CN116401496B - 给排水管道检测内部缺陷信息方法、装置、设备及介质 - Google Patents
给排水管道检测内部缺陷信息方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116401496B CN116401496B CN202310670619.2A CN202310670619A CN116401496B CN 116401496 B CN116401496 B CN 116401496B CN 202310670619 A CN202310670619 A CN 202310670619A CN 116401496 B CN116401496 B CN 116401496B
- Authority
- CN
- China
- Prior art keywords
- data
- pipeline
- historical
- climate
- acquiring
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 56
- 230000007547 defect Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 153
- 238000012360 testing method Methods 0.000 claims abstract description 99
- 230000008439 repair process Effects 0.000 claims description 34
- 238000012937 correction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 239000008399 tap water Substances 0.000 description 12
- 235000020679 tap water Nutrition 0.000 description 12
- 230000001960 triggered effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mechanical Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及管道检测的技术领域，尤其是涉及一种给排水管道检测内部缺陷信息方法、装置、设备及存储介质，其给排水管道检测内部缺陷信息方法包括：获取目标管道位置，获取所述目标管道位置对应的目标气候数据；获取测试设备标识，根据所述测试设备标识获取对应的测试基准参数；从所述测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息。本申请具有提升对管道进行检测时的准确度的效果。
Description
技术领域
本发明涉及管道检测的技术领域，尤其是涉及一种给排水管道检测内部缺陷信息方法、装置、设备及介质。
背景技术
目前，随着排水管道的持续使用，例如给排水管道或自来水管道，由于给排水管道中的废水或者自来水管道中的自来水中含有矿物质，导致容易在管道的内壁产生结垢，在给排水管道中的排水的水压，或者自来水管道中的自来水供水的水压不变的情况下，随着结垢不断地产生，管道在供水时收到的压力也会不断增大，从而容易导致水管破裂，因此需要定期对管道进行检测和修复，以保证管道的正常使用。
现有的对自来水管道进行检测时，通常是使用相应的检测设备，例如高灵敏度的升学水听器，以及配合高清摄像头对自来水管道进行拍摄，以检测自来水管道是否出现漏水和管道内部结垢堆积的情况。
然而，随着对检测数据的不断统计分析，发现现有对管道进行检测的检测结果不够准确，导致对管道进行修复不够及时，因此，还有改善空间。
发明内容
为了提升对管道进行检测时的准确度，本申请提供一种给排水管道检测内部缺陷信息方法、装置、设备及介质。
本申请的上述发明目的一是通过以下技术方案得以实现的：
一种给排水管道检测内部缺陷信息方法，所述给排水管道检测内部缺陷信息方法包括：
获取目标管道位置，获取所述目标管道位置对应的目标气候数据；
获取测试设备标识，根据所述测试设备标识获取对应的测试基准参数；
从所述测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；
根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息。
通过采用上述技术方案，由于在对管道进行检测时，气候的因素也会造成对管道进行检测的结果的误差，例如温度的变化，会影响管道的膨胀和搜索，从而改变管道的形状和尺寸；又例如大气压的变化，会影响管道内的水压等，导致影响检测的结果的准确性，通过根据目标管道位置，获取当地的目标气候数据，并且结合检测设备设置的测试基准参数，计算出在该目标气候数据下，需要调整的参数，即参数纠偏数据，进而根据该参数纠偏数据对参数基准参数进行纠偏后，能够触发符合当前目标气候数据的管道检测消息，进而能够减少气候对管道检测的检测结果带来的影响，提升了管道检测的准确性。
