一个改进的HRNetV2基础的语义细分算法用于检测智能城市排水网络中的管道腐蚀
Liang Gao1, Xinxin Huang1, Wanling Si1
1School of Artificial Intelligence, China University of Mining & Technology, Beijing 100083, China.
Journal of imaging
|October 28, 2025
概括
本研究介绍了一种使用HRNetV2的AI框架,用于在智能城市中检测管道腐蚀. 该方法可以准确地识别CCTV图像中的腐蚀区域,提高基础设施的安全性和维护.
科学领域:
- 土木工程 土木工程是指土木工程.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 城市排水管道对于智慧城市基础设施至关重要.
- 内部管道腐蚀带来了重大的结构和安全风险.
- 精确检测腐蚀对于维护地下系统至关重要.
研究的目的:
- 开发一个增强的语义细分框架,以准确识别腐蚀的管道区域.
- 提高封闭电路电视 (CCTV) 图像中腐蚀检测的精度和稳定性.
- 支持智能基础设施检查和自动化维护系统.
主要方法:
- 使用高分辨率网络版本2 (HRNetV2) 进行语义细分.
- 集成卷积块注意模块 (CBAM) 增强了对腐蚀模式的特征表示.
- 集成的轻量级金字塔聚合模块 (LitePPM) 为改进的多尺度上下文建模.
主要成果:
- 在整个欧盟 (mIoU) 实现了95.92 ± 0.03%的平均交叉点.
- 达到了97.01±0.02%的召回率.
- 在真实世界的腐蚀数据集上获得了98.54%的整体准确性.
结论:
- 提出的基于HRNetV2的框架有效检测管道腐蚀.
- 该方法在识别腐蚀区域方面表现出高精度和稳定性.
- 结果为推进智能城市的自动化维护提供了技术见解.
