基于深度学习目标检测器的排水管网自动缺陷检测
计算机视觉与模式识别
2024-04-10 v1
摘要
大城市排水系统的维护至关重要，但同时也耗时费力，因为目前视觉检查是手动进行的。为了减少上述手动工作量，需要自动定位和分类排水管道内的缺陷。过去，多项工作尝试使用经典图像处理、机器学习或两者结合来解决此问题。然而，每种提供的解决方案仅关注检测有限的缺陷/结构类型，例如裂缝、树根和/或连接处。此外，由于使用手工特征和小型训练数据集，泛化能力也存在问题。为了克服这些缺陷，本研究范围内，排水维护专家对包含14.7公里各种排水管道的大型数据集进行了标注。在此基础上，训练了一个目标检测器（EfficientDet-D0）用于自动缺陷检测。通过多次实验的结果，发现并讨论了目标检测背景下缺陷的特殊性质，这些性质极大地影响了标注和训练过程。最终，检测器能够检测到测试集中83%的缺陷；在缺失的17%中，仅有0.77%是非常严重的缺陷。这项工作为将基于深度学习的目标检测应用于一个重要但冷门的工程领域提供了范例。它还就如何标注特殊的“对象”（如缺陷）给出了一些实用建议。
引用
@article{arxiv.2404.06219,
title = {Automatic Defect Detection in Sewer Network Using Deep Learning Based Object Detector},
author = {Bach Ha and Birgit Schalter and Laura White and Joachim Koehler},
journal= {arXiv preprint arXiv:2404.06219},
year = {2024}
}