CN115841466A - 排水管网缺陷自动定量评估方法 - Google Patents
排水管网缺陷自动定量评估方法 Download PDFInfo
- Publication number
- CN115841466A CN115841466A CN202211515733.XA CN202211515733A CN115841466A CN 115841466 A CN115841466 A CN 115841466A CN 202211515733 A CN202211515733 A CN 202211515733A CN 115841466 A CN115841466 A CN 115841466A
- Authority
- CN
- China
- Prior art keywords
- defect
- defects
- pipe section
- pipe
- drainage
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了排水管网缺陷自动定量评估方法,步骤1:将排水管道缺陷类型分为五类;根据排水管道缺陷的严重程度分为四个等级;依据物理量α值的大小确定缺陷等级,再根据这四个等级进行打分;步骤2:通过计数像素来确定排水管道缺陷的面积、长度和角度,得到缺陷数据,按照这五类排水管道缺陷的特性,使用缺陷数据衡量排水管道缺陷的大小;步骤3:依据排水管道缺陷的等级划分和重要程度打分,确定排水管道缺陷的类型、严重程度、以及缺陷密度,再依据严重程度和缺陷类型建立管段修复模型,评估管段修复等级。本发明的方法,在一定程度上可提高排水管道缺陷评估的效率,减轻判读人员的工作量,具有一定的实用意义。
Description
技术领域
本发明属于排水管网的缺陷评估技术领域,具体涉及一种排水管网缺陷自动定量评估方法。
背景技术
城市地下排水管网如同城市的“血管”,与城市的发展密不可分,是现代化城市建设不可或缺的一部分。随着城市发展对生态环境的要求,开始对城市排水管网进行系统排查,但是当前基于规程的排水管道缺陷量化评估方法还是依托于专业人员通过肉眼对缺陷严重程度的评判,该方法存在诸多缺点,已不能满足高效化发展的需求。
城市排水管网系统的健康运行对于城市的公共健康、安全至关重要,当前相关部门高度重视管道缺陷的排查,CCTV检测系统的应用,取代了传统的检测方法,可以获得管道内部的视频数据,为后期管道维护与修复提供依据。检测人员通过判读CCTV检测视频,判断是否存在缺陷并评估缺陷等级出具评估报告,由于视频数据量庞大、专业判读人员的状态时刻在改变,因此,该过程高度依赖判读人员的专业水平和工作状态,存在主观性强和出错率高等问题。
发明内容
本发明的目的是提供排水管网缺陷自动定量评估方法,解决了现有技术中排水管道缺陷评估的效率不够高、判读人员的工作量较大的问题。
本发明所采用的技术方案是;
排水管网缺陷自动定量评估方法,具体按照如下步骤进行:
步骤1:将排水管道缺陷类型分为接口类缺陷、管道底部主要缺陷、管道上壁主要缺陷、变形以及支管暗接的五类;根据排水管道缺陷的严重程度分为轻度、中度、重度以及严重四个等级;依据物理量α值的大小确定缺陷等级,再根据这四个等级进行打分;
步骤2:通过计数像素来确定排水管道缺陷的面积、长度和角度,得到缺陷数据,按照这五类排水管道缺陷的特性,使用缺陷数据衡量排水管道缺陷的大小;
步骤3:依据排水管道缺陷的等级划分和重要程度打分,确定排水管道缺陷的类型、严重程度、以及缺陷密度,再依据严重程度和缺陷类型建立管段修复模型,评估管段修复等级。
本发明的特点还在于;
步骤1中:接口类缺陷包括错口、起伏、脱节;管道底部主要缺陷包括障碍物和沉积;管道上壁主要缺陷包括破裂和腐蚀。
步骤1中,接口类缺陷严重程度用物理量α=l/d表示;其中,l为错口、起伏或脱节的距离;d为管壁厚度;
管道底部主要缺陷严重程度用物理量α=a/s表示,其中,a为障碍物或沉积缺陷的面积;s为排水管道的横截面面积;
管道上壁主要缺陷严重程度用物理量α=l/d表示,其中,l为破裂或腐蚀缺陷的长度;d为排水管道的横截面周长;
支管暗接严重程度用物理量α=l/d表示,其中,l为暗接支管伸入到排水管道中的长度;d为主排水管道的直径。
步骤2具体为:缺陷面积是使用Python的numpy库的布尔索引实现的,numpy是支持大量的数组和矩阵运算,为矩阵运算提供大量的数学函数库;使用Python的numpy库的布尔索引实现语义分割结果图像缺陷像素的提取,确定缺陷像素个数,再通过确定CCTV检测的拍摄视场和焦距,建立缺陷分割图像、拍摄原图和视场大小的关系,实现管道缺陷自动识别和严重程度量化计算,以便进行缺陷等级划分和分值确定;缺陷分割输出图的大小与视场大小之间的关系如下公式(1):
