CN111947043A - 一种排污管道裂缝定位方法、系统、智能终端及存储介质 - Google Patents
一种排污管道裂缝定位方法、系统、智能终端及存储介质 Download PDFInfo
- Publication number
- CN111947043A CN111947043A CN202010601831.XA CN202010601831A CN111947043A CN 111947043 A CN111947043 A CN 111947043A CN 202010601831 A CN202010601831 A CN 202010601831A CN 111947043 A CN111947043 A CN 111947043A
- Authority
- CN
- China
- Prior art keywords
- information
- crack
- distance
- positioning
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及一种排污管道裂缝定位方法、系统、智能终端及存储介质,其包括获取检测车于管道内壁的检测状态以输出检测图像信息;根据检测图像信息从预先训练好的裂缝模型中判断出裂缝信息;检测车行驶至裂缝信息所在位置时,持续发送裂缝定位信息至放置于地面上的定位绳,定位绳同步接收裂缝定位信息并仅接收信号最强处;根据定位绳上的裂缝定位信息以判断裂缝位置以及裂缝长度。解决了人工对连接绳进行拉直,并且在连接绳上采用记号笔等工具进行标记,整体标记定位麻烦的问题,本申请具有自动定位,使用智能的效果。
Description
技术领域
本申请涉及管道修复的技术领域,尤其是涉及一种排污管道裂缝定位方法、系统、智能终端及存储介质。
背景技术
排污管道指汇集和排放污水、废水和雨水的管渠。当排污管道遭到损坏时,需要对其遭到损坏段进行修复。
现有技术中,如公告号为CN108087660A的中国专利,一种地下管道非开挖修复中缺陷点的定位方法,解决了由于人无法进入到管道内部查看缺陷点的位置,因此如何确定地下管道的缺陷点一直是修复过程中的一个难点的问题,其技术方案要点是包括如下步骤:疏通车清理;在装设有摄像头的遥控小车上设置连接绳,通过摄像头查找管道内部的缺陷点;并在连接绳位于排水井开口的位置上设置第一定位标记;在管道修复气囊上绑扎定位绳,定位绳设置与第一定位标记对应的第二定位标记;管道修复气囊表面包覆修补材料;当第二定位标记位于排水井开口后,通过管道修复气囊进行修复。
上述中的现有技术方案存在以下缺陷:检测车与连接绳进行连接,并且在管道中进行行驶,在判断出裂缝位置后,需要人工对连接绳进行拉直,并且在连接绳上采用记号笔等工具进行标记,整体标记定位麻烦,还有改进的空间。
发明内容
本申请目的一是提供一种排污管道裂缝定位方法,具有自动定位,使用智能的特点。
本申请的上述申请目的一是通过以下技术方案得以实现的:
一种排污管道裂缝定位方法,包括:
获取检测车于管道内壁的检测状态以输出检测图像信息;
根据检测图像信息从预先训练好的裂缝模型中判断出裂缝信息;
检测车行驶至裂缝信息所在位置时,持续发送裂缝定位信息至放置于地面上的定位绳,定位绳同步接收裂缝定位信息并仅接收信号最强处;
根据定位绳上的裂缝定位信息以判断裂缝位置以及裂缝长度。
通过采用上述技术方案,通过检测车对管道内壁进行检测,并且通过摄像头对检测图像信息进行获取,并且通过对裂缝信息进行判断,从而识别出裂缝,并且检测车在行驶的时候,在到达裂缝所在位置后,就会发射裂缝定位信息,从而供地面上的定位绳进行接收,以对裂缝的位置以及场地进行判断,自动定位,使用更加智能。
本申请在一较佳示例中可以进一步配置为:检测车于管道内检测的起点与终点的判断方法包括:
获取检测车到达两侧的隔板后的抵触信息;
将先接收到抵触信息的一侧定义为起点,并发送起点定位信息至放置于地面上的定位绳,以开启对管道内壁的状态的检测;
将后接收到抵触信息的一侧定义为终点,并发送终点定位信息至放置于地面上的定位绳,以关闭对管道内壁的状态的检测。
通过采用上述技术方案,通过对管道的起点以及终点进行判断,从而确认是对管道的哪段位置进行检测,检测车在接触到隔板的时候会触发接触信息,通过对接触信息的判断,从而对两侧位置进行了解,实用性强。
本申请在一较佳示例中可以进一步配置为:检测车向起点隔板位置行驶的判断方法包括:
获取检测车至用于隔离密封管道的两侧隔板的第一距离信息与第二距离信息;
判断第一距离信息是否大于第二距离信息;
若第一距离信息所对应的长度距离大于第二距离信息所对应的长度距离,则控制检测车向第二距离信息所对应的隔板方向行驶;
