基于卷积神经网络的排水管道视频阻塞程度检测
计算机视觉与模式识别
2020-02-05 v1 图像与视频处理
摘要
全球范围内，排水管网被设计用于将废水输送至集中处理厂进行处理并回环境。该过程对当今社会至关重要，可预防水传播疾病、提供安全饮用水并改善总体卫生。为保持排水管网完美运行，持续进行采样巡检以识别阻塞。通常，使用闭路电视系统记录管道内部并报告阻塞程度，这可能触发清淤作业。当前，阻塞程度评估为人工完成，耗时且不一致。本工作中，我们设计了一种方法论以训练卷积神经网络来识别管道阻塞程度，从而减少此类频繁重复任务所需的人力。我们收集了视频数据库，经探索与适配以生成喂入模型的有用帧。我们所得分类器获得了可部署的性能。为验证该方法的一致性及其工业适用性，我们集成了逐层相关性传播可解释性技术，使我们能进一步理解神经网络在此任务中的行为。最终，所提系统能在排水管检测过程中提供更高速度、准确度与一致性。我们的分析也揭示了若干关于如何进一步提升数据收集方法论质量的指导方针。
引用
@article{arxiv.2002.01284,
title = {Obstruction level detection of sewer videos using convolutional neural networks},
author = {Mario A. Gutierrez-Mondragon and Dario Garcia-Gasulla and Sergio Alvarez-Napagao and Jaume Brossa-Ordoñez and Rafael Gimenez-Esteban},
journal= {arXiv preprint arXiv:2002.01284},
year = {2020}
}