其中,W为视场宽度;H为视场高度;s”为分割图像面积;w',h'为采用1/3CCD摄像机拍摄时,拍摄原图的宽度和高度;w”,s”为分割图像的宽度和高度;s'为拍摄原图的面积;
由此可得缺陷面积计算式如下公式(2):
步骤3具体为:用评定管段损坏状况参数F评定管段损坏状况,当Smax≥S时,F=Smax;当Smax<S时,F=S;Smax为管段损坏状况参数,管段缺陷中损坏最严重处的分值;S为管段损坏状况参数,按缺陷点数的平均分值;
管段损坏状况参数S用以下方式计算:
其中,Smax=max{Pi};n=n1+n2;n为管段的缺陷数量;n1为纵向净距大于1.5m的缺陷数量;n2为纵向净距大于1m不大于1.5m的缺陷数量;Pi为对应纵距的缺陷分值;β为缺陷影响系数;
管段的缺陷密度按照如下公式(4)计算
其中,SM为管段缺陷密度;L为管段长度;Li1为纵向净距大于1.5m的缺陷长度;Li2为纵向净距大于1m且不大于1.5m的缺陷长度;
根据得到管段损坏参数F和管段缺陷密度SM,进行管段缺陷等级的评定和管段缺陷类型的评定;
管段状况评估模型如下公式(5):
RI=0.7×F+0.1×K+0.05×E+0.15×T(5);
其中,RI为管段修复指数;K为地区重要性参数;
通过管段修复指数判断管段的损坏状况,评估管段修复等级。
本发明的有益效果是,本发明排水管网缺陷自动定量评估方法,通过建立了排水管段缺陷自动量化评估方法,以管段损坏状况、地区重要程度、管道重要程度以及埋管土质状况为影响因素,建立管段状况评估模型,判断管段的修复等级,提出管段的修复建议;本发明方法可以提高排水管道缺陷评估的效率,减轻判读人员的工作量,具有一定的实用意义。
附图说明
图1是本发明排水管网缺陷自动定量评估方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明排水管网缺陷自动定量评估方法进行详细说明。
排水管网缺陷自动定量评估方法,具体按照如下步骤进行:
第一步:排水管道各缺陷严重程度分析;
为了减少统计的工作量和量化计算的复杂程度,将不同缺陷分为5大类。根据缺陷的严重程度,分为轻度、中度、重度、严重4个等级,依据物理量α值的大小,确定缺陷等级,再根据这四个等级进行打分,分值P记为0.5、2、5、10。
缺陷类型具体分为:接口类缺陷包括错口、起伏和脱节;管道底部主要缺陷包括障碍物和沉积;管道上壁主要缺陷包括破裂和腐蚀;变形;支管暗接。
各类缺陷分级记分标准如下:
接口类缺陷,包括错口、起伏、脱节;
接口类缺陷严重程度用物理量α=l/d表示,l为错口、起伏或脱节的距离;d为管壁厚度。当α<0.5时,为轻度缺陷,分值P1记为0.5分;0.5≤α<1时,为中度缺陷,记2分;1≤α<2时,为重度缺陷,记5分;α≥2时,为严重缺陷,记10分。
管道底部主要缺陷,包括障碍物和沉积;
管道底部主要缺陷严重程度用物理量α=a/s表示,a为障碍物或沉积缺陷的面积;s为排水管道的横截面面积。当α<0.15时,为轻度缺陷,分值P2记为0.5分;0.15≤α<0.25时,为中度缺陷,记2分;0.25≤α<0.5时,为重度缺陷,记5分;α≥0.5时,为严重缺陷,记10分。
管道上壁主要缺陷,包括破裂和腐蚀;
管道上壁主要缺陷严重程度用物理量α=l/d表示,l为破裂或腐蚀缺陷的长度;d为排水管道的横截面周长。当α<0.1时,为轻度缺陷,分值P3记为0.5分;0.1≤α<0.3时,中度缺陷,记2分;0.3≤α<0.6时,为重度缺陷,记5分;α≥0.6时,为严重缺陷,记10分。
变形;
管道变形严重程度用物理量表示,θ为变形的角度。当α<10时,为轻度缺陷,分值P4记为0.5分;10≤α<25时,中度缺陷,记2分;25≤α<50时,为重度缺陷,记5分;α≥50时,为严重缺陷,记10分。
支管暗接;
支管暗接严重程度用物理量α=l/d表示,l为暗接支管伸入到排水管道中的长度;d为主排水管道的直径。当α<0.1时,为轻度缺陷,分值P5记为0.5分;0.1≤α<0.2时,中度缺陷,记2分;α≥0.2时,为重度缺陷,记5分。
第二步:管道缺陷量化提取;
为评估管道缺陷的严重程度,按照这五类缺陷特性,分别用缺陷的面积、长度和角度衡量缺陷大小。缺陷的面积、长度和角度通过计数像素来确定。
缺陷面积是使用Python的numpy库的布尔索引实现的,numpy是支持大量的数组和矩阵运算,为矩阵运算提供大量的数学函数库。缺陷衡量是找到语义分割结果中各缺陷颜色对应像素值,并求出返回的矩阵大小,便可知道由多少个像素的累积计算出来的。同理找到用长度衡量缺陷颜色对应的像素值。使用Python的numpy库的布尔索引实现语义分割结果图像缺陷像素的提取,确定缺陷像素个数,再通过确定CCTV检测的拍摄视场和焦距,建立缺陷分割图像、拍摄原图和视场大小的关系,实现管道缺陷自动识别和严重程度量化计算,以便进行缺陷等级划分和分值确定。
缺陷分割输出图的大小与视场大小之间的关系如下公式(1):