若第一距离信息所对应的长度距离等于第二距离信息所对应的长度距离,则控制检测车向任意一处的隔板方向行驶;
若第一距离信息所对应的长度距离小于第二距离信息所对应的长度距离,则控制检测车向第一距离信息所对应的隔板方向行驶。
通过采用上述技术方案,通过检测车对两侧隔板的位置进行判断,从而对起点和终点进行判断,并且为了节省能源以及时间,向最近的距离的隔板处进行前进,并且通过抵触信息进行判断起点的位置。
本申请在一较佳示例中可以进一步配置为:检测车在获取管道内壁的状态时的行驶方法包括:
根据起点的抵触信息以获取检测图像信息;
根据检测图像信息与所预设的像素清晰值之间的比较关系以输出清晰距离;
根据清晰距离以控制检测车行驶一次清晰距离,并重新获取检测图像信息并重复判断。
通过采用上述技术方案,通过抵触信息,从而对检测图像信息进行获取,并且通过对像素清洗度进行判断,从而对图像的清晰距离进行判断,并且按照清晰距离做检测车的每一次的前进距离,更加智能。
本申请在一较佳示例中可以进一步配置为:定位绳上设置有若干定位点并同步发送不同频率的定位点信息,且检测车同步切换不同定位点信息并接收信号最强的定位点信息,检测车行驶距离核对方法包括:
获取检测车轮胎的当前旋转圈数信息以及设置于定位绳上的定位点信息;
根据定位点信息分别计算旋转圈数信息;
根据旋转圈数信息与所预设的轮胎外径数值以计算出当前定位点信息下的当前行驶距离;
判断检测车的车轮是否停止,并于车轮停止时,同步接收不同定位点信息下的行驶距离,并求和以输出移动距离;
若清晰距离与移动距离一致,则完成核对;反之,发出警示。
通过采用上述技术方案,检测车在前进清晰距离后,通过对圈数以及定位的方式,从而对实际的前进位置进行判断,从而提高整体的检测准确性,提高了整体的检测后的稳定性,实用性强。
本申请在一较佳示例中可以进一步配置为:裂缝模型的训练方法如下:
获取管道内侧壁的无裂缝的样本图像信息并作为样本;
将样本图像信息进行数据清洗并裁剪成预设的图片像素值并进行预处理;
将预处理后的样本图像信息输入至神经网络中进行训练,以学习到可判别目标区域中无裂缝的特征,并选取准确率曲线图中大于所预设的准确率的神经网络模型;
将学习好的神经网络模型进行输出以生成裂缝模型。
通过采用上述技术方案,通过对样本的获取,从而对无裂缝的情况进行判断,通过大量的学习,以提高整体的响应能力,并通过准确率曲线图,从而将准确率高的神经网络模型进行筛选,提高准确度,实用性强。
本申请在一较佳示例中可以进一步配置为:检测车上设置有照明灯,照明灯的使用方法包括:
获取摄像头所识别区域的当前亮暗程度信息以及当前照明灯的当前温度信息;
判断当前亮暗程度信息是否与所预设的基准亮暗值一致;
若当前亮暗程度信息所对应的亮度与基准亮暗值不一致,则周向旋转照明灯以调节照明灯的角度;
判断当前温度信息是否大于所预设的基准温度值;
若当前温度信息所对应的温度小于或等于基准温度值,则等待照明灯升温;
若当前温度信息所对应的温度大于基准温度值,且当前亮暗程度信息所对应的亮度与基准亮暗值一致,则允许检测车输出检测图像信息并允许检测车向另一隔板处行驶。
通过采用上述技术方案,通过对图像的亮度进行识别,从而对照明灯的角度进行调节,以贴近基准亮暗值,从而提高检测的准确性,以及识别率,同时通过照明灯的温度检测,从而使照明变的稳定,并且也具备烘干管道的作用,提高整体的检测准确性。
本申请目的二是提供一种排污管道裂缝定位系统,具有自动定位,使用智能的特点。
本申请的上述申请目的二是通过以下技术方案得以实现的:
一种排污管道裂缝定位系统,包括:
获取模块,用于获取检测图像信息、抵触信息、第一距离信息、第二距离信息、检测图像信息、旋转圈数信息、定位点信息、样本图像信息、亮暗程度信息以及温度信息;
存储器,用于存储如上述的排污管道裂缝定位方法的程序;
处理器,存储器中的程序能够被处理器加载执行且实现如上述的排污管道裂缝定位方法。
通过采用上述技术方案,通过检测车对管道内壁进行检测,并且通过摄像头对检测图像信息进行获取,并且通过对裂缝信息进行判断,从而识别出裂缝,并且检测车在行驶的时候,在到达裂缝所在位置后,就会发射裂缝定位信息,从而供地面上的定位绳进行接收,以对裂缝的位置以及场地进行判断,自动定位,使用更加智能。
本申请目的三是提供一种智能终端,具有自动定位,使用智能的特点。
本申请的上述申请目的三是通过以下技术方案得以实现的:
一种智能终端,包括存储器和处理器,所属存储器上存储有能够被处理器加载并执行上述排污管道裂缝定位方法的计算机程序。
