(19)中华 人民共和国 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 202111458994.8 (22)申请日 2021.12.01 (71)申请人 国网江苏省电力有限公司连云港供 电分公司 地址 222002 江苏省连云港市幸福路1号 (72)发明人 严健　王华　蒋一铭　张真卿　 陈家威　宋厚明　渠立国　孙红军　 周万艮　李奇峰　 (74)专利代理 机构 北京维正专利代理有限公司 11508 代理人 谢明晖 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/194(2017.01)G06T 7/80(2017.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/14(2020.01) (54)发明名称 应用于管道损伤 识别的三维检测系统 (57)摘要 本公开的实施例提供了一种应用 于管道损 伤识别的三维检测系统。 所述系统包括图像采集 模块， 用于采集管道图像； 第一图像处理模块， 用 于将所述管道 图像输入至预先训练的管道裂缝 检测模型， 得到管线裂缝图像； 所述管道裂缝检 测模型为反向级联特征聚合神经网络， 包括主干 网络层、 串联的空洞卷积层和特征聚合层； 第二 图像处理模块， 用于对所述管线裂缝图像进行优 化， 构建包括管道裂缝的三维图像； 可视化模块， 用于显示所述三维图像。 以此方式， 提高了对管 道裂缝的检测效率和准确率。 权利要求书2页 说明书8页 附图3页 CN 113971669 A 2022.01.25 CN 113971669 A 1.一种应用于管道损伤 识别的三维检测系统， 其特 征在于， 包括： 图像采集模块， 用于采集管道图像； 第一图像处理模块， 用于将所述管道图像输入至预先训练的管道裂缝检测模型， 得到 管线裂缝图像； 所述管道裂缝检测模型为反向级联特征聚合神经网络， 包括主干网络层、 串 联的空洞卷积层和特 征聚合层； 第二图像处理模块， 用于对所述管线裂缝图像进行优化， 构建包括管道裂缝的三维图 像； 可视化模块， 用于 显示所述 三维图像。 2.根据权利要求1所述的系统， 其特征在于， 所述管道裂缝检测模型通过如下方式进行 训练： 将标注好的训练样本输入预先建立的反 向级联特征聚合神经网络模型中， 通过所述主 干网络层和所述串联 的空洞卷积层对训练样本进行下采样， 并在每一层输出采样特征， 通 过所述特征聚合层将所述主干网络层的每一层输出的特征与所述串联 的空洞卷积层中的 每一层输出 的反向映射特征按位相乘， 生成增强特征图， 然后将所述增强特征图与反向映 射特征进行拼接， 生成特 征组合图； 根据二分类交叉熵损失函数确定所述特征组合图相对于训练样本的图像损失， 并当图 像损失大于预设阈值时， 对所述管道裂缝检测模型的参数进行调整； 重复上述过程， 直到图像损失小于预设阈值， 完成对所述管道裂缝检测模型的训练。 3.根据权利要求2所述的系统， 其特征在于， 所述对所述管线裂缝图像进行优化， 构建 包括管道裂缝的三维图像包括： 基于张氏标定法， 去除所述管线裂缝图像中的像素畸变， 得到第一图像； 基于所述第一图像的灰度值， 采用预设的滤波方法对所述第一图像进行滤波处理， 得 到第二图像； 对所述第二图像进行腐蚀和/或膨胀， 得到预处 理图像； 将所述预处理图像中的点转化为世界坐标系下的三维坐标， 得到管道裂缝表面的三维 点云； 基于所述 三维点云， 构建管道的三维图像。 4.根据权利要求3所述的系统， 其特征在于， 所述将所述预处理图像中的点转化为世界 坐标系下的三维坐标， 得到管道裂缝表面的三维点云包括： 选取所述预处 理图像中任一 点的灰度值， 通过 预设公式计算图像中裂缝深度值； 基于图像坐标系与真实世界坐标系之间的相互转换关系和所述裂缝深度值， 将所述预 处理图像中的点 转化为世界坐标系下的三维坐标， 得到管道裂缝表面的三维点云。 5.根据权利要求4所述的系统， 其特征在于， 所述基于所述三维点云， 构建管道的三维 图像包括： 基于所述 三维点云， 通过mesh函数构建管道的三维图像。 6.根据权利要求5所述的系统， 其特 征在于， 还 包括修正模块， 具体用于： 对所述预处 理图像进行黑色空洞消除， 得到裂缝掩膜图像； 基于所述裂缝掩膜图像， 对预处理图像进行背景处理， 去 除所述管道三维图像背景不 均造成的三维重建偏差 。权　利　要　求　书 1/2 页 2 CN 113971669 A 27.根据权利要求6所述的系统， 其特征在于， 所述对所述预处理图像进行黑色空洞消 除， 得到裂缝掩膜图像包括： 对所述预处 理图像中的黑色空洞进行填充， 进行分水岭分割， 得到裂缝掩膜图像。 8.一种应用于权利要求1 ‑7任一项所述的系统进行管道损伤识别的方法， 其特征在于， 包括： 采集管道图像； 将所述管道图像输入至预先训练的管道裂缝检测模型， 得到管线裂缝图像； 所述管道 裂缝检测模型为反向级联特征聚合神经网络， 包括主干网络层、 串联 的空洞卷积层和特征 聚合层； 对所述管线裂缝图像进行优化， 构建包括管道裂缝的三维图像， 基于所述三维图像完 成对管道的损伤 识别。 9.一种电子设备， 包括存储器和处理器， 所述存储器上存储有计算机程序， 其特征在 于， 所述处 理器执行所述程序时实现如权利要求8所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述程序被处理 器执行时实现如权利要求8中所述的方法。权　利　要　求　书 2/2 页 3 CN 113971669 A 3