W为视场宽度;H为视场高度;s”为分割图像面积;w',h'为采用1/3CCD摄像机拍摄时,拍摄原图的宽度和高度;w”,s”为分割图像的宽度和高度;s'为拍摄原图的面积。
由此可得缺陷面积计算式如下:
排水管道量化评价方案;
依据缺陷严重程度等级划分和记分情况,得到管段缺陷的严重程度和缺陷类型,再建立管段修复模型,评估管段修复等级,管段修复等级越高,表示管段的破坏越严重,修复越紧急。
用评定管段损坏状况参数F评定管段损坏状况,当Smax≥S时,F=Smax;当Smax<S时,F=S;Smax为管段损坏状况参数,管段缺陷中损坏最严重处的分值;S为管段损坏状况参数,按缺陷点数的平均分值。
管段损坏状况参数S用以下方式计算;
Smax=max{Pi};n=n1+n2;n为管段的缺陷数量;n1为纵向净距大于1.5m的缺陷数量;n2为纵向净距大于1m不大于1.5m的缺陷数量;Pi为对应纵距的缺陷分值;β为缺陷影响系数,与缺陷间距有关,当缺陷得纵向净距大于1m且不大于1.5m时,β=1.1。
管段的缺陷密度;
SM为管段缺陷密度;L为管段长度(m);Li1为纵向净距大于1.5m的缺陷长度;Li2为纵向净距大于1m且不大于1.5m的缺陷长度。
根据上述方法可得到管段损坏参数F和管段缺陷密度SM,进行管段缺陷等级的评定和管段缺陷类型的评定。缺陷等级评定依据:当管段损坏参数F≤1时,管段无或有轻微缺陷,结构状况基本不受影响,但具有潜在变坏的可能,评定等级为I级;当管段损坏参数1<F≤3时,管段缺陷明显超过一级,有变坏的趋势,评定等级为II级;当管段损坏参数3<F≤6时,管段缺陷严重,结构状况受到影响,评定等级为III级;当管段损坏参数F>6时,则认为管段存在重大缺陷,损坏严重或即将导致破坏,评定等级为IV级。管段缺陷类型的评定主要参照管段缺陷密度SM,当SM<0.1时,认为该管段存在局部缺陷;当SM大于0.1小于且等于0.5时,认为管段存在部分或整体缺陷,当SM大于0.5时,则认为管段存在整体缺陷。
建立管段修复模型不仅要考虑排水管道的缺陷情况,管道的内部因素和外部因素同样重要。通过CCTV检测的缺陷识别,可以了解管段的缺陷情况,但是管段的重要程度,地区重要性等也是进行缺陷量化的重要指标。考虑管段损坏状况、地区类别、管道重要性和埋管土质四个主要影响因素,建立了如下管段状况评估模型:
RI=0.7×F+0.1×K+0.05×E+0.15×T(5);
R为管段修复指数;K为地区重要性参数。中心商业区,附近具有甲类民用建筑工程的区域,取K=10;交通干道、附近具有乙类民用建筑工程的区域,取K=6;其它行车道路、附近具有丙类民用建筑工程的区域,取K=3;所有其它区域或F<4时,取K=0。E为管道重要性参数,当管径大于1500mm时,取E=10;当管径大于1000mm小于等于1500mm时,取E=6;当管径大于600mm小于等于1500mm时,取E=3;当管径小于600mm或者F<4时,取E=0。T为土质影响参数,土质为粉砂层或者淤泥,取T=10;土质为淤泥质土,取T=8;土质为一般土层或者F=0,取T=0。
通过管段修复指数可判断管段的损坏状况,提出管段修复建议,即依据修复指数RI的数值大小确定紧急状况,提出修复建议。当RI≤1时,修复等级为I级;当1<RI≤3时,修复等级为II级;当3<RI≤6时,修复等级为III级;当RI>6时,修复等级为IV级。
本发明排水管网缺陷自动定量评估方法,通过详细分析管道缺陷的特点,提供该评估方法,提升了排水管道缺陷评估的精确度和效率。进而减轻了工作人员的工作量,提升了工作的效率,具有较好的实用性。
Claims (5)
1.排水管网缺陷自动定量评估方法,其特征在于,具体按照如下步骤进行:
步骤1:将排水管道缺陷类型分为接口类缺陷、管道底部主要缺陷、管道上壁主要缺陷、变形以及支管暗接的五类;根据排水管道缺陷的严重程度分为轻度、中度、重度以及严重四个等级;依据物理量α值的大小确定缺陷等级,再根据这四个等级进行打分;
步骤2:通过计数像素来确定排水管道缺陷的面积、长度和角度,得到缺陷数据,按照这五类排水管道缺陷的特性,使用缺陷数据衡量排水管道缺陷的大小;
步骤3:依据排水管道缺陷的等级划分和重要程度打分,确定排水管道缺陷的类型、严重程度、以及缺陷密度,再依据严重程度和缺陷类型建立管段修复模型,评估管段修复等级。
2.根据权利要求1所述的排水管网缺陷自动定量评估方法,其特征在于,步骤1中:接口类缺陷包括错口、起伏、脱节;管道底部主要缺陷包括障碍物和沉积;管道上壁主要缺陷包括破裂和腐蚀。
4.根据权利要求1所述的排水管网缺陷自动定量评估方法,其特征在于,步骤2具体为:缺陷面积是使用Python的numpy库的布尔索引实现的,numpy是支持大量的数组和矩阵运算,为矩阵运算提供大量的数学函数库;使用Python的numpy库的布尔索引实现语义分割结果图像缺陷像素的提取,确定缺陷像素个数,再通过确定CCTV检测的拍摄视场和焦距,建立缺陷分割图像、拍摄原图和视场大小的关系,实现管道缺陷自动识别和严重程度量化计算,以便进行缺陷等级划分和分值确定;缺陷分割输出图的大小与视场大小之间的关系如下公式(1):