通过采用上述技术方案,通过检测车对管道内壁进行检测,并且通过摄像头对检测图像信息进行获取,并且通过对裂缝信息进行判断,从而识别出裂缝,并且检测车在行驶的时候,在到达裂缝所在位置后,就会发射裂缝定位信息,从而供地面上的定位绳进行接收,以对裂缝的位置以及场地进行判断,自动定位,使用更加智能。
本申请目的四是提供一种计算机存储介质,能够存储相应的程序,具有便于实现自动定位,使用智能的特点。
本申请的上述申请目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种排污管道裂缝定位方法的计算机程序。
通过采用上述技术方案,通过检测车对管道内壁进行检测,并且通过摄像头对检测图像信息进行获取,并且通过对裂缝信息进行判断,从而识别出裂缝,并且检测车在行驶的时候,在到达裂缝所在位置后,就会发射裂缝定位信息,从而供地面上的定位绳进行接收,以对裂缝的位置以及场地进行判断,自动定位,使用更加智能。
综上所述,本申请包括以下至少一种有益技术效果:
1.自动定位,使用智能;
2.对管道有烘干的作用,提高检测的精度。
附图说明
图1是排污管道裂缝定位的方法流程图。
图2是检测车于管道内检测的起点与终点的判断方法流程图。
图3是检测车向起点隔板位置行驶的判断方法流程图。
图4是检测车在获取管道内壁的状态时的行驶方法流程图。
图5是检测车行驶距离的核对方法流程图。
图6是裂缝模型的训练方法流程图。
图7是裂缝模型的训练方法流程图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
本申请实施例提供一种排污管道裂缝定位方法,具有自动定位,使用智能的特点。
下面结合说明书附图对本申请实施例作进一步详细描述。
参照图1所示,一种排污管道裂缝定位方法,通过检测车进入至管道内部,并且在管道的内壁进行行驶,同时通过摄像头对管道内部的裂缝情况进行图像的采集,并且对裂缝的位置进行判断,从而方便后期的修补,其具体的方法步骤如下:
步骤100:获取检测车于管道内壁的检测状态以输出检测图像信息。
摄像头安装于检测车上,并且呈环形设置,从而对管道内壁中的侧壁情况进行识别检测,并且输出检测图像信息
步骤101:根据检测图像信息从预先训练好的裂缝模型中判断出裂缝信息。
裂缝模型为预先训练好的模型信息,通过对照片的输入,从而判断出对应照片中的裂缝。检测图像信息通过照片的方式进行保存,并且将照片放入裂缝模型中,从而判断出裂缝信息。
步骤102:检测车行驶至裂缝信息所在位置时,持续发送裂缝定位信息至放置于地面上的定位绳,定位绳同步接收裂缝定位信息并仅接收信号最强处。
由于检测车在检测的时候,是对行走方向的管道进行检测,因此为预先检测,在检测完成后,检测车会经过所检测的位置。检测车在经过裂缝信息所在的位置时,会向放置于地面上的定位绳发送裂缝定位信息,并且为持续发送,即检测小车在匀速前进的过程中,在遇到裂缝的时候,就会进行裂缝定位信息的发送,在无裂缝的地方,就不发送裂缝定位信息。
并且定位绳铺设于地面上,且定位绳为刚性材料铺设,不采用弹性材料,从而减少误差。定位绳上设置有同步接收裂缝定位信息的接收器,且接收器设置有多个,并且仅仅接收信号最强处,从而检测车与定位绳互相垂直,以提高定位的准确性。
步骤103:根据定位绳上的裂缝定位信息以判断裂缝位置以及裂缝长度。
根据定位绳所接收到的裂缝定位信息,从而判断出裂缝位置以及裂缝长度。由于在进行修补的时候,为圆筒形进行修补,因此无需对具体的方向进行识别,从而提高整体的检测效率。
参照图2所示,检测车在管道内进行检测时,为了提高整体的准确性,需要对检测的起点与终点进行判断,其起点与终点的判断方法包括以下步骤:
步骤200:获取检测车到达两侧的隔板后的抵触信息。
检测车上设置有接近传感器,接近传感器设置于检测的两端,从而使检测车到达隔板后进行触发,从而输出抵触信息。而隔板用于将管道进行隔开,从而将长度较长的管道分隔为若干段,以方便进行检测定位与维修,
步骤201:将先接收到抵触信息的一侧定义为起点,并发送起点定位信息至放置于地面上的定位绳,以开启对管道内壁的状态的检测。
在进行检测的时候,检测车会向一侧隔板靠近,并且使检测车上的接近传感器触发,从而将先接收到抵触信息的一侧定义为起点,并同步发送起点定位信息至放置于地面上的定位绳,从而判断出起点的位置,并向另一块隔板处移动,并开启对管道内壁的状态的检测,在未确认起点的时候,不进行管道内壁的检测。
步骤202:将后接收到抵触信息的一侧定义为终点,并发送终点定位信息至放置于地面上的定位绳,以关闭对管道内壁的状态的检测。
检测车在管道内进行行驶与检测的时候,将后接收到抵触信息的一侧定义为终点,并且发送终点定位信息至放置于地面上的定位绳,从而判断出终点的位置,以关闭对管道内壁的状态的检测,即完成当前阶段的管道的检测。
