买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江大学申请的专利一种基于CCTV和深度学习的管道缺陷检测量化评估方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119600028B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510143646.3，技术领域涉及：G06T7/00；该发明授权一种基于CCTV和深度学习的管道缺陷检测量化评估方法是由马一祎;杨宸豪;张土乔;谭锴轶;梁嘉玲设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本一种基于CCTV和深度学习的管道缺陷检测量化评估方法在说明书摘要公布了：本发明公开了一种基于CCTV和深度学习的管道缺陷检测量化评估方法，包括构建改进后的管道裂缝识别模型，并制作数据集用于训练该管道裂缝识别模型；从管道视频中获取图像，将获取的图像输入至预先训练好的管道裂缝识别模型中，识别分割出含有裂缝的图像；去除图像中多余的像素，将裂缝宽度缩减为一个像素宽，用圆检测法获得裂缝图像中管道中心Oxc,yc和裂缝上的多个特定像素Aixi,yi的坐标；通过CDQ量化方法获得管道裂缝的长度、形状及宽度；根据计算出的裂缝长度和宽度数据依据裂缝等级判定原则进行评估并作出相应修复处理；该方法结合改进的分割模型和创新的裂缝量化法，能够表征裂缝基本信息，并在环境差且复杂的排水管中初步评估其严重性。

本发明授权一种基于CCTV和深度学习的管道缺陷检测量化评估方法在权利要求书中公布了：1.一种基于CCTV和深度学习的管道缺陷检测量化评估方法，其特征在于：包括：步骤一：构建改进后的管道裂缝识别模型，并制作数据集用于训练该管道裂缝识别模型；所述管道裂缝识别模型包括优化后的骨干网络、优化后的ASPP结构及优化后的解码器；优化后的骨干网络采用MobileNetV2结构，对原有图像进行三次下采样，其中后两次采样前将分别进行一次特征信息传输，第一次传输的特征信息命名为低纬度特征信息，第二次传输的特征信息为中纬度特征信息；优化后的ASPP结构进行一次特征信息传输，命名为高维度特征信息；优化的ASPP结构包括4个具有不同扩展率的卷积块、1个全局平均池化模块及深度可分离卷积模块；优化后的解码器接收低维度特征信息、中纬度特征信息和高维度特征信息并同时采用优化后的解码器中的深度可分离卷积模块，在拼接层中将低维度特征信息、中纬度特征信息和高维度特征信息融合并对融合后的图像进行恢复形成与输入图像尺寸相同的分割图像；步骤二：从管道视频中获取图像，将获取的图像输入至预先训练好的管道裂缝识别模型中，由所述管道裂缝识别模型从当前图像中识别分割出含有裂缝的图像；步骤三：去除图像中多余的像素，将裂缝宽度缩减为一个像素宽，采用圆检测法获得裂缝图像中管道中心的坐标位置即Oxc,yc和裂缝上的多个特定像素Aixi,yi；步骤四：通过裂缝长度、形态和宽度的量化方法获得管道裂缝的长度、形态及宽度；其中裂缝形态量化方法的具体步骤包括如下：①、将管道展开矩形且管道的底边H-H’为矩形的底边长度，沿管道长度方向扫描获得多个像素Aixi,yi，其中A1x1,y1是在裂缝上检测到的第一个像素，将A1x1,y1与Oxc,yc通过长度缩放转换计算得到管道底部到点A1的弧长，即通过计算得到；其中：，为角度radA1的度数表达式； ，为A1-O与H-O之间的夹角；Rs为管道截面的实际半径；②、由于重建裂缝形状时，像素A1被视为参考点，在实际矩形域中A1的X坐标XA1=0，即在实际矩形域中像素A1坐标系为（0，YA1；③、依次对裂缝上的所有像素点通过步骤①中的计算公式进行计算得到Y坐标YAi；然后在实际矩形域中对裂缝中的所有像素进行计算X坐标XAi，具体通过下列公式计算得到： ，相邻像素之间的水平距离对应单个像素的实际长度；④、通过步骤③获得裂缝上所有像素Ai在实际矩形域中坐标XAi,YAi；根据所得到的坐标在实际矩形域中将裂缝的形状绘制，进而将管壁上的裂缝从曲面转移到平面进行形状上的重建；步骤五：根据计算出的裂缝长度和宽度数据依据裂缝等级判定原则进行评估等级并根据相应等级对裂缝进行修复处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。