基于循环卷积神经网络的排水管网缺陷检测方法OACSTPCD

市政排水系统关乎城市道路交通安全,故对其状况进行评估非常重要。在发达国家,闭路电视(CCTV)是下水道评估和维护的主要检测工具,却也为其数据处理带来了新的挑战。本文提出一种基于循环卷积神经网络(RCNN)的排水管网缺陷检测方法。RCNN采用残差网络(ResNet)作为特征提取模块,提取排水管网图像序列的视觉特征,采用双向LSTM学习识别时间特征,以完成排水管网缺陷分类的任务。本文方法将图像序列作为一个整体进行识别。训练集、验证集和测试集共包含8800个图像序列,211200幅图像。经过RCNN模型的训练和测试,测试集的最高准确率为90.3%。将4种不同融合方式引入本文方法并与基于SVM的方法和基于单帧的方法进行了6组对照实验,同时将基于视觉注意力机制的3种融合方法引入本文方并进行了对照实验,实验结果表明,RCNN取平均值的融合实验精度最高(90.3%),召回率达到了0.977,验证了本文方法在工程应用中的可行性。