参照图3所示,检测车在向其中一块隔板前进时,从而在接触到隔板后判断为起点,为了节省时间以及节省能源,检测车向起点隔板位置行驶的判断方法步骤如下:
步骤300:获取检测车至用于隔离密封管道的两侧隔板的第一距离信息与第二距离信息。
在检测车放置到管道内部时,即检测车的四个轮胎均着地时,开始对两侧隔板的距离进行判断。此时通过距离传感器对两侧的隔板的位置进行检测,从而输出第一距离信息以及第二距离信息。
步骤301:判断第一距离信息是否大于第二距离信息。
在检测完第一距离信息与第二距离信息后,判断第一距离信息与第二距离信息之间的距离长度,从而控制检测车向距离短的一侧前进。
步骤302:若第一距离信息所对应的长度距离大于第二距离信息所对应的长度距离,则控制检测车向第二距离信息所对应的隔板方向行驶。
当第一距离信息所对应的长度距离大于第二距离信息所对应的长度距离时,就控制检测车向第二距离信息所对应的隔板方向行驶,当输出抵触信息后停止前进,并确认起点。
步骤303:若第一距离信息所对应的长度距离等于第二距离信息所对应的长度距离,则控制检测车向任意一处的隔板方向行驶。
当第一距离信息所对应的长度距离等于第二距离信息所对应的长度距离时,就控制检测车向任意一处的隔板方向行驶,当输出抵触信息后停止前进,并确认起点。
步骤304:若第一距离信息所对应的长度距离小于第二距离信息所对应的长度距离,则控制检测车向第一距离信息所对应的隔板方向行驶。
当第一距离信息所对应的长度距离小于第二距离信息所对应的长度距离,就控制检测车向第一距离信息所对应的隔板方向行驶,当输出抵触信息后停止前进,并确认起点。
参照图4所示,检测车在管道内通过摄像头对管道内的裂缝进行检测,并且检测车每次行走一定的距离,从而提高检测的准确性,以及定位的准确,检测车的行驶方法步骤如下:
步骤400:根据起点的抵触信息以获取检测图像信息。
检测车在输出抵触信息后,通过摄像头获取检测图像信息。
步骤401:根据检测图像信息与所预设的像素清晰值之间的比较关系以输出清晰距离。
并且像素清晰值为预设的清洗值,由工作人员根据之前管道内的情况进行判断,从而将图片进行采集,并且将清晰距离也同步进行录入。通过检测图像信息与像素清晰值之间的比较关系以输出清晰距离,清晰距离即图像能够识别全部特征的距离,由于摄像头采集的范围和角度对图像的采集距离有影响,因此不能使用全部图像。
步骤402:根据清晰距离以控制检测车行驶一次清晰距离,并重新获取检测图像信息并重复判断。
通过清晰距离以控制检测车行驶一次清晰距离,即在检测完成后,在判断完裂缝信息后,检测车会运输前进至所判断出来的清洗距离,并且重新获取检测图像信息并重复判断,以做重复小段的前进。
参照图5所示,在定位绳上设置有若干定位点,并给定位绳上的定位点上设置有信号发射器,每个信号发射器同步发送定位点信息,并且每个信号发射器所发送的频率均不同。
检测车上设置有用于接收定位点信息的接收装置,并且同步切换不同定位点信息,并且检测车仅仅接收一个定位点信息,并接收信号最强的定位点信息,即最近的定位点,从而对检测车的行驶位置进行核对,检测车行驶距离核对的方法步骤如下:
步骤500:获取检测车轮胎的当前旋转圈数信息以及设置于定位绳上的定位点信息。
检测车在前进的时候,通过对检测车的轮胎的旋转圈数进行检测,从而输出旋转圈数信息;并且获取定位绳上的定位点信息,从而作为检测的基准。
步骤501:根据定位点信息分别计算旋转圈数信息。
根据所接收的定位点信息分别计算旋转圈数信息,从而判断行驶距离。
步骤502:根据旋转圈数信息与所预设的轮胎外径数值以计算出当前定位点信息下的当前行驶距离。
检测车上的轮胎外径数值为预设的数据,通过旋转圈数信息与轮胎外径数值以计算出当前定位点信息下的当前行驶距离。例如:在只有一个定位点的时候,通过旋转圈数与轮胎外径数值进行乘积,从而计算所经过的路径。在有多个定位点的时候,将每个定位点上所通过旋转圈数与轮胎外径数值进行乘积,并且将所有经过的定位点的路程相加,从而计算所经过的路径。
步骤503:判断检测车的车轮是否停止,并于车轮停止时,同步接收不同定位点信息下的行驶距离,并求和以输出移动距离。
通过旋转圈数的检测情况,从而判断检测车的车轮是否停止。由于车轮是匀速的转动,一旦车轮停止时,同步接收不同定位点信息下的行驶距离,并求和以输出移动距离。
步骤504:若清晰距离与移动距离一致,则完成核对;反之,发出警示。
如果清晰距离与移动距离一致时,则完成核对;如果清晰距离与移动距离不一致时,就会发出警示,从而提示工作人员。
参照图6所示,裂缝模型的训练方法如下:
