(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210570603.X (22)申请日 2022.05.24 (71)申请人 北京城市排水集团有限责任公司 地址 100044 北京市西城区车公庄大街北 里乙37号 申请人 北京匠鑫光机电科技有限公司 (72)发明人 解海立　王欢欢　宋席发　苏杰　 高岩　刘景旭　 (74)专利代理 机构 北京思创大成知识产权代理 有限公司 1 1614 专利代理师 张立君 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/20(2006.01) G06T 5/00(2006.01)G06T 7/10(2017.01) G06T 7/73(2017.01) G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 20/40(2022.01) G06K 9/62(2022.01) (54)发明名称 管道侵入病害的自动识别方法、 系统、 电子 设备及介质 (57)摘要 本申请公开了一种管道侵入病害的自动识 别方法、 系统、 电子设备及介质。 该方法可以包 括： 收集已知侵入病害的管道样本图像， 确定特 征点， 利用标签生成器进行图像标记； 根据标记 的样本图像进行训练学习， 建立 关于侵入病害的 预测模型； 设置IoU阈值， 根据预测模型针对侵入 病害进行实时识别， 获得侵入病害的识别图像。 本发明能够高效快速智能筛选出存在管道侵入 的图像， 定位侵入位置， 并实现侵入的分割， 具有 效率高、 成本低、 客观性、 重复性、 一致性好等优 点。 权利要求书1页 说明书7页 附图10页 CN 114998232 A 2022.09.02 CN 114998232 A 1.一种管道侵入病害的自动识别方法， 其特 征在于， 包括： 收集已知侵入病害的管道样本图像， 确定特 征点， 利用标签生成器进行图像标记； 根据标记的样本图像进行训练学习， 建立关于 侵入病害的预测模型； 设置IoU阈值， 根据 所述预测模型针对所述管道样本图像进行实时识别， 获得所述侵入 病害的识别图像。 2.根据权利要求1所述的管道侵入病 害的自动识别方法， 其中， 收集管道的样本图像包 括： 通过爬行器采集视频 数据； 针对所述视频数据进行视频解码与抽帧， 将所述视频数据转化为图片格式的数据， 即 为所述样本图像。 3.根据权利要求1所述的管道侵入病害的自动识别方法， 其中， 确定特 征点包括： 根据所述侵入病害的特 征确定特 征点。 4.根据权利要求1所述的管道侵入病 害的自动识别方法， 其中， 利用标签生成器进行图 像标记包括： 通过K‑means方法对出现频率高的双直线 波形进行筛 选， 获得标记图像。 5.根据权利要求1所述的管道侵入病害的自动识别方法， 其中， 还 包括： 识别所述侵入病害的识别图像的轮廓， 在所述样本 图像上标记， 实现所述侵入病害的 定位。 6.根据权利要求1所述的管道侵入病 害的自动识别方法， 其中， 识别所述侵入病 害的识 别图像的轮廓包括： 读入所述侵入病害的样本图像， 转 为灰度图； 将所述灰度图进行自动阈值 二值化后进行 取反， 获得反二 值化图； 对所述反二 值化图进行开、 闭运 算， 获得去噪图像； 对所述去噪图像进行中值滤波及高斯滤波， 获得 滤波图像； 对所述滤波图像进行边缘检测， 获得所述侵入病害的识别图像， 获得所述侵入病害的 识别图像的轮廓。 7.一种管道侵入病害的自动识别系统， 其特 征在于， 包括： 标记模块， 收集已知侵入病 害的管道样本图像， 确定特征点， 利用标签生成器进行图像 标记； 训练模块， 根据标记的样本图像进行训练学习， 建立关于 侵入病害的预测模型； 识别模块， 设置IoU阈值， 根据所述预测模型针对所述侵入病害进行实时识别， 获得所 述侵入病害的识别图像。 8.一种电子设备， 其特 征在于， 所述电子设备包括： 存储器， 存储有可执行指令； 处理器， 所述处理器运行所述存储器 中的所述可执行指令， 以实现权利要求1 ‑6中任一 项所述的管道侵入病害的自动识别方法。 9.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质存储有计算机程序， 该计算机程序被处理器执行时实现权利要求 1‑6中任一项 所述的管道侵入病害的自动识别 方法。权　利　要　求　书 1/1 页 2 CN 114998232 A 2管道侵入病害的 自动识别方 法、 系统、 电子 设备及介质 技术领域 [0001]本发明涉及管道侵入识别领域， 更具体地， 涉及一种管道侵入病害的自动识别方 法、 系统、 电子设备及 介质。 背景技术 [0002]管道侵入病害表 现为管道中细管等物体非正常进入 或穿过排水管道。 管段中存在 侵入容易阻挡 管段中异物如垃圾袋等物体， 造成大面积排水不通畅。 检测侵入可以让管理 部门迅速介入并消除隐患。 [0003]当前管道缺陷检测主要通过采集设备采集管道数据， 依靠经验分析及人工判断。 检测管道缺陷方法主 要有： 压力分布法、 声 波法及机器视 觉图像方法。 [0004]压力分布法需要管道充满液体， 各处放置传感器， 通过测量各处压力变化判断是 否存在缺陷。 这种方式适用于石油管道这类长期充满液体的管道， 对排水 管道较为 不便。 [0005]声波检测 法就是利用声呐进行检测。 声呐是由发射机向水中发射信号， 声信号在 水中传播时遇到目标而反射， 反射的信号由声接收机接收， 根据声波在水中的传播速度、 发 射声信号和接 收声信号的时间间隔、 声信号返回的方向可以确定水下目标的距离和方位。 声呐方法能得到管道的大致轮廓点云， 但是没有图像简单及直观。 [0006]近几年机器视觉技术的发展， 检测人员通过远程操控管道机器人对排水管道内 的 环境进行摄像并传送到管道外部， 然后人工 分析图像、 视频资料实现管道病害评估。 这种检 测方式需要大量的人工来分析图像视频资料， 而且对处理人员的专业要求极高， 造成评级 效率低下、 劳动强度极大、 成本高昂， 不能满足管网日益增长的检测需求。 [0007]因此， 有必要开发一种管道侵入病害的自动识别方法、 系统、 电子设备及 介质。 [0008]公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理 解， 而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有 技术。 发明内容 [0009]本发明提出了一种管道侵入病害的自动识别方法、 系统、 电子设备及介质， 其能够 高效快速智能筛选出存在管道侵入的图像， 定位侵入位置， 并实现侵入的分割， 具有效率 高、 成本低、 客观性、 重复性、 一 致性好等优点。 [0010]第一方面， 本公开实施例提供了一种管道侵入病害的自动识别方法， 包括： [0011]收集已知侵入病害的管道样本图像， 确定特 征点， 利用标签生成器进行图像标记； [0012]根据标记的样本图像进行训练学习， 建立关于 侵入病害的预测模型； [0013]设置IoU阈值， 根据所述预测模型针对所述管道样本图像进行实时识别， 获得所述 侵入病害的识别图像。 [0014]优选地， 收集管道的样本图像包括： [0015]通过爬行器采集视频 数据；说　明　书 1/7 页 3 CN 114998232 A 3