坐标值，s
x
为输水隧洞壁面图像的长，s
y
为输水隧洞壁面图像的宽，x，y为归一化后边界框中心坐标，w为归一化的边界框长，h为归一化的边界框宽。5.一种输水隧洞缺陷自动识别模型的检测方法，其特征在于，所述检测方法包括：根据环扫声呐采集输水隧洞壁面图像；根据采集的输水隧洞壁面图像输入至输水隧洞声呐图像缺陷目标自动识别模型，获取检测结果，所述检测结果包括缺陷位置和种类信息；所述输水隧洞声呐图像缺陷目标自动识别模型是基于权利要求1所述的构建方法构建的模型。
6.根据权利要求5所述的一种输水隧缺陷自动识别模型的构建方法，其特征在于，所述获取检测结果具体为：b
x
＝σ(t
x
) c
x
，b
y
＝σ(t
y
) c
y
，，c＝logistic(t0)，其中，c
x
、c
y
为网格单元左上角坐标，p
w
、p
h
为先验框在特征图上的宽、高，t
x
、t
y
为先验框横纵坐标的调整参数，t
w
为先验框宽度调整参数，t
h
为先验框高度调整参数，t0为置信度调整参数；(b
x
，b
y
)表示预测结果框的中心坐标偏移值；(b
w
，b
h
)表示归一化后预测结果框的宽度和高度；c表示置信度。7.一种输水隧洞缺陷自动识别模型的构建装置，其特征在于，所述构建装置包括：图像采集单元，用于根据环扫声呐采集输水隧洞壁面图像；图像去噪单元，用于根据采集的输水隧洞壁面图像进行去噪处理；主干网络简化与预测分支单元，用于基于简化主干网络与预测分支的yolov3深度学习模型构建输水隧洞声呐图像缺陷目标的深度学习模型；模型获取单元，用于基于标准coco数据集，根据迁移学习的方法训练输水隧洞声呐图像缺陷目标的深度学习模型，获取输水隧洞声呐图像缺陷目标自动识别模型。8.根据权利要求7所述的一种输水隧洞缺陷自动识别模型的构建装置，其特征在于，所述基于简化主干网络与预测分支的yolov3深度学习模型构建输水隧洞声呐图像缺陷目标的深度学习模型，具体为：简化yolov3深度学习模型的主干网络，所述简化后的主干网络由5个res1结构块组成；删除yolov3深度学习模型中检测输水隧洞壁面图像中目标与大目标的支干，所述删除后的yolov3模型只保留32
×
32与16
×
16对应的分支。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行权利要求1-4任一项所述的一种输水隧洞缺陷自动识别模型的构建方法。10.一种计算机设备，其特征在于：包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1-4中任一项中所述的一种输水隧洞缺陷自动识别模型的构建方法。

技术总结
一种输水隧洞缺陷自动识别模型的构建方法、检测方法、构建装置、计算机及存储介质，解决了现有技术声呐图像检测输水隧洞缺陷效果差的问题。涉及水下缺陷检测领域。构建方法包括：根据环扫声呐采集输水隧洞壁面图像；根据采集的输水隧洞壁面声呐图像进行去噪处理；基于简化主干网络与预测分支的YOLOv3模型构建输水隧洞声呐图像缺陷目标的模型；基于标准COCO数据集，根据迁移学习的方法训练输水隧洞声呐图像缺陷目标的模型，获取输水隧洞声呐图像缺陷目标自动识别模型。检测方法包括：根据环扫声呐采集输水隧洞壁面图像；根据采集的输水隧洞壁面声呐图像输入至输水隧洞声呐图像缺陷目标自动识别模型，获取检测结果。适用于输水隧洞水下检测领域。输水隧洞水下检测领域。输水隧洞水下检测领域。


技术研发人员：张家利 董鹏 王振林 李晓峰 孙玉山 张国成 曹建 卞红雨
受保护的技术使用者：陕西省引汉济渭工程建设有限公司
技术研发日：2022.04.19
技术公布日：2022/7/15