步骤600:获取管道内侧壁的无裂缝的样本图像信息并作为样本。
获取管道内无裂缝的样本图像信息并作为样本,获取是基于深度学习实现的,通过大量的标注数据作为样本,通过摄像头采集大量无裂缝的样本图像,图像的分辨率优选为640*480。
步骤601:将样本图像信息进行数据清洗并裁剪成预设的图片像素值并进行预处理。
数据清洗就是将重复图像进行删除,过曝图像进行删除,过暗图像进行删除等。并将合格的图像进行裁剪呈图片像素值进行处理,裁剪的过程也可以通过人工框选的方式进行处理。
步骤602:将预处理后的样本图像信息输入至神经网络中进行训练,以学习到可判别目标区域中无裂缝的特征,并选取准确率曲线图中大于所预设的准确率的神经网络模型。
将样本图像信息输入至神经网络,主要用于学习
步骤603:将学习好的神经网络模型进行输出以生成裂缝模型。
通过神经网络的预处理图像进行训练,从而学习到可以判别该目标区域中的裂缝的特制,从而对样本进行预测。同时在对神经网络模型进行使用的时候,挑选取准确率曲线图中大于所预设的准确率的模型,以提高准确性。
完成训练后,得到学习好的神经网络模型,该模型可方便部署到移动设备中,如树莓派3b+等,以实现对裂缝的判断。在判断的时候,一旦判断成功,就表示有裂缝。
参照图7所示,检测车上设置有照明灯,照明灯用于将管道内的昏暗空间进行照明,同时也将清理后的水渍进行烘干,从而提高图像的处理识别率,照明灯的使用方法步骤如下:
步骤700:获取摄像头所识别区域的当前亮暗程度信息以及当前照明灯的当前温度信息。
通过摄像头对所识别区域的当前亮暗程度信息进行检测,同时也对当前照明灯的当前温度信息进行判断,从而对温度和光线的亮暗程度进行判断。
步骤701:判断当前亮暗程度信息是否与所预设的基准亮暗值一致。
基准亮暗值为工作人员所预设的亮暗值,通过对检测出来的亮暗程度信息与基准亮暗值的一致性。
步骤702:若当前亮暗程度信息所对应的亮度与基准亮暗值不一致,则周向旋转照明灯以调节照明灯的角度。
一旦当前亮暗程度信息所对应的亮度与基准亮暗值不一致时,就会周向旋转照明灯以调节照明灯的角度,从而与基准亮暗值保持一致,以提高整体的图像识别效率。
步骤703:判断当前温度信息是否大于所预设的基准温度值。
照明灯采用大功率的照明灯,在照明的同时能提供热量,基准温度值为工作人员预先设置的数值,对当前温度信息是否大于基准温度值进行对比,不仅对亮度进行控制,以保证照明灯完全点亮,并且也对温度进行控制,从而减少水珠。
步骤704:若当前温度信息所对应的温度小于或等于基准温度值,则等待照明灯升温。
一旦当前温度信息所对应的温度小于或等于基准温度值时,则等待照明灯升温,并且继续进行实时的检测。
步骤705:若当前温度信息所对应的温度大于基准温度值,且当前亮暗程度信息所对应的亮度与基准亮暗值一致,则允许检测车输出检测图像信息并允许检测车向另一隔板处行驶。
一旦当前温度信息所对应的温度大于基准温度值,且当前亮暗程度信息所对应的亮度与基准亮暗值一致,则允许检测车上的摄像头输出检测图像信息,并且允许检测车从目前所在的隔板处向另一隔板处行驶。
基于同一申请构思,本申请实施例提供一种排污管道裂缝定位系统,包括:
获取模块,用于获取检测图像信息、抵触信息、第一距离信息、第二距离信息、检测图像信息、旋转圈数信息、定位点信息、样本图像信息、亮暗程度信息以及温度信息;
存储器,用于存储如图1至7中的排污管道裂缝定位方法的程序;
处理器,存储器中的程序能够被处理器加载执行且实现如图1至7中的排污管道裂缝定位方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种计算机可读存储介质,存储有能够被处理器加载并执行如图1至7中方法步骤的计算机程序。
计算机存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
基于同一申请构思,本申请实施例提供一种智能终端,包括存储器和处理器,所属存储器上存储有能够被处理器加载并执行如图1至7中方法步骤的计算机程序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
Claims (10)
1.一种排污管道裂缝定位方法,其特征在于,包括:
获取检测车于管道内壁的检测状态以输出检测图像信息;
根据检测图像信息从预先训练好的裂缝模型中判断出裂缝信息;
检测车行驶至裂缝信息所在位置时,持续发送裂缝定位信息至放置于地面上的定位绳,定位绳同步接收裂缝定位信息并仅接收信号最强处;
根据定位绳上的裂缝定位信息以判断裂缝位置以及裂缝长度。