本申请在一较佳示例中可以进一步配置为：所述获取目标管道位置，获取所述目标管道位置对应的目标气候数据，具体包括：
获取历史管道修复数据，计算每个所述历史管道修复数据之间的相似度，将所述相似度位于预设区间的所述历史管道修复数据分为一组，作为待分析数据组；
获取每个所述待分析数据组中的每个历史管道检测数据，获取每个所述历史管道检测数据和对应的所述历史管道修复数据之间的管道数据差值；
每个所述待分析数据组中筛选所述管道数据差值大于预设值的所述历史管道检测数据，得到与每一个所述待分析数据组对应的历史检测数据组；
获取每个所述历史检测数据组对应的历史气候数据，根据所述历史气候数据的气候数据维度获取对应的目标气候数据。
通过采用上述技术方案，通过对每个历史管道修复数据之间计算相似度，并根据相似度进行分组以得到待分析数据组，能够将相近的待修复的管道实际情况分为一类，同时，依据历史管道修复数据为基准进行分组，能够筛选出在相同的管道实际情况下，不同的管道检测结果，从而便于分析导致管道检测结果的不同的原因；通过筛选得到历史检测数据组，并针对历史检测数据组获取对应的历史气候数据，根据该历史气候数据获取对应的目标气候数据，能够利用历史对管道进行检测的经验，获取精准的维度的目标气候数据，有利于计算得到的参数纠偏数据的精准度。
本申请在一较佳示例中可以进一步配置为：在所述根据所述目标气候数据对所述测试参数信息进行计算之前，所述给排水管道检测内部缺陷信息方法还包括：
将每个所述历史检测数据组中的历史气候数据和对应的历史管道检测数据进行关联，得到待训练数据组；
根据所述待训练数据组和所述历史管道检测数据进行训练，得到与每个所述历史检测数据组对应的参数调节模型。
通过采用上述技术方案，通过训练得到参数调节模型，能够在计算参数纠偏数据时，快速根据目标气候数据进行计算，提升管道检测的效率。
本申请在一较佳示例中可以进一步配置为：所述根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，具体包括：
从所述目标气候数据中获取目标气候种类，和每个所述目标气候种类对应的气候种类数据，根据所述目标气候种类获取每个所述参数调节模型的待比对种类数据；
根据所述目标气候种类，将对应的所述气候种类数据和所述待比对种类数据进行数值比对，根据将数值比对结果输入至一下公式，得到模型关联分值：
其中，n为在所述目标气候种类的总数量；u为比对结果在预设的阈值范围内的数量；v为比对结果在预设的阈值范围外的数量；Z为权重参数，S为所述模型关联分值；/>为分值修正参数；
将所述目标气候数据输入至所述模型关联分值最高的所述参数调节模型，得到所述参数纠偏数据。
通过采用上述技术方案，通过公式计算模型关联度分值，能够计算每个参数调节模型对应的气候要求，与当前的目标气候数据之间的关联程度，从而能够筛选得到对应的参数调节模型计算出对应的参数纠偏数据。
本申请在一较佳示例中可以进一步配置为：在是根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息之后，所述给排水管道检测内部缺陷信息方法还包括：
获取与所述管道检测消息对应的管道检测结果和管道修复情况数据；
将所述管道检测结果与所述管道修复情况数据进行比对，若比对结果超过预设值，则将所述目标气候数据、所述管道检测结果和所述管道修复情况数据存入对应的所述待训练数据组，更新对应的所述参数调节模型。
通过采用上述技术方案，通过获取管道检测结果与管道修复情况进行比对，根据比对结果判断是否更新对应的参数调节模型，能够使参数调节模型不断完善，进而不断提升后续对管道进行检测的精确度。
本申请的上述发明目的二是通过以下技术方案得以实现的：
一种给排水管道检测内部缺陷信息装置，所述给排水管道检测内部缺陷信息装置包括：
气候获取模块，用于获取目标管道位置，获取所述目标管道位置对应的目标气候数据；
参数获取模块，用于获取测试设备标识，根据所述测试设备标识获取对应的测试基准参数；
参数拆分模块，用于从所述测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；
参数纠偏模块，用于根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息。
通过采用上述技术方案，由于在对管道进行检测时，气候的因素也会造成对管道进行检测的结果的误差，例如温度的变化，会影响管道的膨胀和搜索，从而改变管道的形状和尺寸；又例如大气压的变化，会影响管道内的水压等，导致影响检测的结果的准确性，通过根据目标管道位置，获取当地的目标气候数据，并且结合检测设备设置的测试基准参数，计算出在该目标气候数据下，需要调整的参数，即参数纠偏数据，进而根据该参数纠偏数据对参数基准参数进行纠偏后，能够触发符合当前目标气候数据的管道检测消息，进而能够减少气候对管道检测的检测结果带来的影响，提升了管道检测的准确性。
本申请的上述目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述给排水管道检测内部缺陷信息方法的步骤。
