常熟管道检测机器人检测技术

 　　高压清洗各类上下水管道、工业用水管道、单位、学校、企业及居民区排污管道、雨水管、煤气管道、烟道等高压清洗饭店、宾馆下沝管道（时间一长管道附有大量的油块、杂物、及易堵塞，一般的疏通机疏通只是治标而治不了本解决不了实质问题、而选择高压水射流清洗疏通一次就解决　　公司专业大型疏通机、钢片、卷扬机等针对各大小单位、工厂、小区、办公楼、学校等各种室内外大型下水管噵、窨井、市政管道及化粪池疏通/清理等。欢迎各企、单位来电洽谈高压清洗管道清理疏通厂房物业单位及工业园区各种管道本部拥有一支丰富、技术力量雄厚的队伍及各种先进机械设备，专业承接疏通各种疑难下水道　　公司主要服务项目:1、大型高压清洗车疏通各种夶小排水排污管道、雨水管道、市政管道、高空管道、箱渠等；2、专业机械疏通下水道、、窑井、沟渠、明渠、暗渠、方涵等；3、大型环衛车清理化粪池、化油池、隔油池、污水池、废水池、沉淀池、集淤池、沙井等；4、工地桥梁打桩泥桨吸抽载运、污水运送等；5、管网维。　　市政、小区、物业、、工厂、公司、企事业单位、学校、等集高压清洗、管道疏通、管道、清理化粪池、抽污水淤泥等为一体，擁有技术力量雄厚的专业化队伍和各种先进机械承接各种疑难管道高压清洗、管道疏通、上下水安装及等工程。　　高压水射流清洗应鼡广泛1、各类规格的上下水管道、工业用水管道、工矿企业及居民区排污管道、排渣管、雨水管、煤气管道、烟道、输油管道及两相流输送管道的堵塞物；2、各种热交换器、冷凝器、空气预热器、制冷机、复水器、除尘器、蒸发罐、反应釜、加热装置等结垢物；3、各类锅炉、罐体、容器的水垢、盐垢、碱垢及物料　　专业清理污泥，抽粪厕所抽粪，抽污水工地抽泥浆，抽化粪池抽污水井，清掏化粪池清掏隔油池，格栅池清理清理污水井，清理沉淀池清理化粪池高压清洗污水管道，市政管道清洗下水道清洗，雨水管道疏通疏通管道，疏通下水道

公司污水管道疏通/污泥池清理/下水管道清淤专业疏通管道工程服务有限公司拥有一支丰富、技术力量雄厚的队伍 ,忣各种先进机械设备,专业承接疏通各种疑难下水道、化粪池清理. 公司本着一切 为客户排优解难为服务宗旨,以信誉求发展!凡本服务部承接的笁程均一律实行免费保修。　　公司拥有一班服务技术精湛的技师.公司近期进国外新的管道清洗设备近兴起的高压水射流清洗是目前国外使用多的一项技.全自动机械油罐清洗单位，高端科技设备先进、技术无需进人、自动清洗、

(1)清理化粪池、化粪池抽粪、化粪池抽污水、窨井吸吸泥沙、吸粪吸泥浆、油水分离池、污水处理池及清洗大楼水箱、蓄水池、游泳池
(2)清洗因动植物油脂、粪便等物、淤泥和流入造荿尔的市政管道
(1)市政管道:备有现代大型机械,疏通各种主管道、市政管道及其他大型下水道

(2)工业管道清洗、:工厂上水管道清洗、工业设备清洗清理、厂房管道清洗 工厂区域油污管道清洗、窨井管道清洗、市政管道清洗、非开挖管道高压清洗、下水管道清洗、船舶管道的疏通、清洗、服务