2.根据权利要求1所述的方法,其特征在于,检测车于管道内检测的起点与终点的判断方法包括:
获取检测车到达两侧的隔板后的抵触信息;
将先接收到抵触信息的一侧定义为起点,并发送起点定位信息至放置于地面上的定位绳,以开启对管道内壁的状态的检测;
将后接收到抵触信息的一侧定义为终点,并发送终点定位信息至放置于地面上的定位绳,以关闭对管道内壁的状态的检测。
3.根据权利要求2所述的方法,其特征在于,检测车向起点隔板位置行驶的判断方法包括:
获取检测车至用于隔离密封管道的两侧隔板的第一距离信息与第二距离信息;
判断第一距离信息是否大于第二距离信息;
若第一距离信息所对应的长度距离大于第二距离信息所对应的长度距离,则控制检测车向第二距离信息所对应的隔板方向行驶;
若第一距离信息所对应的长度距离等于第二距离信息所对应的长度距离,则控制检测车向任意一处的隔板方向行驶;
若第一距离信息所对应的长度距离小于第二距离信息所对应的长度距离,则控制检测车向第一距离信息所对应的隔板方向行驶。
4.根据权利要求2所述的方法,其特征在于,检测车在获取管道内壁的状态时的行驶方法包括:
根据起点的抵触信息以获取检测图像信息;
根据检测图像信息与所预设的像素清晰值之间的比较关系以输出清晰距离;
根据清晰距离以控制检测车行驶一次清晰距离,并重新获取检测图像信息并重复判断。
5.根据权利要求4所述的方法,其特征在于,定位绳上设置有若干定位点并同步发送不同频率的定位点信息,且检测车同步切换不同定位点信息并接收信号最强的定位点信息,检测车行驶距离核对方法包括:
获取检测车轮胎的当前旋转圈数信息以及设置于定位绳上的定位点信息;
根据定位点信息分别计算旋转圈数信息;
根据旋转圈数信息与所预设的轮胎外径数值以计算出当前定位点信息下的当前行驶距离;
判断检测车的车轮是否停止,并于车轮停止时,同步接收不同定位点信息下的行驶距离,并求和以输出移动距离;
若清晰距离与移动距离一致,则完成核对;反之,发出警示。
6.根据权利要求1所述的方法,其特征在于,裂缝模型的训练方法如下:
获取管道内侧壁的无裂缝的样本图像信息并作为样本;
将样本图像信息进行数据清洗并裁剪成预设的图片像素值并进行预处理;
将预处理后的样本图像信息输入至神经网络中进行训练,以学习到可判别目标区域中无裂缝的特征,并选取准确率曲线图中大于所预设的准确率的神经网络模型;
将学习好的神经网络模型进行输出以生成裂缝模型。
7.根据权利要求1所述的方法,其特征在于,检测车上设置有照明灯,照明灯的使用方法包括:
获取摄像头所识别区域的当前亮暗程度信息以及当前照明灯的当前温度信息;
判断当前亮暗程度信息是否与所预设的基准亮暗值一致;
若当前亮暗程度信息所对应的亮度与基准亮暗值不一致,则周向旋转照明灯以调节照明灯的角度;
判断当前温度信息是否大于所预设的基准温度值;
若当前温度信息所对应的温度小于或等于基准温度值,则等待照明灯升温;
若当前温度信息所对应的温度大于基准温度值,且当前亮暗程度信息所对应的亮度与基准亮暗值一致,则允许检测车输出检测图像信息并允许检测车向另一隔板处行驶。
8.一种排污管道裂缝定位系统,其特征在于,包括:
获取模块,用于获取检测图像信息、抵触信息、第一距离信息、第二距离信息、检测图像信息、旋转圈数信息、定位点信息、样本图像信息、亮暗程度信息以及温度信息;
存储器,用于存储如权利要求1至7中任一项的排污管道裂缝定位方法的程序;
处理器,存储器中的程序能够被处理器加载执行且实现如权利要求1至7中任一项的排污管道裂缝定位方法。
9.一种智能终端,其特征在于,包括存储器和处理器,所属存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601831.XA CN111947043A (zh) | 2020-06-28 | 2020-06-28 | 一种排污管道裂缝定位方法、系统、智能终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601831.XA CN111947043A (zh) | 2020-06-28 | 2020-06-28 | 一种排污管道裂缝定位方法、系统、智能终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111947043A true CN111947043A (zh) | 2020-11-17 |
Family