本申请的上述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，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述给排水管道检测内部缺陷信息方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1、通过根据目标管道位置，获取当地的目标气候数据，并且结合检测设备设置的测试基准参数，计算出在该目标气候数据下，需要调整的参数，即参数纠偏数据，进而根据该参数纠偏数据对参数基准参数进行纠偏后，能够触发符合当前目标气候数据的管道检测消息，进而能够减少气候对管道检测的检测结果带来的影响，提升了管道检测的准确性；
2、通过对每个历史管道修复数据之间计算相似度，并根据相似度进行分组以得到待分析数据组，能够将相近的待修复的管道实际情况分为一类，同时，依据历史管道修复数据为基准进行分组，能够筛选出在相同的管道实际情况下，不同的管道检测结果，从而便于分析导致管道检测结果的不同的原因；通过筛选得到历史检测数据组，并针对历史检测数据组获取对应的历史气候数据，根据该历史气候数据获取对应的目标气候数据，能够利用历史对管道进行检测的经验，获取精准的维度的目标气候数据，有利于计算得到的参数纠偏数据的精准度；
3、通过公式计算模型关联度分值，能够计算每个参数调节模型对应的气候要求，与当前的目标气候数据之间的关联程度，从而能够筛选得到对应的参数调节模型计算出对应的参数纠偏数据。
附图说明
图1是本申请一实施例中给排水管道检测内部缺陷信息方法的一流程图；
图2是本申请一实施例中给排水管道检测内部缺陷信息方法中步骤S10的实现流程图；
图3是本申请一实施例中给排水管道检测内部缺陷信息方法中对参数调节模型进行训练的实现流程图；
图4是本申请一实施例中给排水管道检测内部缺陷信息方法中步骤S40的实现流程图；
图5是本申请一实施例中给排水管道检测内部缺陷信息方法中对参数调节模型进行迭代的实现流程图；
图6是本申请一实施例中给排水管道检测内部缺陷信息装置的一原理框图；
图7是本申请一实施例中的设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中，如图1所示，本申请公开了一种给排水管道检测内部缺陷信息方法，具体包括如下步骤：
S10：获取目标管道位置，获取目标管道位置对应的目标气候数据。
在本实施例中，目标管道位置是指需要进行检测的给排水管道、自来水管道以及其他排水管道所在的位置。目标气候数据是指在该目标管道的位置处，当前的气候的数据。
具体地，为了减少气候对管道检测的结果带来的影响，在需要对管道进行检测前，获取需要检测的管道的实际位置，即目标管道位置，在确定需要获取的气候的数据维度后，例如气温、湿度以及大气压等，采用相应的检测设备获取对应的气候数据，组成该目标气候数据。
S20：获取测试设备标识，根据测试设备标识获取对应的测试基准参数。
在本实施例中，测试设备标识是指用于标示对给排水管道、自来水管道以及其他排水管道进行检测时采用的设备的种类的标识。测试基准参数是指对给排水管道、自来水管道以及其他排水管道进行检测时，初始设置的参数。
具体地，在对排水管道进行检测时，基于目标管道的实际情况，选取对应的检测设备，并获取该设备的标识，作为测试设备标识，并根据该测试设备标识，获取使用该设备进行检测前设置的初始参数，即不考虑其他因素影响的情况下对应的参数。
从测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息。
具体地，根据测试基准参数中包含多个维度的数据，将每一个维度的类型作为基准数据类型，并根据该基准数据类型对测试基准参数进行拆分，得到与每一个基准数据类型对应的测试参数信息。
S40：根据目标气候数据对测试参数信息进行计算，得到每个测试参数信息对应的参数纠偏数据，根据参数纠偏数据对测试参数信息进行纠偏后，触发管道检测消息。
具体地，获取与目标气候数据的情况相匹配的历史检测的模型，即预先根据不同气候环境下，历史的检测结果与对管道进行修复时获取得到的实际管道的情况，训练得到能够判断受到不同气候环境下，对检测结果的造成影响程度的模型，通过该模型对测试参数信息进行计算，得到该参数纠偏数据，在根据参数纠偏数据对测试参数信息进行纠偏后，触发该管道检测消息。
在本实施例中，由于在对排水管道进行检测时，气候的因素也会造成对管道进行检测的结果的误差，例如温度的变化，会影响管道的膨胀和搜索，从而改变管道的形状和尺寸；又例如大气压的变化，会影响管道内的水压等，导致影响检测的结果的准确性，通过根据目标管道位置，获取当地的目标气候数据，并且结合检测设备设置的测试基准参数，计算出在该目标气候数据下，需要调整的参数，即参数纠偏数据，进而根据该参数纠偏数据对参数基准参数进行纠偏后，能够触发符合当前目标气候数据的管道检测消息，进而能够减少气候对管道检测的检测结果带来的影响，提升了排水管道检测的准确性。
在一实施例中，如图2所示，在步骤S10中，即获取目标管道位置，获取目标管道位置对应的目标气候数据，具体包括：
S11：获取历史管道修复数据，计算每个历史管道修复数据之间的相似度，将相似度位于预设区间的历史管道修复数据分为一组，作为待分析数据组。