其中,W为视场宽度;H为视场高度;s”为分割图像面积;w',h'为采用1/3CCD摄像机拍摄时,拍摄原图的宽度和高度;w”,s”为分割图像的宽度和高度;s'为拍摄原图的面积;
由此可得缺陷面积计算式如下公式(2):
5.根据权利要求1所述的排水管网缺陷自动定量评估方法,其特征在于,步骤3具体为:用评定管段损坏状况参数F评定管段损坏状况,当Smax≥S时,F=Smax;当Smax<S时,F=S;Smax为管段损坏状况参数,管段缺陷中损坏最严重处的分值;S为管段损坏状况参数,按缺陷点数的平均分值;
管段损坏状况参数S用以下方式计算:
其中,Smax=max{Pi};n=n1+n2;n为管段的缺陷数量;n1为纵向净距大于1.5m的缺陷数量;n2为纵向净距大于1m不大于1.5m的缺陷数量;Pi为对应纵距的缺陷分值;β为缺陷影响系数;
管段的缺陷密度按照如下公式(4)计算
其中,SM为管段缺陷密度;L为管段长度;Li1为纵向净距大于1.5m的缺陷长度;Li2为纵向净距大于1m且不大于1.5m的缺陷长度;
根据得到管段损坏参数F和管段缺陷密度SM,进行管段缺陷等级的评定和管段缺陷类型的评定;
管段状况评估模型如下公式(5):
RI=0.7×F+0.1×K+0.05×E+0.15×T(5);
其中,RI为管段修复指数;K为地区重要性参数;
通过管段修复指数判断管段的损坏状况,评估管段修复等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211515733.XA CN115841466A (zh) | 2022-11-30 | 2022-11-30 | 排水管网缺陷自动定量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211515733.XA CN115841466A (zh) | 2022-11-30 | 2022-11-30 | 排水管网缺陷自动定量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115841466A true CN115841466A (zh) | 2023-03-24 |
Family
ID=85576245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211515733.XA Pending CN115841466A (zh) | 2022-11-30 | 2022-11-30 | 排水管网缺陷自动定量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841466A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756885A (zh) * | 2023-05-12 | 2023-09-15 | 长江勘测规划设计研究有限责任公司 | 基于动态规划的排水管网缺陷修复设计及规模论证方法 |
CN117079182A (zh) * | 2023-07-31 | 2023-11-17 | 上海启呈信息科技有限公司 | 一种基于大数据分析的管网管理方法及系统 |
CN117495093A (zh) * | 2023-11-08 | 2024-02-02 | 哈尔滨航天恒星数据系统科技有限公司 | 一种排水管网缺陷隐患风险评估方法、电子设备及存储介质 |
CN117974117A (zh) * | 2024-04-01 | 2024-05-03 | 中国电建集团江西省电力设计院有限公司 | 城市排水管网快速清检修管理方法及系统 |
-
2022
- 2022-11-30 CN CN202211515733.XA patent/CN115841466A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756885A (zh) * | 2023-05-12 | 2023-09-15 | 长江勘测规划设计研究有限责任公司 | 基于动态规划的排水管网缺陷修复设计及规模论证方法 |
CN116756885B (zh) * | 2023-05-12 | 2023-12-05 | 长江勘测规划设计研究有限责任公司 | 基于动态规划的排水管网缺陷修复设计及规模论证方法 |
CN117079182A (zh) * | 2023-07-31 | 2023-11-17 | 上海启呈信息科技有限公司 | 一种基于大数据分析的管网管理方法及系统 |
