本發(fā)明涉及管道檢測(cè)，尤其是基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法以及裝置。

背景技術(shù)：

1、在管道維護(hù)和檢測(cè)領(lǐng)域，尤其是針對(duì)地下排水管道或工業(yè)管道，隨著使用時(shí)間的增長，管道內(nèi)壁容易出現(xiàn)諸如錯(cuò)口、破裂、腐蝕等缺陷。傳統(tǒng)的管道缺陷檢測(cè)方法通常依賴于人工檢測(cè)或半自動(dòng)檢測(cè)，工作效率低，且檢測(cè)結(jié)果的準(zhǔn)確性和一致性難以保證。

2、近年來，隨著計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法開始逐步應(yīng)用于管道缺陷檢測(cè)中。其中，yolo（you?only?look?once）系列算法由于其高效的檢測(cè)速度和較高的檢測(cè)精度，成為了管道缺陷檢測(cè)領(lǐng)域的首選模型之一。yolov8是yolo系列的最新版本，具備更好的性能和更高的檢測(cè)精度，能夠在單次推理中同時(shí)完成目標(biāo)的分類和定位任務(wù)。然而，盡管yolov8在通用目標(biāo)檢測(cè)任務(wù)中表現(xiàn)優(yōu)異，直接應(yīng)用于管道缺陷檢測(cè)任務(wù)中時(shí)，仍存在一些問題和局限性。yolov8的網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜，尤其在高分辨率圖像和視頻處理時(shí)，計(jì)算量大，所需的硬件資源較多，難以在移動(dòng)設(shè)備或嵌入式系統(tǒng)等資源受限的環(huán)境中高效運(yùn)行，并且現(xiàn)有的yolov8模型處理退化圖像的魯棒性不足，yolov8在處理小目標(biāo)或重疊目標(biāo)時(shí)，檢測(cè)性能下降，容易出現(xiàn)漏檢或誤檢的情況。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例主要目的在于提供基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法以及裝置，以期解決現(xiàn)有技術(shù)問題至少之一，本發(fā)明能夠提高管道缺陷檢測(cè)的準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的一方面提供了一種基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法，該方法包括以下步驟：

3、對(duì)管段視頻進(jìn)行解析，得到初始管段圖片；

4、通過對(duì)所述初始管段圖片進(jìn)行標(biāo)注，構(gòu)建管網(wǎng)缺陷數(shù)據(jù)集；

5、對(duì)所述初始管段圖片進(jìn)行增強(qiáng)處理，得到目標(biāo)管段圖片；

6、對(duì)初始管道缺陷檢測(cè)模型的初始網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行更新，并構(gòu)建目標(biāo)損失函數(shù)，得到目標(biāo)管道缺陷檢測(cè)模型；

7、根據(jù)所述管網(wǎng)缺陷數(shù)據(jù)集，對(duì)所述目標(biāo)管道缺陷檢測(cè)模型進(jìn)行訓(xùn)練；

8、根據(jù)訓(xùn)練后的所述目標(biāo)管道缺陷檢測(cè)模型以及所述目標(biāo)管段圖片，得到檢測(cè)結(jié)果。

9、在一些實(shí)施例中，所述對(duì)管段視頻進(jìn)行解析，得到初始管段圖片的步驟之前，還包括以下步驟：

10、讀取管網(wǎng)評(píng)估報(bào)告，對(duì)所述管網(wǎng)評(píng)估報(bào)告進(jìn)行信息提取，得到管段名稱；

11、根據(jù)所述管段名稱，搜索并收集對(duì)應(yīng)的所述管段視頻。

12、在一些實(shí)施例中，所述通過對(duì)所述初始管段圖片進(jìn)行標(biāo)注，構(gòu)建管網(wǎng)缺陷數(shù)據(jù)集，包括以下步驟：

13、識(shí)別所述初始管段圖片的缺陷位置以及缺陷類型；

14、根據(jù)所述缺陷位置以及所述缺陷類型，對(duì)所述初始管段圖片進(jìn)行標(biāo)注，得到標(biāo)注結(jié)果；

15、根據(jù)所述標(biāo)注結(jié)果，構(gòu)建所述管網(wǎng)缺陷數(shù)據(jù)集。

16、在一些實(shí)施例中，所述對(duì)所述初始管段圖片進(jìn)行增強(qiáng)處理，得到目標(biāo)管段圖片，包括以下步驟：

17、將所述初始管段圖片輸入cpa-enhancer增強(qiáng)模塊，生成所述初始管段圖片的目標(biāo)提示；

18、獲取所述初始管段圖片的輸入特征；

19、將所述輸入特征與所述目標(biāo)提示進(jìn)行交互，得到所述目標(biāo)管段圖片。

20、在一些實(shí)施例中，所述將所述初始管段圖片輸入cpa-enhancer增強(qiáng)模塊，生成所述初始管段圖片的目標(biāo)提示，包括以下步驟：