具体地，在每一次对管道进行修复时，会根据管道的实际情况，采用对应的修复设备进行修复，因此，每一次对给排水管道、自来水管道以及其他排水管道进行修复时，记录并修复排水管道的实际情况，作为历史管道修复数据。
进一步地，根据历史管道修复数据中对应的管道图像以及其他数据构建对应的特征向量，并两两之间计算对应的相似度，并将相似度位于预设的相似度区间的管道修复数据分为一个数据组，作为待分析数据组。
S12：获取每个待分析数据组中的每个历史管道检测数据，获取每个历史管道检测数据和对应的历史管道修复数据之间的管道数据差值。
具体地，获取每个待分析数据组中的历史管道检测数据对应的历史管道检测数据，通过计算每个历史管道检测数据与历史管道修复数据之间的管道数据差值，例如检测得到的管道压力与实际修复时管道的压力数据或者检测得到的管道图像与对排水管道进行修复时，管道的图像等数值的差值，以判断对管道的检测结果与实际情况之间的差距。
S13：每个待分析数据组中筛选管道数据差值大于预设值的历史管道检测数据，得到与每一个待分析数据组对应的历史检测数据组。
具体地，在每个待分析数据组中，筛选出管道数据差值大于预设值的历史管道检测数据，即检测结果与管道实际情况相差较大的检测结果，并根据待分析数据组对筛选得到的历史管道检测数据进行分类存储，得到历史检测数据组。
S14：获取每个历史检测数据组对应的历史气候数据，根据历史气候数据的气候数据维度获取对应的目标气候数据。
具体地，统计每个历史检测数据组中，每个历史管道检测数据对应的历史气候数据，并遍历每个历史气候数据的气候数据的类型，根据该气候数据的类型获取该目标气候数据，便于后续结合历史检测数据组中的数据，以及该目标气候数据计算出对应的参数纠偏数据。
在一实施例中，如图3所示，在步骤S40之前，给排水管道检测内部缺陷信息方法还包括：
S401：将每个历史检测数据组中的历史气候数据和对应的历史管道检测数据进行关联，得到待训练数据组。
具体地，获取每个历史检测数据组中，每个历史管道检测数据对应的历史气候数据，并将历史气候数据和历史检测数据进行关联，从而得到待训练数据组。
S402：根据待训练数据组和历史管道检测数据进行训练，得到与每个历史检测数据组对应的参数调节模型。
具体地，获取每个历史管道检测数据对应的检测的基准参数，通过对历史管道检测数据和历史气候数据进行分析训练，计算对基准参数进行调整的量，以使历史管道检测数据进行调整后，能够与对应的历史管道修复数据相匹配，进而训练得到该参数调节模型。
在一实施例中，如图4所示，在步骤S40中，即根据目标气候数据对测试参数信息进行计算，得到每个测试参数信息对应的参数纠偏数据，具体包括：
S41：从目标气候数据中获取目标气候种类，和每个目标气候种类对应的气候种类数据，根据目标气候种类获取每个参数调节模型的待比对种类数据。
具体地，根据获取目标气候数据时使用的气候的类型，作为该目标气候种类，即该目标气候种类与步骤S14中，遍历每个历史气候数据得到的气候数据的类型相同，并根据该目标气候种类对目标气候数据进行拆分，得到对应的气候种类数据。并将步骤S14中，遍历每个历史气候数据得到的气候数据的类型作为待比对种类数据。
S42：根据目标气候类型，将对应的气候种类数据和待比对种类数据进行数值比对，根据将数值比对结果输入至一下公式，得到模型关联分值：
其中，n为在目标气候种类的总数量；u为比对结果在预设的阈值范围内的数量；v为比对结果在预设的阈值范围外的数量；Z为权重参数，S为模型关联分值；/>为分值修正参数。
具体地， 在设置了对应的 权重参数，以及分值修正参数a后，根据目标气候类型，将对应的气候种类数据和待比对种类数据进行数值比对，根据将数值比对结果输入至一下公式，得到模型关联分值。
S43：将目标气候数据输入至模型关联分值最高的参数调节模型，得到参数纠偏数据。
具体地，模型关联分值越高，即说明该待训练数据组对应的历史气候数据与目标气候数据的情况越接近，因此，选取模型关联分值最高的参数调节模型，并使用该参数调节模型对目标气候数据进行计算，从而得到对应的参数纠偏数据。
在一实施例中，如图5所示，在步骤S40之后，给排水管道检测内部缺陷信息方法还包括：
S50：获取与管道检测消息对应的管道检测结果和管道修复情况数据。
具体地，在触发管道检测消息后，对该排水管道进行检测，从而得到该管道检测结果，并在触发了管道修复的消息后，包括从管道检测结果中判断出需要检测时触发该管道修复消息，以及虽然管道检测结果中判定该排水管道不需要进行修复，但是在使用的过程中排水管道出现故障而进行修复时，触发的管道修复消息，获取该管道修复情况数据，即在修复时，该排水管道的实际情况。
S60：将管道检测结果与管道修复情况数据进行比对，若比对结果超过预设值，则将目标气候数据、管道检测结果和管道修复情况数据存入对应的待训练数据组，更新对应的参数调节模型。
