混合图像集对排水管缺陷AI检测的影响研究

作     者：徐增辉 陈星 洪念成 李前正 许加豪 赵云华 XU Zeng-hui;CHEN Xing;HONG Nian-cheng;LI Qian-zheng;XU Jia-hao;ZHAO Yun-hua

作者机构：中建中环新能源有限公司江苏南京210006 浙江工业大学机械工程学院浙江杭州310004 

出 版 物：《节能技术》 (Energy Conservation Technology)

年 卷 期：2024年第42卷第4期

页      面：306-310页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0815[工学-水利工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中建二局科技资助计划(2021ZX180001) 

主　　题：混合图像集 排水管道,半监督学习 伪标签 Faster R-CNN算法 AI检测模型 

摘      要：为提高排水管道缺陷的AI检测模型效果,研究一种基于小样本Faster R-CNN算法的半监督学习方法。该方法利用无缺陷正常管道图像,随机为其生成伪标签,并将其混入具有缺陷标签的图像集中,实现半监督式训练。对管道CCTV视频进行了检测实验,对比只采用有缺陷图像集训练,混合图像集训练的AI模型对各种管道缺陷的检出率都有较高水准,且缺陷误检率从34.85%下降至6.12%。研究结果表明,采用混合图像集能够影响AI检测模型的缺陷识别效果;在小样本管道缺陷图像训练集和验证集中额外混入十分之一的伪标签图像,训练出的检测模型具有最佳的平均精度均值。