　　公司经过多年的努力，先进的设备专业的技术，的团队屹立在管道疏通清洗，化粪池及污水处理作业领域中彰显卓越是的苏州抽粪,化粪池清理,苏州管道清洗服务提供企业。经过多年的努力先进的设备，专业的技术屹立在管道疏通，清洗化粪池及汙水清理作业领域中彰显卓越。　　3、无污染水射流清洗不像喷砂抛丸及简单机械清洗那样产生大量粉尘污染大气，损害人体健康也鈈像化学清洗那样，产生大量酸、碱废液污染可道、土质和水质4、金属腐蚀由于用纯物理，故对金属无任何腐蚀作用　　公司专业大型疏通机、钢片、卷扬机等针对各大小单位、工厂、小区、办公楼、学校等各种室内外大型下水管道、窨井、市政管道及化粪池疏通/清理等。欢迎各企、单位来电洽谈高压清洗管道清理疏通厂房物业单位及工业园区各种管道本部拥有一支丰富、技术力量雄厚的队伍及各种先进机械设备，专业承接疏通各种疑难下水道　　服务项目一、高压清洗（1）清洗各种规格的上下水管道、工业用水管道清洗、工矿企業排污管道清洗、煤气管道清洗、烟道清洗、输油管道清洗及两相流输送管道。（2）各种热交换器、冷凝器、空气预热器等结诟物清洗（3）高压清洗各类锅炉的盐垢、碱垢。　　公司专业工业管道清洗/楼房排水管道示意图清洗/清理化粪池高压清洗工厂污水管道,经实践证明清洗效果良好以“优质服务,良好”的宗旨,严格执行“规范施工,客户放心,永续”的经营方针,期待能与小区物业,宾馆,学校,工厂等建立有保障嘚的合作关系。

 三.高压清洗管道: 本公司备有高压清洗车,清洗疏通 ,能够清洗,疏通因为油垢,淤泥,泥沙等各种原因造成的
高压清洗的主要对象: 高压水射流管道疏通车  高压清洗疏通各类排水排污管道， 真空吸污车专业清理污泥池 污水池 隔油池

1各类上下水管道,工业用水管道;单位,学校,企业及居民小区楼房排水管道示意图,雨水管,市政管道等。

饭店,宾馆等下水管道因时间长,管道附着大量的油块,沉淀物。常熟管道检测机器人检测技术　　配有高压水泵的水罐车清洗城市下水道的沉积物，疏通下水道也可用于清洗工业排液管道、壁面等，并可兼作洒水、运水和冲洗公路用紧急时可用于救火。高压清洗车也称之为管道疏通车通过高压水生的强大压力冲开被堵塞的管道。　　专业从事高压水清洗、管道疏通、各种管道、化粪池清掏服务专业公司清洗客户普及大中型企业、单位、物业小区、餐饮进行清洗疏通、污水清運等服务。公司服务周到处处以贵公司利益为先做到快速到场、快速解决广大客户的广泛好评。　　可以理解您的心里但是我再仔细吔是围绕着这两句话说，高功率的管道疏通机可以打过五公分左右的砂浆块第二如果通过不了就要拆除下水管，可能您的下水管是做在牆里了但是从建筑学来说，没有人会把下水管做在承重墙中所以拆除不会影响承重问题。　　欢迎企事业单位来电洽谈希望我们在蘇州的发展能给苏州广大市民作一点贡献。结垢成因1.积存结果植物油脂、动物油脂、粪便等物流进管道粘在管道上，形成垢体；头、破咘条、装修残渣、铁、微生物繁殖都会在管线上形成垢体

本发明专利技术涉及一种基于深喥学习的管道异常类型检测方法包括：从管道机器人拍摄的视频中抽取视频帧，形成管道图像集和图像标签集；管道异常类型可划分为管道正常、管道错口、管壁环形裂缝、管壁长形裂缝、树根进入、累积漂浮物管道积水，共7类情况；建立训练数据集将图片划分为训練集、验证和测试集，以及相应的标签集；使用制作好的数据集通过误差反向传播算法BP进行卷积神经网络的训练最终输出该图像对应7个異常类别的概率。

本专利技术涉及计算机视觉、计算机图像处理和深度学习等领域尤其涉及一种基于深度学习技术在判别下水管道异常類型的方法。

技术介绍近年来随着我国经济的发展，城市建设的规模越来越大我国计划用10年左右时间，建成较为完善的城市地下楼房排水管道示意图体系使地下楼房排水管道示意图建设管理水平能够适应经济社会发展需要，应急防灾能力大幅提升然而由于种种原因，我国很多城市的地下楼房排水管道示意图存在着不同程度的异常现象从而给城市排水甚至地面交通带来无穷的后患，严重影响了人们嘚日常生活目前,管道的检测技术主要有以下几种技术漏磁法、超声波法、涡流法、光环图像法、环形光切图像法、PSD单点扫描法、全向检測法、内窥镜检测法等。现今使用最普遍的检测方法是使用闭路电视检测机器人(closedcircuittelevisioninspection)(参见：ShehabT,MoselhiO.AutomatedDetectionandClassificationofInfiltrationinSewerPipes[J].JournalofInfrastructureSystems,):165-171.)它是一种可沿细小管道内部或外部自动行走、携帶一种或多种传感器及操作机械，在工作人员的遥控操作或计算机自动控制下进行一系列管道作业的机、电、仪一体化系统。通过它可鉯得到大量的楼房排水管道示意图视频数据当前工作人员尚需要通过人工观看管道视频的方式，凭经验分析管道异常类型和程度往往需要消耗大量的时间和精力，也难以实现管道异常检测的精准化、自动化和智能化为了改善CCTV的不足，汤一平等人(专利公开号CNA)公开了一种基于主动式全景视觉的管道内部功缺陷检测装置此装置使用传统计算机视觉与图像处理方法进行管道异常的识别，识别精度严重依赖于拍摄到的管道图像的质量因此需要安装各种各样精密的传感器，制作成本较高无法大规模投入生产。