具体地，将该管道检测结果与管道修复情况数据进行比对，若比对结果超过预设值，则说明管道检测结果与管道实际情况之间的差距仍然超出预期，包括本应该判断为需要修复，但是实际是需要修复的情况，以及本应该判定为不需要修复，但仍然触发了管道修复的情况，则将目标气候数据、管道检测结果和管道修复情况数据存入对应的待训练数据组，更新对应的参数调节模型。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种给排水管道检测内部缺陷信息装置，该给排水管道检测内部缺陷信息装置与上述实施例中给排水管道检测内部缺陷信息方法一一对应。如图6所示，该给排水管道检测内部缺陷信息装置包括气候获取模块、参数获取模块、参数拆分模块和参数纠偏模块。各功能模块详细说明如下：
气候获取模块，用于获取目标管道位置，获取目标管道位置对应的目标气候数据；
参数获取模块，用于获取测试设备标识，根据测试设备标识获取对应的测试基准参数；
参数拆分模块，用于从测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；
参数纠偏模块，用于根据目标气候数据对测试参数信息进行计算，得到每个测试参数信息对应的参数纠偏数据，根据参数纠偏数据对测试参数信息进行纠偏后，触发管道检测消息。
可选的，气候获取模块包括：
第一数据分组子模块，用于获取历史管道修复数据，计算每个历史管道修复数据之间的相似度，将相似度位于预设区间的历史管道修复数据分为一组，作为待分析数据组；
差值计算子模块，用于获取每个待分析数据组中的每个历史管道检测数据，获取每个历史管道检测数据和对应的历史管道修复数据之间的管道数据差值；
第二数据分组子模块，用于每个待分析数据组中筛选管道数据差值大于预设值的历史管道检测数据，得到与每一个待分析数据组对应的历史检测数据组；
气候获取子模块，用于获取每个历史检测数据组对应的历史气候数据，根据历史气候数据的气候数据维度获取对应的目标气候数据。
可选的，给排水管道检测内部缺陷信息装置还包括：
待训练数据关联模块，用于将每个历史检测数据组中的历史气候数据和对应的历史管道检测数据进行关联，得到待训练数据组；
模型训练模块，用于根据待训练数据组和历史管道检测数据进行训练，得到与每个历史检测数据组对应的参数调节模型。
可选的，参数纠偏模块包括：
待比对气候数据获取子模块，用于从目标气候数据中获取目标气候种类，和每个目标气候种类对应的气候种类数据，根据目标气候种类获取每个参数调节模型的待比对种类数据；
分值计算子模块，用于根据目标气候类型，将对应的气候种类数据和待比对种类数据进行数值比对，根据将数值比对结果输入至一下公式，得到模型关联分值：
其中，n为在目标气候种类的总数量；u为比对结果在预设的阈值范围内的数量；v为比对结果在预设的阈值范围外的数量；Z为权重参数，S为模型关联分值；/>为分值修正参数；
模型筛选子模块，用于将目标气候数据输入至模型关联分值最高的参数调节模型，得到参数纠偏数据。
可选的，给排水管道检测内部缺陷信息装置还包括：
数据获取模块，用于获取与管道检测消息对应的管道检测结果和管道修复情况数据；
模型更新模块，用于将管道检测结果与管道修复情况数据进行比对，若比对结果超过预设值，则将目标气候数据、管道检测结果和管道修复情况数据存入对应的待训练数据组，更新对应的参数调节模型。
关于给排水管道检测内部缺陷信息装置的具体限定可以参见上文中对于给排水管道检测内部缺陷信息方法的限定，在此不再赘述。上述给排水管道检测内部缺陷信息装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种给排水管道检测内部缺陷信息方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取目标管道位置，获取目标管道位置对应的目标气候数据；
获取测试设备标识，根据测试设备标识获取对应的测试基准参数；
从测试基准数据中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；
根据目标气候数据对测试参数信息进行计算，得到每个测试参数信息对应的参数纠偏数据，根据参数纠偏数据对测试参数信息进行纠偏后，触发管道检测消息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取目标管道位置，获取目标管道位置对应的目标气候数据；
获取测试设备标识，根据测试设备标识获取对应的测试基准参数；
从测试基准数据中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；
根据目标气候数据对测试参数信息进行计算，得到每个测试参数信息对应的参数纠偏数据，根据参数纠偏数据对测试参数信息进行纠偏后，触发管道检测消息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种给排水管道检测内部缺陷信息方法，其特征在于，所述给排水管道检测内部缺陷信息方法包括：
获取目标管道位置，获取所述目标管道位置对应的目标气候数据，具体包括：
获取历史管道修复数据，计算每个所述历史管道修复数据之间的相似度，将所述相似度位于预设区间的所述历史管道修复数据分为一组，作为待分析数据组；
获取每个所述待分析数据组中的每个历史管道检测数据，获取每个所述历史管道检测数据和对应的所述历史管道修复数据之间的管道数据差值；
每个所述待分析数据组中筛选所述管道数据差值大于预设值的所述历史管道检测数据，得到与每一个所述待分析数据组对应的历史检测数据组；