21、將所述初始管段圖片輸入cpa-enhancer增強(qiáng)模塊，經(jīng)過第一解碼層，生成初始提示；

22、對(duì)所述初始提示進(jìn)行反卷積操作，得到所述目標(biāo)提示。

23、在一些實(shí)施例中，所述將所述輸入特征與所述目標(biāo)提示進(jìn)行交互，得到所述目標(biāo)管段圖片，包括以下步驟：

24、獲取所述輸入特征的通道權(quán)重以及空間權(quán)重；

25、將所述輸入特征、所述通道權(quán)重與所述空間權(quán)重進(jìn)行融合，得到增強(qiáng)特征；

26、將所述增強(qiáng)特征與所述目標(biāo)提示進(jìn)行交互處理，得到所述目標(biāo)管段圖片。

27、在一些實(shí)施例中，所述對(duì)初始管道缺陷檢測(cè)模型的初始網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行更新，包括以下步驟：

28、獲取通用倒置瓶頸模塊、神經(jīng)架構(gòu)搜索技術(shù)以及移動(dòng)版多查詢注意力機(jī)制；

29、根據(jù)所述通用倒置瓶頸模塊、所述神經(jīng)架構(gòu)搜索技術(shù)以及所述移動(dòng)版多查詢注意力機(jī)制，對(duì)所述初始網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行更新，得到目標(biāo)網(wǎng)絡(luò)結(jié)構(gòu)。

30、在一些實(shí)施例中，所述構(gòu)建目標(biāo)損失函數(shù)，包括以下步驟：

31、預(yù)設(shè)置質(zhì)量標(biāo)簽以及非負(fù)參數(shù)；

32、獲取預(yù)測(cè)值與所述質(zhì)量標(biāo)簽的絕對(duì)距離；

33、根據(jù)所述絕對(duì)距離以及所述非負(fù)參數(shù)，得到調(diào)節(jié)因子；

34、根據(jù)所述調(diào)節(jié)因子、所述質(zhì)量標(biāo)簽以及所述預(yù)測(cè)值，得到所述目標(biāo)損失函數(shù)。

35、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的另一方面提出了一種基于改進(jìn)yolov8算法的管道缺陷檢測(cè)裝置，所述裝置包括：

36、第一模塊，用于對(duì)管段視頻進(jìn)行解析，得到初始管段圖片；

37、第二模塊，用于通過對(duì)所述初始管段圖片進(jìn)行標(biāo)注，構(gòu)建管網(wǎng)缺陷數(shù)據(jù)集；

38、第三模塊，用于對(duì)所述初始管段圖片進(jìn)行增強(qiáng)處理，得到目標(biāo)管段圖片；

39、第四模塊，用于對(duì)初始管道缺陷檢測(cè)模型的初始網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行更新，并構(gòu)建目標(biāo)損失函數(shù)，得到目標(biāo)管道缺陷檢測(cè)模型；

40、第五模塊，用于根據(jù)所述管網(wǎng)缺陷數(shù)據(jù)集，對(duì)所述目標(biāo)管道缺陷檢測(cè)模型進(jìn)行訓(xùn)練；

41、第六模塊，用于根據(jù)訓(xùn)練后的所述目標(biāo)管道缺陷檢測(cè)模型以及所述目標(biāo)管段圖片，得到檢測(cè)結(jié)果。

42、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的另一方面提供了一種電子設(shè)備，所述電子設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)前面所述的一種基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法。

43、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的另一方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)前面所述的一種基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法。

44、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的另一方面提供了一種計(jì)算機(jī)程序產(chǎn)品或計(jì)算機(jī)程序，該計(jì)算機(jī)程序產(chǎn)品或計(jì)算機(jī)程序包括計(jì)算機(jī)指令，該計(jì)算機(jī)指令存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中。計(jì)算機(jī)設(shè)備的處理器可以從計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)讀取該計(jì)算機(jī)指令，處理器執(zhí)行該計(jì)算機(jī)指令，使得該計(jì)算機(jī)設(shè)備執(zhí)行前述的一種基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法。

45、本發(fā)明的實(shí)施例至少包括以下有益效果：本發(fā)明提供一種基于改進(jìn)yolov8算法的管道缺陷檢測(cè)方法以及裝置，該方案通過對(duì)管段視頻進(jìn)行解析，得到初始管段圖片；通過對(duì)所述初始管段圖片進(jìn)行標(biāo)注，構(gòu)建管網(wǎng)缺陷數(shù)據(jù)集；對(duì)所述初始管段圖片進(jìn)行增強(qiáng)處理，提升模型對(duì)不同環(huán)境下圖像的魯棒性，得到目標(biāo)管段圖片；對(duì)初始管道缺陷檢測(cè)模型的初始網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行更新來降低模型計(jì)算復(fù)雜度，并構(gòu)建目標(biāo)損失函數(shù)，得到目標(biāo)管道缺陷檢測(cè)模型；根據(jù)所述管網(wǎng)缺陷數(shù)據(jù)集，對(duì)所述目標(biāo)管道缺陷檢測(cè)模型進(jìn)行訓(xùn)練；根據(jù)訓(xùn)練后的所述目標(biāo)管道缺陷檢測(cè)模型以及所述目標(biāo)管段圖片，得到檢測(cè)結(jié)果。本發(fā)明能夠提高管道缺陷檢測(cè)的準(zhǔn)確性。