典型文献
基于Deeplabv3+的排水管道缺陷检测与语义分割
文献摘要：
传统计算机视觉技术应用于排水管道缺陷检测和评估,存在识别类型单一、时效性差、判断准确率低等问题,无法满足现代排水管道多缺陷共存、实时性强和精准检测的需求.近年来兴起的深度学习神经网络技术,具有强大的数据特征学习和处理能力.为此,提出了基于Deeplabv3+卷积神经网络的管道缺陷检测及语义分割方法,实现对排水管道缺陷的多类型检测、空间 定位和几何属性分割.分别 比较了 ResNet-18、ResNet-50、Mobilenet_v2、Xception和InceptionResnet_v2这5类骨架特征提取网络对缺陷检测和语义分割的影响作用.结果表明,ResNet-50的识别分割性能优于其他网络,准确率达到89.8％,平均交并比和加权交并比分别为53.2％和83.9％,分割速率为12.50帧/s.这为排水管道缺陷的智能检测与分割提供了新的技术支撑和手段.
文献关键词：
管道缺陷;卷积神经网络;检测和定位;语义分割
中图分类号：
作者姓名：
周倩倩;刘汉林;陈维锋;司徒祖祥;腾帅;陈贡发
作者机构：
广东工业大学土木与交通工程学院,广东 广州510006
文献出处：
引用格式：
[1]周倩倩;刘汉林;陈维锋;司徒祖祥;腾帅;陈贡发-.基于Deeplabv3+的排水管道缺陷检测与语义分割)[J].中国给水排水,2022(13):22-27
A类：
InceptionResnet
B类：
Deeplabv3+,排水管道缺陷,管道缺陷检测,语义分割,计算机视觉技术,多缺陷,精准检测,深度学习神经网络,神经网络技术,数据特征,特征学习,处理能力,分割方法,多类型,类型检测,ResNet,Mobilenet,v2,Xception,骨架特征,特征提取网络,平均交并比,智能检测,检测和定位
AB值：
0.262893
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