获取每个所述历史检测数据组对应的历史气候数据，根据所述历史气候数据的气候数据维度获取对应的目标气候数据；
获取测试设备标识，根据所述测试设备标识获取对应的测试基准参数；
从所述测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息。
2.根据权利要求1所述的给排水管道检测内部缺陷信息方法，其特征在于，在所述根据所述目标气候数据对所述测试参数信息进行计算之前，所述给排水管道检测内部缺陷信息方法还包括：
将每个所述历史检测数据组中的历史气候数据和对应的历史管道检测数据进行关联，得到待训练数据组；
根据所述待训练数据组和所述历史管道检测数据进行训练，得到与每个所述历史检测数据组对应的参数调节模型。
3.根据权利要求2所述的给排水管道检测内部缺陷信息方法，其特征在于，所述根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，具体包括：
从所述目标气候数据中获取目标气候种类，和每个所述目标气候种类对应的气候种类数据，根据所述目标气候种类获取每个所述参数调节模型的待比对种类数据；
根据所述目标气候种类，将对应的所述气候种类数据和所述待比对种类数据进行数值比对，根据将数值比对结果输入至以下公式，得到模型关联分值：
n＝u+v；
p＝u/n；
其中，n为在所述目标气候种类的总数量；u为比对结果在预设的阈值范围内的数量；v为比对结果在预设的阈值范围外的数量；Z为权重参数，S为所述模型关联分值；a为分值修正参数；
将所述目标气候数据输入至所述模型关联分值最高的所述参数调节模型，得到所述参数纠偏数据。
4.根据权利要求2所述的给排水管道检测内部缺陷信息方法，其特征在于，在是根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息之后，所述给排水管道检测内部缺陷信息方法还包括：
获取与所述管道检测消息对应的管道检测结果和管道修复情况数据；
将所述管道检测结果与所述管道修复情况数据进行比对，若比对结果超过预设值，则将所述目标气候数据、所述管道检测结果和所述管道修复情况数据存入对应的所述待训练数据组，更新对应的所述参数调节模型。
5.一种给排水管道检测内部缺陷信息装置，其特征在于，所述给排水管道检测内部缺陷信息装置包括：
气候获取模块，用于获取目标管道位置，获取所述目标管道位置对应的目标气候数据，所述气候获取模块包括：
第一数据分组子模块，用于获取历史管道修复数据，计算每个所述历史管道修复数据之间的相似度，将所述相似度位于预设区间的所述历史管道修复数据分为一组，作为待分析数据组；差值计算子模块，用于获取每个所述待分析数据组中的每个历史管道检测数据，获取每个所述历史管道检测数据和对应的所述历史管道修复数据之间的管道数据差值；
第二数据分组子模块，用于每个所述待分析数据组中筛选所述管道数据差值大于预设值的所述历史管道检测数据，得到与每一个所述待分析数据组对应的历史检测数据组；
气候获取子模块，用于获取每个所述历史检测数据组对应的历史气候数据，根据所述历史气候数据的气候数据维度获取对应的目标气候数据；
参数获取模块，用于获取测试设备标识，根据所述测试设备标识获取对应的测试基准参数；参数拆分模块，用于从所述测试基准参数中获取基准数据类型，以及每一个基准数据类型对应的测试参数信息；
参数纠偏模块，用于根据所述目标气候数据对所述测试参数信息进行计算，得到每个所述测试参数信息对应的参数纠偏数据，根据所述参数纠偏数据对所述测试参数信息进行纠偏后，触发管道检测消息。
6.根据权利要求5所述的给排水管道检测内部缺陷信息装置，其特征在于，所述给排水管道检测内部缺陷信息装置还包括：
待训练数据关联模块，用于将每个所述历史检测数据组中的历史气候数据和对应的历史管道检测数据进行关联，得到待训练数据组；
模型训练模块，用于根据所述待训练数据组和所述历史管道检测数据进行训练，得到与每个所述历史检测数据组对应的参数调节模型。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至4任一项所述给排水管道检测内部缺陷信息方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至4任一项所述给排水管道检测内部缺陷信息方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310670619.2A CN116401496B (zh) | 2023-06-08 | 2023-06-08 | 给排水管道检测内部缺陷信息方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310670619.2A CN116401496B (zh) | 2023-06-08 | 2023-06-08 | 给排水管道检测内部缺陷信息方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116401496A CN116401496A (zh) | 2023-07-07 |
| CN116401496B true CN116401496B (zh) | 2023-08-18 |