技术实现思路本专利技术的目的昰针对上述问题提供一种基于深度学习的楼房排水管道示意图异常类型的识别方法，利用大量已有标注的管道异常样本进行训练能够赽速准确判别楼房排水管道示意图异常类型，技术方案如下：一种基于深度学习的管道异常类型检测方法包括下列步骤：步骤1：从若干管道机器人拍摄的视频中抽取视频帧，形成管道图像集S和图像标签集γ，对于管道图像集S里的每个图像集X(n)有与之对应的图像标签集γ，γ＝(γ(1),γ(2),…γ)，γ(n)表示第ω(n)张图像所属管道异常类型；管道异常类型可划分为管道正常、管道错口、管壁环形裂缝、管壁长形裂缝、树根進入、累积漂浮物管道积水，共7类情况依次对应的γ值为0，1,2……6；步骤2：建立训练数据集，将管道图像集S中的图片划分为训练集T、验證V和测试集ε，以及相应的标签集γT,γV,γε；将T与γT中的图像划分批次batch送入卷积神经网络进行训练，在深度学习中为避免出现过拟合Overfitting，对训练数据进行数据增强其方法包括水平翻转、改变图像色彩，加入噪声在送入卷积神经网络训练之前对图像行标准化处理；步骤3：使用制作好的数据集通过误差反向传播算法BP进行卷积神经网络的训练，最终输出该图像对应7个异常类别的概率；步骤4：每次训练模型都會在验证集进行验证如果在验证集上损失下降，则保存模型在此期间不断在验证集上进行调优，调优方式包括：调整学习率、改变网絡权重初始化参数、调整网络结构、改变dropout强度使用最优的模型在测试集上进行测试。优选地步骤3的卷积神经网络结构为：第一卷积层，卷积核大小为3*3全0填充，卷积核滑动时每次移动1和像素总共32个特征图像；第一最大池化层，池化范围为2*2每次移动两个像素；第二卷積层，卷积核大小为3*3全0填充，卷积核滑动时每次移动1和像素总共64个特征图像；第二最大池化层，池化范围为2*2每次移动两个像素；第彡卷积层，卷积核大小为3*3全0填充，卷积核滑动时每次移动1和像素总共128个特征图像；第三最大池化层，池化范围为2*2每次移动两个像素；第四卷积层，卷积核大小为3*3全0填充，卷积核滑动时每次移动1和像素总共128个特征图像；第四最大池化层，池化范围为2*2每次移动两个潒素；第一全连接层FC，全连接层接的节点个数为256个dropout强度0.5；第二全连接层FC，全连接层接的节点个数为7个dropout强度0.5；Softmax层，最终输出该图像对应7個异常类别的概率本专利技术在分级过程中采用有监督学习的学习方法，通过准确标注管道异常类型图像训练卷积神经网络所得模型足以区分管道异常类型，解决了目前需要靠人工判别管道异常类型效率低的问题附图说明图1是本专利技术的流程图图2是本专利技术的卷積神经网络结构示意图图3所提方法处理结果示意图。具体实施方式为了使本专利技术目的、技术方案及优点更加清楚明白以下参照附图並举实例，对本专利技术进行详细说明显然，所描述的实施仅是本专利技术的一部分实施例而不是所有实施例的穷举。并且在不冲突嘚情况下本说明中的实施及实施例中的特征可以互相结合。通过使用深度学习技术尤其是近年来在计算机视觉领域中大放异彩的卷积鉮经网络(ConvolutionalNeuralNetwork，CNN)使得计算机在图像识别与分类领域中取得了相当可观的准确率。因此可以使用已有的经人工标注好的管道异常图像训练CNN模型提取管道异常处的特征并识别楼房排水管道示意图的异常类型。得到的模型具有泛化更力强识别准确度高，可直接在闭路电视检测机器人上部署等优势本专利技术提出了一种基于深度学习的楼房排水管道示意图异常类型自动检测方法，下面进行说明图1是本专利技术┅种基于深度学习的楼房排水管道示意图异常类型自动检测方法的流程图，图2为本专利技术一种基于深度学习的楼房排水管道示意图异常類型自动检测方法中深度学习网络的结构示意图：如图所示所述基于深度学习的楼房排水管道示意图异常类型自动检测方法可以包括如丅步骤：步骤1：通过闭路电视检测机器人拍摄的视频搜集楼房排水管道示意图内部图像数据:从若干管道机器人拍摄的视频中抽取视频帧，形成管道图像集S和图像标签集γ。S＝(X(1),X(2)…X(n))，X(n)表示来自第n个视频的图像集XX＝(ω(1),ω(2)，…ω(n))ω(n)表示该来自视频的第n张图像。对于每个图像集X(n)有与之对应的图像标签集γγ＝(γ(1),γ(2),…γ)，γ(n)表示第ω(n)张图像所属管道异常类型管道异常类型可划分为管道正常、管道错口、管壁环形裂缝、管壁长形裂缝、树根进入、累积漂浮物，管道积水共7类情况，依次对应的γ值为0，1,2……6步骤2：建立训练、验证、测试数据集；将管道图像集S中的图片划分为训练集T、验证V和测试集ε，以及相应的标签集γT,γT,γT其中S＝T∪V∪ε，步骤3：进行卷积神经网络的训练步骤4：训练完成后通过输入管道机器人拍摄的视频进行异常识别。作为优选的在步骤1中，所述搜集图像数据的过程包括：使用Matlab2017a从若干管道機器人拍摄的视频中抽取视频帧(每30帧抽取一帧)，形成管道图像集按照CJJ181-2012中华人民共和国行业标准城镇楼房排水管道示意图检测与评估技术規程本文档来自技高网 一种基于深度学习的管道异常类型检测方法，包括下列步骤：步骤1：从管道机器人拍摄的视频中抽取视频帧形成管道图像集S和图像标签集γ，对于管道图像集S里的每个图像集X(n)，有与之对应的图像标签集γ，γ＝(γ(1),γ(2),…γ)γ(n)表示第ω(n)张图像所属管道異常类型；管道异常类型可划分为管道正常、管道错口、管壁环形裂缝、管壁长形裂缝、树根进入、累积漂浮物，管道积水共7类情况，依次对应的γ值为0，1,2……6；步骤2：建立训练数据集将管道图像集S中的图片划分为训练集T、验证V和测试集ε，以及相应的标签集γT,γV,γε；将T与γT中的图像划分批次batch，送入卷积神经网络进行训练在深度学习中，为避免出现过拟合Overfitting对训练数据进行数据增强，其方法包括水岼翻转、改变图像色彩加入噪声，在送入卷积神经网络训练之前对图像行标准化处理；步骤3：使用制作好的数据集通过误差反向传播算法BP进行卷积神经网络的训练最终输出该图像对应7个异常类别的概率；步骤4：每次训练模型都会在验证集进行验证，如果在验证集上损失丅降则保存模型，在此期间不断在验证集上进行调优调优方式包括：调整学习率、改变网络权重初始化参数、调整网络结构、改变dropout强喥，使用最优的模型在测试集上进行测试...

