管道缺陷检测方法、系统、设备及存储介质.pdf

(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CN114120209A(43)申请公布日2022.03.01(21)申请号202210097457.3G06V10/764(2022.01)(22)申请日2022.01.27G06V10/774(2022.01)G06V10/80(2022.01)(71)申请人深圳市博铭维技术股份有限公司G06V10/82(2022.01)地址518000广东省深圳市龙华区龙华街G06K9/62(2022.01)道清湖社区清湖村宝能科技园9栋10G06N3/04(2006.01)层A座CDEFGH单位G06N3/08(2006.01)(72)发明人乔宇刘熠王亚立代毅梁桂新(74)专利代理机构深圳市恒程创新知识产权代理有限公司44542代理人王韬(51)Int.Cl.G06V20/40(2022.01)G06V10/26(2022.01)G06V10/40(2022.01)权利要求书2页说明书10页附图4页(54)发明名称管道缺陷检测方法、系统、设备及存储介质(57)摘要本申请公开了一种管道缺陷检测方法、系统、设备及存储介质，所述管道缺陷检测方法包括：获取待处理视频，所述待处理视频为包含管道图像的视频；根据所述待处理视频获取X个待处理视频片段，其中，X为大于1的整数；将所述X个待处理视频片段输入已训练的缺陷检测模型，获得所述X个待处理视频片段的检测结果，其中，所述缺陷检测模型为基于不同监督层次的数据训练集进行迭代训练获得；将所述X个待处理视频片段的检测结果进行时序后处理，得到所述待处理视频的目标检测结果。本申请解决了缺陷检测的准确率低的技术问题。CN114120209ACN114120209A权利要求书1/2页1.一种管道缺陷检测方法，其特征在于，包括：获取待处理视频，所述待处理视频为包含管道图像的视频；根据所述待处理视频获取X个待处理视频片段，其中，X为大于1的整数；将所述X个待处理视频片段输入已训练的缺陷检测模型，获得所述X个待处理视频片段的检测结果，其中，所述缺陷检测模型为基于不同监督层次的数据训练集进行迭代训练获得；将所述X个待处理视频片段的检测结果进行时序后处理，得到所述待处理视频的目标检测结果。2.如权利要求1所述的方法，其特征在于，根据所述待处理视频获取X个待处理视频片段，其中，X为大于1的整数，包括：将所述待处理视频按时序分割成X个待处理视频片段，其中，每个待处理视频片段包含相邻的N帧图片，N为大于1的整数。3.如权利要求1所述的方法，其特征在于，所述缺陷检测模型包括：骨架网络和多任务学习模块，将所述X个待处理视频片段输入已训练的缺陷检测模型，获得所述X个待处理视频片段的片段检测结果，包括：将各所述待处理视频片段分别输入所述骨架网络，获得特征提取结果，其中，所述特征提取结果包括全局特征和局部特征；将所述特征提取结果输入所述多任务学习模块，以进行多任务联合学习，获得所述待处理视频片段的检测结果。4.如权利要求3所述的方法，其特征在于，所述多任务联合学习包括：将所述局部特征进行特征拼接，并将特征拼接结果输入多标签缺陷分类器，获得多标签缺陷分类结果。5.如权利要求3所述的方法，其特征在于，所述多任务联合学习还包括以下任务至少一种：将所述全局特征进行特征拼接，并进行时序信息融合，以将第一特征结果输入环境分类器，获得环境分类结果；将所述全局特征和所述局部特征进行特征融合，并将第二特征融合结果输入异常分类器，获得异常分类结果。6.如权利要求1所述的方法，其特征在于，所述待处理视频片段的检测结果还包括：各缺陷类别标签和各缺陷类别标签的置信度。7.如权利要求6所述的方法，其特征在于，将所述X个待处理视频片段的检测结果进行时序后处理，得到所述待处理视频的目标检测结果，包括：对所述X个待处理视频片段的检测结果进行筛选，获得符合第一筛选条件的待处理视频片段的检测结果；基于所述检测结果对应缺陷类别标签的置信度，选取置信度超过第一阈值对应的Y个目标缺陷类别标签，其中，Y为大于1的整数；将所述Y个目标缺陷类别标签的置信度进行累加处理，获得所述检测结果的累加置信度；2CN114120209A权利要求书2/2页将各所述检测结果按照所述累加置信度进行排序，获得检测结果排序序列；基于预设的时序后处理模块，对所述检测结果排序序列中的各检测结果进行冗余筛选，获得所述待处理视频的目标检测结果。8.如权利要求7所述的方法，其特征在于，所述基于预设的时序后处理模块，对所述检测结果排序序列中的各检测结果进行冗余筛选，获得所述待处理视频的目标检测结果，包括：基于所述检测结果排序序列，确定所述累加置信度最大的检测结果；分别将所述累加置信度最大的检测结果和所述检测结果排序序列中其余各检测结果进行比较；若比较