(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 202211153763.0 (22)申请日 2022.09.21 (71)申请人 武汉中仪物联技 术股份有限公司 地址 430205 湖北省武汉市东湖新 技术开 发区光谷二路2 21号 (72)发明人 王翔　冯成会　蔡鹏　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 李文清 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 管道缺陷识别方法、 装置、 电子设备及存储 介质 (57)摘要 本发明涉及管道检测技术领域， 提供一种管 道缺陷识别方法、 装置、 电子设备及存储介质， 首 先获取待检测管道的视频图像； 然后将视频图像 输入至缺陷识别模型的特征提取层， 得到特征提 取层输出的视频图像中的缺陷特征； 最后将缺陷 特征输入至缺陷识别模型的分类层， 得到分类层 输出的待检测管道中的目标缺陷类型。 该方法通 过缺陷识别模型可以自动实现管道内缺陷位置 以及缺陷类型的识别， 不需要人工操作， 不仅可 以避免因人工操作而导致的人力浪费的情况出 现， 降低检测成本， 还可 以提高缺陷检测结果的 准确性及可靠性。 权利要求书2页 说明书11页 附图2页 CN 115511821 A 2022.12.23 CN 115511821 A 1.一种管道缺陷识别方法， 其特 征在于， 包括： 获取待检测管道的视频图像； 将所述视频图像输入至缺陷识别模型的特征提取层， 得到所述特征提取层输出的所述 视频图像中的缺陷特 征； 将所述缺陷特征输入至所述缺陷识别模型的分类层， 得到所述分类层输出的所述待检 测管道中的目标缺陷类型； 其中， 所述缺陷识别模型基于携带有缺陷特征标签的目标图像样本训练得到， 所述缺 陷特征标签包括缺陷位置标签和缺陷类型标签； 所述目标图像样本基于管道视频样本中每 帧图像样本的色偏信息、 灰度图均值和灰度图方差值， 从所述管道视频样本中抽取 得到。 2.根据权利要求1所述的管道缺陷识别方法， 其特征在于， 所述目标图像样本基于如下 步骤确定： 将每帧图像样本输入特征提取模型， 得到所述特征提取模型输出的每帧图像样本 中的 缺陷特征， 并基于每帧图像样本中的缺陷特 征， 确定每帧图像样本对应的缺陷特 征标签； 基于每帧图像样本的色偏信息、 灰度图均值、 灰度图方差值以及每帧图像样本对应的 缺陷特征标签， 确定所述目标图像样本 。 3.根据权利要求2所述的管道缺陷识别方法， 其特征在于， 所述色偏信息包括色偏度 值； 所述基于每帧图像样本的色偏信息、 灰度图均值、 灰度图方差值以及每帧图像样本对应 的缺陷特 征标签， 确定所述目标图像样本， 包括： 基于每帧图像样本的灰度图方差值， 确定所述管道视频样本的平均灰度图方差值； 从所述管道视频样本中抽取色偏度值小于等于1的第一类图像样本； 从所述第一类图像样本 中抽取灰度图均值在预设均值范围内， 且灰度图方差值大于预 设阈值的第二类图像样本； 从所述第二类图像样本 中抽取对应的缺陷特征标签不为空 的第三类图像样本， 并基于 所述第三类图像样本， 确定所述目标图像样本 。 4.根据权利要求3所述的管道缺陷识别方法， 其特征在于， 所述从所述管道视频样本中 抽取色偏度值小于等于1的第一类图像样本， 包括： 确定每帧图像样本对应的图像样本时刻； 基于所述平均 灰度图方差值、 所述管道视频样本中预设图像组内每帧图像样本的色偏 信息、 灰度图方差值、 对应的图像样本时刻以及对应的缺陷特征标签， 生成二维码图像， 并 将所述二维码图像插入至所述管道视频样本的最后一帧图像之后， 得到目标视频； 所述预 设图像组由每相邻的若干帧图像样本构成； 从所述目标视频中抽取 所述第一类图像样本 。 5.根据权利要求3所述的管道缺陷识别方法， 其特征在于， 所述从所述管道视频样本中 抽取色偏度值小于等于1的第一类图像样本， 还 包括： 基于预设抽帧间隔， 从所述管道视频样本中抽取第四类图像样本； 从所述第四类图像样本中抽取 所述第一类图像样本 。 6.根据权利要求3所述的管道缺陷识别方法， 其特征在于， 所述基于所述第 三类图像样 本， 确定所述目标图像样本， 包括： 对于任一第三类图像样本， 若所述任一第三类图像样本对应的模糊阈值小于设定值，权　利　要　求　书 1/2 页 2 CN 115511821 A 2且与所述管道视频样本的平均模糊阈值之差的绝对值大于所述设定值， 则基于包含有 所述 任一第三类图像样本在内的设定时间段内各帧图像样本的模糊阈值平均值与所述设定值 之间的比较结果， 从所述第三类图像样本中确定所述目标图像样本 。 7.根据权利要求1 ‑6中任一项所述的管道缺陷识别方法， 其特征在于， 所述特征提取层 包括每个缺陷类型对应的特征提取子层， 所述分类层包括每个缺陷类型对应的分类子层， 所述特征提取子层与所述分类子层一 一对应连接 。 8.一种管道缺陷识别装置， 其特 征在于， 包括： 图像获取模块， 用于获取待检测管道的视频图像； 特征提取模块， 用于将所述视频图像输入至缺陷识别模型的特征提取层， 得到所述特 征提取层输出的所述视频图像中的缺陷特 征； 识别模块， 用于将所述缺陷特征输入至所述缺陷识别模型的分类层， 得到所述分类层 输出的所述待检测管道中的目标缺陷类型； 其中， 所述缺陷识别模型基于携带有缺陷特征标签的目标图像样本训练得到， 所述缺 陷特征标签包括缺陷位置标签和缺陷类型标签； 所述目标图像样本基于管道视频样本中每 帧图像样本的色偏信息、 灰度图均值和灰度图方差值， 从所述管道视频样本中抽取 得到。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7中任一项 所 述的管道缺陷识别方法。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1 ‑7中任一项所述的管道缺陷识别方法。权　利　要　求　书 2/2 页 3 CN 115511821 A 3