基于小样本不均衡数据的供水管道泄漏智能检测算法

针对能源电厂供水管道泄漏视觉检测存在数据样本少、不均衡等问题,提出一种基于小样本不均衡数据的供水管道泄漏智能检测算法。首先,提出一种基于多掩码混合Multi-mask mix的数据增强方法,通过随机生成掩码层对原始图像进行区域提取与混合,在Multi-mask mix中引入支持向量机(SVM)获取管道正常和泄漏特征,为混合掩码块提供更准确的先验标签;其次,提出一种均衡化策略并应用于图像层面和掩码层面,以实现数据均衡化;最后,基于深度学习的Resnet18网络模型实现管道泄漏检测与识别。实验结果表明,该算法处理图像数据后可使Resnet18模型对管道泄漏识别准确率提升1.1%~4.4%,说明深度学习模型能有效提升管道泄漏检测的分类精度,优于现有其他算法。此外,该算法现已成功应用于能源电厂供水管道泄漏检测。