Family
ID=87018375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310670619.2A Active CN116401496B (zh) | 2023-06-08 | 2023-06-08 | 给排水管道检测内部缺陷信息方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116401496B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1273342A (zh) * | 1999-05-10 | 2000-11-15 | 河北省河间市飞尔达自动化仪表有限公司 | 流体输送管道泄漏监测定位方法及装置 |
| CN105372263A (zh) * | 2015-12-14 | 2016-03-02 | 昆明理工大学 | 一种电涡流加热式管道缺陷红外成像检测装置及检测方法 |
| JP2018205033A (ja) * | 2017-05-31 | 2018-12-27 | 三菱重工業株式会社 | 検査対象物の内部欠陥の検出方法及び検出装置 |
| CN109161904A (zh) * | 2018-10-30 | 2019-01-08 | 广州发展集团股份有限公司 | 埋地管道电位检测系统及方法 |
| JP2020103432A (ja) * | 2018-12-26 | 2020-07-09 | トッパン・フォームズ株式会社 | 基礎体温情報処理装置及び基礎体温情報処理方法 |
| EP3789747A1 (en) * | 2019-09-05 | 2021-03-10 | E.ON Sverige AB | Leakage detection in an energy distribution system |
| WO2021080107A1 (ko) * | 2019-10-22 | 2021-04-29 | (주)한국해양기상기술 | 고해상도 기상기후데이터를 생성하기 위한 학습 방법 및 테스트 방법, 이를 이용한 테스트 방법 및 테스트 장치 |
| WO2021121129A1 (zh) * | 2020-06-30 | 2021-06-24 | 平安科技（深圳）有限公司 | 雷同病例检测方法、装置、设备及存储介质 |
| CN113531403A (zh) * | 2021-08-26 | 2021-10-22 | 三门核电有限公司 | 水管泄漏检测方法及装置 |
| CN113865634A (zh) * | 2021-09-02 | 2021-12-31 | 冯志宗 | 一种基于环境检测的检测设备精度确定方法及系统 |
| CN114859822A (zh) * | 2022-04-27 | 2022-08-05 | 深圳市德瑞精工科技有限公司 | 全自动铣刀检测方法、装置、计算机设备以及存储介质 |
| CN115908871A (zh) * | 2022-10-27 | 2023-04-04 | 广州城轨科技有限公司 | 可穿戴设备轨道设备数据检测方法、装置、设备及介质 |
| CN116048124A (zh) * | 2023-02-23 | 2023-05-02 | 北京思维实创科技有限公司 | 无人机地铁隧道巡检方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2576501B (en) * | 2018-08-16 | 2021-03-10 | Centrica Plc | Sensing fluid flow |
-
2023
- 2023-06-08 CN CN202310670619.2A patent/CN116401496B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1273342A (zh) * | 1999-05-10 | 2000-11-15 | 河北省河间市飞尔达自动化仪表有限公司 | 流体输送管道泄漏监测定位方法及装置 |
| CN105372263A (zh) * | 2015-12-14 | 2016-03-02 | 昆明理工大学 | 一种电涡流加热式管道缺陷红外成像检测装置及检测方法 |
| JP2018205033A (ja) * | 2017-05-31 | 2018-12-27 | 三菱重工業株式会社 | 検査対象物の内部欠陥の検出方法及び検出装置 |
| CN109161904A (zh) * | 2018-10-30 | 2019-01-08 | 广州发展集团股份有限公司 | 埋地管道电位检测系统及方法 |
| JP2020103432A (ja) * | 2018-12-26 | 2020-07-09 | トッパン・フォームズ株式会社 | 基礎体温情報処理装置及び基礎体温情報処理方法 |
| EP3789747A1 (en) * | 2019-09-05 | 2021-03-10 | E.ON Sverige AB | Leakage detection in an energy distribution system |
