买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及市政管道检测技术领域，特别是一种市政管道典型缺陷实时自主识别方法。包括以下步骤：S1、通过搭载在爬行机器人上的机械扫描声呐，采集并获取市政管道环境的原始声呐数据；S2、对步骤S1得到的原始声呐数据进行实时解析，得到包含波束角度和采样点声强值的数据矩阵；S3、将步骤S2得到的声呐数据矩阵实时生成机械扫描声呐图像；S4、对机械扫描声呐图像进行去噪处理；S5、将经过去噪处理的图像输出至目标监测模型进行缺陷识别。其不仅能够实现简洁有效地去噪及管道轮廓检测，而且实现了对市政管道多种缺陷的准确识别。

主权项：1.一种市政管道典型缺陷实时自主识别方法，其特征在于，包括以下步骤：S1、通过搭载在爬行机器人上的机械扫描声呐，采集并获取市政管道环境的原始声呐数据；S2、对步骤S1得到的原始声呐数据进行实时解析，得到包含波束角度和采样点声强值的数据矩阵；S3、将步骤S2得到的声呐数据矩阵实时生成机械扫描声呐图像；S4、对机械扫描声呐图像进行去噪处理；S5、将经过去噪处理的图像输出至目标监测模型进行缺陷识别；步骤S2包括以下具体步骤：S2.1、对步骤S1得到的原始声呐数据包进行检验及剔除操作；S2.2、对经过检验剔除处理的数据包进行解析处理；上述步骤S2.2中，对数据包逐ping进行处理：读取ping头中波束角度和数据长度信息，波束角度信息存储在第5、第6字节，分别是波束角度的低7位和高7位，波束角度的计算公式为：angle＝AngleHi0x7f7|AngleLo0x7f；其中，AngleHi代表波束角度高字节；AngleLo代表波束角度低字节；数据长度信息存储在第3、第4字节，分别是数据长度的低7位和高7位，数据长度的计算公式为：data_length＝DataHi0x7f7|DataLo0x7f；其中，DataHi代表数据长度高字节；DataLo代表数据长度低字节；每个采样点数据占4位，一个字节包含两个采样点数据，两个采样点数据的计算公式分别是：first_point＝echo_data0xf0,second_point＝echo_data0xf04；其中，echo_data代表包含两个采样点数据的一个字节；每1ping数据创建一个列表，列表的第一个元素为通过上述方法读取的波束角度angle，后面的元素依次为距离声呐换能器由近到远、按上述方法读取的采样点数据，把数据包中的每一ping数据按行拼接成一个二维numpy数组；上述步骤S3中，数据矩阵每一行的第一个数据为波束角度angle，取值为1到799中的奇数，总共400个值，其实际的角度值为：actual_angle＝angle799*360,数据矩阵每一行从第二个数据开始是该ping的回波采样点数据，某一采样点对应的像素点在图像上的横、纵坐标计算公式为:x＝┌indexs*cosactual_angle┐，y＝┌indexs*sinactual_angle┐，其中，index代表数据矩阵的每一行中第s个数据的列坐标，s＝1,2,3，……，t；t代表数据矩阵的每一行包含t个数据；相邻两ping之间进行插值，且插入ping数的数量为7；一张方形画布上按波束角度从小到大的顺序填充每ping的数据，每生成一张完整图片需要400ping数据；当机械扫描声呐在一个UDP协议接收时间内接收到的ping数不足400时，把所有数据保留下来，并拼接到下一个数据包最前端；当接收到的ping数是400的整数倍时，ping数与400的商为能够连续成像的图像张数；当接收到的ping数大于400但不是400的整数倍时，ping数对400取余，把数据包最后余数个ping保留下来，拼接到下一个数据包最前端，ping数与400的商为能够连续成像的图像张数；当上一个数据包有多余的数据需要拼接到当前数据包前面时，比较待拼接数据包ping的长度和当前数据包ping的长度：当待拼接数据包ping的长度比当前数据包ping的长度大时，在当前数据包所有ping右端补零使之与待拼接数据包ping长度相等再按行拼接；当待拼接数据包ping的长度比当前数据包ping的长度小时，把当前数据包所有ping右端较待拼接数据包长的部分截去再按行拼接；当待拼接数据包ping的长度与当前数据包ping的长度相等时，直接按行拼接；最后把上述所有的声呐数据矩阵输入通过Pyqt5实现的显控界面中，实时声呐图像的显示成像；步骤S4的具体实现步骤如下所述：S4.1、声呐图像中心的圆形高亮部分为无效特征，将与声呐图像中心之间的间距在指定阈值内的像素点的值都置为零；S4.2、利用霍夫变换确定管道的圆形轮廓，将位于圆形轮廓外侧、且与圆形轮廓之间的间距大于83个像素点区域的像素值置为零；霍夫变换圆形检测法采用opencv库函数|cv2.HoughCirclesimage，cv2.HOUGH_GRADIENT，dp，minDist，paraml，param2，minRadius，maxRadius，其中，minRadius代表所检测到的圆形轮廓的最小半径，其参数值为203；maxRadius代表所检测到的圆形轮廓的最大半径，其参数值为240；paraml代表用于边缘检测的Canny算子的高阈值，其参数值为100；param2代表累加器阈值，其参数值为30；minDist代表圆心间最小距离，其参数值为200；S4.3、应用基于图像形态学的区域连通性检测确定声呐图像中各个相互连接的区域，不考虑管道本身连通区域，将步骤S4.2确定的管道圆形轮廓外侧、且距离圆形轮廓大于7个像素点的连通区域的像素值置为零；S4.4、依次使用双边滤波器和中值滤波器滤除噪声点；步骤S5中所采用的目标检测模型为yolov5s目标检测模型，该模型的具体构建步骤如下所述：S5.1、使用机械扫描声呐在实验管道内采集数种市政管道缺陷的声呐图像，市政管道缺陷包括沉积、凹陷、洞口、异物插入；S5.2、对步骤S5.1采集到的声呐图像进行数据增广，包括上下翻转、左右翻转、平移、随机角度旋转、HSV图像增强；S5.3、使用labelimg对经步骤S5.2增广后的数据集进行标注，标注文件为xml格式，标注的内容包括锚框的位置、大小和类别信息；S5.4、对步骤S5.3标注后的数据集按照9：1的比例随即划分为训练集和验证集；S5.5、使用步骤S5.4生成的训练集和验证集训练yolov5s目标检测模型，构建目标检测模型；yolov5s目标检测模型包括四个模块，分别为输入端、backbone、Neck网络和Head；通过该模型输出市政管道缺陷的类别、锚框的位置和大小、以及类别的置信度。

权利要求：

百度查询： 青岛澎湃海洋探索技术有限公司 市政管道典型缺陷实时自主识别方法