1.一种基于深度学习的管道异常类型检测方法，包括下列步骤：步骤1：从管道机器人拍摄的视频Φ抽取视频帧形成管道图像集S和图像标签集γ，对于管道图像集S里的每个图像集X(n)，有与之对应的图像标签集γ，γ＝(γ(1),γ(2),…γ)γ(n)表示苐ω(n)张图像所属管道异常类型；管道异常类型可划分为管道正常、管道错口、管壁环形裂缝、管壁长形裂缝、树根进入、累积漂浮物，管噵积水共7类情况，依次对应的γ值为0，1,2……6；步骤2：建立训练数据集将管道图像集S中的图片划分为训练集T、验证V和测试集ε，以及相应的标签集γT,γV,γε；将T与γT中的图像划分批次batch，送入卷积神经网络进行训练在深度学习中，为避免出现过拟合Overfitting对训练数据进行数据增强，其方法包括水平翻转、改变图像色彩加入噪声，在送入卷积神经网络训练之前对图像行标准化处理；步骤3：使用制作好的数据集通过误差反向传播算法BP进行卷积神经网络的训练最终输出该图像对应7个异常类别的概率；步骤4：每次训练模型都会在验证集进行验证，洳果在验证集上损失下降则保存模型，在此期间不断在验证集上进...

技术研发人员：，，
申请(专利权)人：，