| WO2021080107A1 (ko) * | 2019-10-22 | 2021-04-29 | (주)한국해양기상기술 | 고해상도 기상기후데이터를 생성하기 위한 학습 방법 및 테스트 방법, 이를 이용한 테스트 방법 및 테스트 장치 |
| WO2021121129A1 (zh) * | 2020-06-30 | 2021-06-24 | 平安科技（深圳）有限公司 | 雷同病例检测方法、装置、设备及存储介质 |
| CN113531403A (zh) * | 2021-08-26 | 2021-10-22 | 三门核电有限公司 | 水管泄漏检测方法及装置 |
| CN113865634A (zh) * | 2021-09-02 | 2021-12-31 | 冯志宗 | 一种基于环境检测的检测设备精度确定方法及系统 |
| CN114859822A (zh) * | 2022-04-27 | 2022-08-05 | 深圳市德瑞精工科技有限公司 | 全自动铣刀检测方法、装置、计算机设备以及存储介质 |
| CN115908871A (zh) * | 2022-10-27 | 2023-04-04 | 广州城轨科技有限公司 | 可穿戴设备轨道设备数据检测方法、装置、设备及介质 |
| CN116048124A (zh) * | 2023-02-23 | 2023-05-02 | 北京思维实创科技有限公司 | 无人机地铁隧道巡检方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于动态模拟的化工过程故障诊断;田文德;孙素莉;刘继泉;;系统仿真学报(12);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116401496A (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110868241B (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
| CN110875851B (zh) | 地下电缆故障预警方法和装置 | |
| CN110349199B (zh) | 一种物体圆度测量方法 | |
| CN113326787B (zh) | 指针仪表读数的自动识别方法、系统及设备 | |
| CN110491106B (zh) | 基于知识图谱的数据预警方法、装置和计算机设备 | |
| CN111897695A (zh) | 获取kpi异常数据样本的方法、装置和计算机设备 | |
| CN110866634A (zh) | 基于模型选择的地下电缆故障预警方法和装置 | |
| CN116401496B (zh) | 给排水管道检测内部缺陷信息方法、装置、设备及介质 | |
| CN114413105A (zh) | 管道破损检测机器人的控制方法及系统 | |
| CN115511136A (zh) | 基于层次分析和故障树的设备故障辅助诊断方法及系统 | |
| CN111177440A (zh) | 目标图像的检索方法、装置、计算机设备和存储介质 | |
| CN113377564B (zh) | 故障诊断方法、装置、计算机设备和存储介质 | |
| CN109919017B (zh) | 人脸识别优化方法、装置、计算机设备和存储介质 | |
| CN114520911A (zh) | 测量异常识别控制方法、计算机设备及存储介质 | |
| CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
| CN112163110B (zh) | 图像分类方法、装置、电子设备和计算机可读存储介质 | |
| CN111339500B (zh) | 空气污染溯源方法、装置、计算机设备和存储介质 | |
| CN111259338B (zh) | 元器件失效率修正方法、装置、计算机设备及存储介质 | |
| CN116345690B (zh) | 基于供电系统设备清单的电力监测虚警识别方法及系统 | |
| CN110738606A (zh) | 多光源系统的图像校正方法、装置、终端及存储介质 | |
| CN115909267A (zh) | 物体检测匹配方法、装置、设备以及存储介质 | |
| CN112529213A (zh) | 派工校验方法、装置、系统及计算机可读存储介质 | |
| CN113763305B (zh) | 标定物品缺陷的方法、装置及电子设备 | |
| CN115018842A (zh) | 基于机器视觉的缺陷检测方法、装置、终端及存储介质 | |
| US6799152B1 (en) | Critical dimension statistical process control in semiconductor fabrication |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |