Page 46 - 无损检测2022年第五期

徐 峰,等:
基于 CCTV 和缺陷特征提取的城市排水管道结构性缺陷检测

大, 如果工 作 人 员 缺 乏 工 作 经 验 或 者 工 作 状 态 不 测技术流程, 并重点对纹理特征提取方法和缺陷分
佳, 很 可 能 导 致 缺 陷 判 别 结 果 出 现 较 大 的 偏 类进行了研究, 以期为城市排水管道结构性缺陷检
差 [ 4-6 ] 。为减少 管 道 缺 陷 识 别 过 程 中 对 工 作 人 员 测提供新的思路和方法。
的依赖, 一 些 学 者 提 出 了 智 能 检 测 和 自 动 识 别 技
术, 但该技 术 的 可 靠 性 并 没 有 形 成 一 个 统 一 的 定 1 管道缺陷分类
论, 而且在分类正确率方面也有待 提高。当前, 基 按照《 城镇给排水管道检测规程》 中的相关规
于机器学习的图像处理技术在医学、 人脸识别、 路 定, 可将给排水管道的缺陷类型划分为结构性缺陷
桥缺陷检测等领域得到了广泛应用并取得了不错 和功能性缺陷两大类。结构性缺陷主要包括裂纹腐
的成效, 借鉴于上述经验, 也可将基于机器学习的 蚀、 错口、 接口材料脱离、 渗漏等, 其中裂纹、 错口、 腐
图像处理 技 术 应 用 到 排 水 管 道 的 缺 陷 检 测 当 中, 蚀 3 种缺陷最为常见, 一般情况下需要使用一定的
从而在提 高 缺 陷 分 类 正 确 率 的 同 时, 大 大 降 低 人 修复手段进行修复, 而功能性缺陷一般仅需要日常
工成本 [ 7-8 ] 。 的保养维护即可, 包括残墙、 结垢、 树根、 浮渣等。常
笔者提出了基于支持向量机学习的管道缺陷检 见的管道缺陷如图 1 所示。

图 1 常见的管道缺陷外观
根据视频采集速率设置提取帧画面间隔值 T ( 2s为

2 检测流程
宜), 保存提取对应帧下的管道图像; 接着, 对抓取得
给排水管道结构性缺陷检测流程如图2所示, 具 到的管道图像进行粗分类( 区分有无缺陷), 去除图像
体如下: 首先利用管道爬行机器人携带 CCTV 检测系 中的无关文字信息, 再通过灰度变换、 直方图均衡化
统对济南市某段地下排水管道进行拍摄, 得到原始数 处理、 限制对比度自适应直方图均衡化处理、 自适应

据; 然后利用 VideoReader函数读取视频原始数据, 中值滤波处理、 边缘轮廓增强处理等措施, 对有缺陷
2
1
2022 年 第 44 卷 第 5 期

无损检测