为确定适合广州市地下排水管道的修复方法,对广州老城区近100kin2地区进行调查。调查采用管道潜望镜(Quick View,QV)、管道闭路电视(closed—Circuit Television,CCTV)、管道声纳(Sonar)进行综合探测,结果表明,调查区域内的...为确定适合广州市地下排水管道的修复方法,对广州老城区近100kin2地区进行调查。调查采用管道潜望镜(Quick View,QV)、管道闭路电视(closed—Circuit Television,CCTV)、管道声纳(Sonar)进行综合探测,结果表明,调查区域内的地下排水管道存在的主要问题是破损断裂、错位、路基下沉、管道淤塞现象,其中小直径管道的损坏情况较为严重,尤其是300mm的管道将近报废。针对地下排水管道的调查情况,结合现有修复技术的特点,经过对修复成本及施工的难易性的研究讨论,得出适合多种管道和缺陷类型的翻转内衬法(Cured In Place Pipe,CIPP)和施工要求相对简单的U型折叠法(U-fold)满足要求,并能够产生较高经济社会效益。展开更多
针对YOLO v5l(you only look once version 5 large)算法对于小目标、少样本且背景复杂的排水管道缺陷图像检测的精度低、误检和漏检率较高等问题,提出了一种基于YOLO v5l-Im算法的排水管道缺陷检测改进方法。做了三点改进:首先提出了Fo...针对YOLO v5l(you only look once version 5 large)算法对于小目标、少样本且背景复杂的排水管道缺陷图像检测的精度低、误检和漏检率较高等问题,提出了一种基于YOLO v5l-Im算法的排水管道缺陷检测改进方法。做了三点改进:首先提出了Focal-EIoU(focal embedding intersection over union)损失函数,有效提升了检测模型的性能;其次为增强检测模型对小目标缺陷的检测效果,减少缺陷误检和漏检的概率,将骨干网络中浅层特征图融合到双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)中,增加针对小目标的预测层;最后在YOLO v5l中引入坐标注意力机制(coordinate attention,CA),提高模型对图像中感兴趣区域的敏感程度,减少冗余背景信息的干扰。3种改进对平均检测准确率(mean average precision,mAP)的提升分别为2.0、2.9、5.9个百分点。将三种有效改进融合到一起,检测结果表明:本文提出的YOLO v5l-Im模型的mAP达到了92.1%,较原模型的85.5%提升了6.5个百分点。由此可见,所做的改进有效增强了YOLO v5l对排水管道缺陷的检测能力。展开更多
文摘为确定适合广州市地下排水管道的修复方法,对广州老城区近100kin2地区进行调查。调查采用管道潜望镜(Quick View,QV)、管道闭路电视(closed—Circuit Television,CCTV)、管道声纳(Sonar)进行综合探测,结果表明,调查区域内的地下排水管道存在的主要问题是破损断裂、错位、路基下沉、管道淤塞现象,其中小直径管道的损坏情况较为严重,尤其是300mm的管道将近报废。针对地下排水管道的调查情况,结合现有修复技术的特点,经过对修复成本及施工的难易性的研究讨论,得出适合多种管道和缺陷类型的翻转内衬法(Cured In Place Pipe,CIPP)和施工要求相对简单的U型折叠法(U-fold)满足要求,并能够产生较高经济社会效益。
文摘针对YOLO v5l(you only look once version 5 large)算法对于小目标、少样本且背景复杂的排水管道缺陷图像检测的精度低、误检和漏检率较高等问题,提出了一种基于YOLO v5l-Im算法的排水管道缺陷检测改进方法。做了三点改进:首先提出了Focal-EIoU(focal embedding intersection over union)损失函数,有效提升了检测模型的性能;其次为增强检测模型对小目标缺陷的检测效果,减少缺陷误检和漏检的概率,将骨干网络中浅层特征图融合到双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)中,增加针对小目标的预测层;最后在YOLO v5l中引入坐标注意力机制(coordinate attention,CA),提高模型对图像中感兴趣区域的敏感程度,减少冗余背景信息的干扰。3种改进对平均检测准确率(mean average precision,mAP)的提升分别为2.0、2.9、5.9个百分点。将三种有效改进融合到一起,检测结果表明:本文提出的YOLO v5l-Im模型的mAP达到了92.1%,较原模型的85.5%提升了6.5个百分点。由此可见,所做的改进有效增强了YOLO v5l对排水管道缺陷的检测能力。