CN117079182B (zh) * | 2023-07-31 | 2024-02-23 | 上海启呈信息科技有限公司 | 一种基于大数据分析的管网管理方法及系统 |
CN117495093A (zh) * | 2023-11-08 | 2024-02-02 | 哈尔滨航天恒星数据系统科技有限公司 | 一种排水管网缺陷隐患风险评估方法、电子设备及存储介质 |
CN117974117A (zh) * | 2024-04-01 | 2024-05-03 | 中国电建集团江西省电力设计院有限公司 | 城市排水管网快速清检修管理方法及系统 |
CN117974117B (zh) * | 2024-04-01 | 2024-06-11 | 中国电建集团江西省电力设计院有限公司 | 城市排水管网快速清检修管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115841466A (zh) | 排水管网缺陷自动定量评估方法 | |
KR102008973B1 (ko) | 딥러닝 기반의 하수도관 내부 결함 탐지 장치 및 방법 | |
US10818003B2 (en) | High-precision intelligent detection method for bridge diseases based on spatial position | |
CN112258496A (zh) | 一种基于全卷积神经网络的地下排水管道病害分割方法 | |
US20030023404A1 (en) | Method and apparatus for the automated detection and classification of defects in sewer pipes | |
Sinha et al. | Intelligent system for condition monitoring of underground pipelines | |
CN112036734B (zh) | 一种隧道主体结构健康状态评价及养护对策确定方法 | |
CN114675261B (zh) | 一种基于探地雷达的城市地下病害体全生命周期管理方法 | |
CN112686217A (zh) | 一种基于Mask R-CNN的地下排水管道病害像素级别的检测方法 | |
CN116777223A (zh) | 一种城市地下管网安全综合风险评估方法及系统 | |
US11967056B2 (en) | Systems, methods and apparatuses for detecting and analyzing defects in underground infrastructure systems | |
CN113763363A (zh) | 一种排水管道破裂缺陷检测及等级评定方法 | |
CN115311260A (zh) | 一种公路交通工程路面质量检测方法 | |
CN115204688A (zh) | 排水系统健康性综合评价方法 | |
Dirksen et al. | The role of uncertainty in urban drainage decisions: uncertainty in inspection data and their impact on rehabilitation decisions | |
CN114282298B (zh) | 一种道路技术状况处理方法 | |
CN115438547A (zh) | 基于路面服役状态的整体评价方法及系统 | |
CN113592863B (zh) | 基于图像处理的城市道路积水检测方法及系统 | |
CN115795864A (zh) | 片区排水管网缺失的治理修复方法 | |
CN114372411A (zh) | 一种供水管网巡检、查漏和改造三阶段病害诊断方法 | |
Khazraeializadeh | A comparative analysis on sewer structural condition grading systems using four sewer condition assessment protocols | |
CN111552732A (zh) | 高速路面病害大数据智能分析方法 | |
CN115620041B (zh) | 一种路面病害感知与服役状态评价方法 | |
Iseley et al. | Condition assessment of sewer systems | |
CN114353866A (zh) | 一种用于管廊结构健康状态的多元综合定量检测方法 |
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 |