ID=73337771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601831.XA Pending CN111947043A (zh) | 2020-06-28 | 2020-06-28 | 一种排污管道裂缝定位方法、系统、智能终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111947043A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341993A (zh) * | 2021-06-21 | 2021-09-03 | 杭州越歌科技有限公司 | 管道检测机器人自动导航方法、系统、存储介质及机器人 |
CN113958797A (zh) * | 2021-10-20 | 2022-01-21 | 杭州越歌科技有限公司 | 一种管道机器人检测方法、系统、存储介质及智能终端 |
CN114413105A (zh) * | 2022-01-25 | 2022-04-29 | 广东银浩智能技术有限公司 | 管道破损检测机器人的控制方法及系统 |
CN114508646A (zh) * | 2022-01-25 | 2022-05-17 | 广东银浩智能技术有限公司 | 利用管道机器人检修管道的智能检测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03128443A (ja) * | 1989-10-13 | 1991-05-31 | Kyushu Electric Power Co Inc | 管内検査装置 |
CN101713493A (zh) * | 2008-10-06 | 2010-05-26 | 中国石油化工股份有限公司 | 一种管道内检测装置的定位装置和定位系统 |
CN204086546U (zh) * | 2014-09-26 | 2015-01-07 | 广东埃彼咨管道技术有限公司 | 一种北斗卫星油气管道检测定位装置 |
CN105805563A (zh) * | 2016-05-10 | 2016-07-27 | 广州丰谱信息技术有限公司 | 基于随路内窥式管道泄漏及堵塞的超声检测装置与方法 |
CN107886133A (zh) * | 2017-11-29 | 2018-04-06 | 南京市测绘勘察研究院股份有限公司 | 一种基于深度学习的地下管道缺陷自动识别方法 |
CN108087660A (zh) * | 2017-12-05 | 2018-05-29 | 浙江景迈环境工程有限公司 | 地下管道非开挖修复缺陷点的定位方法 |
CN110145692A (zh) * | 2019-05-23 | 2019-08-20 | 昆山华新建设工程有限公司 | 污水管道cctv检测系统及方法 |
CN209876528U (zh) * | 2019-05-08 | 2019-12-31 | 浙江钢信检测技术有限公司 | 一种长输管道泄漏监测装置 |
-
2020
- 2020-06-28 CN CN202010601831.XA patent/CN111947043A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03128443A (ja) * | 1989-10-13 | 1991-05-31 | Kyushu Electric Power Co Inc | 管内検査装置 |
CN101713493A (zh) * | 2008-10-06 | 2010-05-26 | 中国石油化工股份有限公司 | 一种管道内检测装置的定位装置和定位系统 |
CN204086546U (zh) * | 2014-09-26 | 2015-01-07 | 广东埃彼咨管道技术有限公司 | 一种北斗卫星油气管道检测定位装置 |
CN105805563A (zh) * | 2016-05-10 | 2016-07-27 | 广州丰谱信息技术有限公司 | 基于随路内窥式管道泄漏及堵塞的超声检测装置与方法 |
CN107886133A (zh) * | 2017-11-29 | 2018-04-06 | 南京市测绘勘察研究院股份有限公司 | 一种基于深度学习的地下管道缺陷自动识别方法 |
CN108087660A (zh) * | 2017-12-05 | 2018-05-29 | 浙江景迈环境工程有限公司 | 地下管道非开挖修复缺陷点的定位方法 |
CN209876528U (zh) * | 2019-05-08 | 2019-12-31 | 浙江钢信检测技术有限公司 | 一种长输管道泄漏监测装置 |
CN110145692A (zh) * | 2019-05-23 | 2019-08-20 | 昆山华新建设工程有限公司 | 污水管道cctv检测系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341993A (zh) * | 2021-06-21 | 2021-09-03 | 杭州越歌科技有限公司 | 管道检测机器人自动导航方法、系统、存储介质及机器人 |
CN113958797A (zh) * | 2021-10-20 | 2022-01-21 | 杭州越歌科技有限公司 | 一种管道机器人检测方法、系统、存储介质及智能终端 |
CN114413105A (zh) * | 2022-01-25 | 2022-04-29 | 广东银浩智能技术有限公司 | 管道破损检测机器人的控制方法及系统 |
CN114508646A (zh) * | 2022-01-25 | 2022-05-17 | 广东银浩智能技术有限公司 | 利用管道机器人检修管道的智能检测方法及系统 |
CN114413105B (zh) * | 2022-01-25 | 2024-02-06 | 广东银浩智能技术有限公司 | 管道破损检测机器人的控制方法及系统 |
CN114508646B (zh) * | 2022-01-25 | 2024-04-23 | 广东银浩智能技术有限公司 | 利用管道机器人检修管道的智能检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111947043A (zh) | 一种排污管道裂缝定位方法、系统、智能终端及存储介质 | |
CN108645628B (zh) | 基于道路驾驶技能的自动驾驶汽车测试系统 | |
CN112102646B (zh) | 一种泊车定位中的停车场入口定位方法、装置及车载终端 | |
US20210018426A1 (en) | Metal loss determinations based on thermography machine learning approach for insulated structures | |
CN114352947A (zh) | 一种燃气管道泄漏检测方法、系统、装置及存储介质 | |
CN107787508A (zh) | 灯具停车引导 | |
CN104932507A (zh) | 一种夜间巡逻机器人自动循迹方法 | |
KR101607078B1 (ko) | 비전을 이용한 지중관로의 곡률 측정 및 맵핑 방법 | |
KR101944497B1 (ko) | 지능형 cctv를 활용한 무인주행차량의 제어시스템 및 방법 | |
CN205486309U (zh) | 一种通过拍照检测电容安装正确与否的装置 | |
CN111610191B (zh) | 一种道路检测与修复系统 | |
Diaz et al. | Development of an adaptive in-pipe inspection robot with rust detection and localization | |
CN105588440A (zh) | 烧结机台车位置检测方法及装置 | |
CN101847011A (zh) | 一种用于移动机器人的便携式区域定位覆盖方法 | |
CN112326552B (zh) | 基于视觉和力觉感知的隧道掉块病害检测方法和系统 | |
KR101717758B1 (ko) | 이송관로의 검사장치 | |
KR20100041641A (ko) | 배관 내 그림자를 이용한 랜드마크 인식방법에 기반한 배관탐사 로봇시스템 | |
CN104575097A (zh) | 一种以激光光刀为辅助光源的车位识别方法与装置 | |
CN117292343A (zh) | 一种巡检机器人管道连接处的识别方法 | |
CN207516258U (zh) | 狭窄空间的多功能检测车 | |
CN116429328B (zh) | 一种外墙窗户渗漏检测方法、系统、存储介质及智能终端 | |
CN116818490A (zh) | 一种管道强度检测方法、系统、存储介质及智能终端 | |
WO2020158262A1 (ja) | 劣化診断装置、劣化診断システム、劣化診断方法、記録媒体 | |
KR101901918B1 (ko) | 관로 내 주행체의 이동거리 측정 시스템 및 그 방법 | |
CN115238840A (zh) | 一种巡检机器人定位方法、系统、存储介质及智能终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |