一种用于隧道巡检机器人的数据处理系统的制作方法

本发明属于隧道病害图像数据处理技术领域，涉及一种用于隧道巡检机器人的数据处理系统。

背景技术：

隧道机器人在进行隧道病害处理的过程中，需要对数据进行处理，而处理数据时目前现有的数据处理系统无法进行准确的识别，导致处理后的数据存在一定的误差，严重影响了数据了数据处理的准确度，对隧道的安全和保障带来了不确定因素。

技术实现要素：

有鉴于此，本发明的目的在于提供一种用于隧道巡检机器人的数据处理系统。

为达到上述目的，本发明提供如下技术方案：

本发明提供了一种用于隧道巡检机器人的数据处理系统，包括基础数据库、数据读取系统、图像数据预处理系统、图像数据识别系统、人工识别系统、病害预警系统，所述图像数据识别系统包括病害图样测试样本库、病害图样训练样本库、病害特征识别系统，所述基础数据库用于存储隧道衬砌图像数据、定位数据和红外热辐射数据，所述数据读取系统读取基础数据库内部的图像数据并将读取后的数据信号传递至图像数据预处理系统中，所述图像数据预处理系统将图片数据进行预处理后再将图片数据传递至图像数据识别系统中，所述病害图样测试样本库接收到图像数据预处理系统传递过来的图像数据，并将接收过来的数据与病害图样测试样本库内部存储的图像数据进行比较，将相似的图像与接收的图像数据一同传递至病害图样训练样本库，所述病害图样训练样本库将预处理后的图像数据根据病害图样测试样本库内部的相似图像的数据进行模拟训练，然后得出病害特征类别图像数据，所述病害特征识别系统根据评定标准对得出的病害特征类别图像数据进行识别，所述人工识别系统对病害特征类别图像进行人工辅助判断，并将判断的图像数据传递至病害图样测试样本库中。

作为本发明的一种优选技术方案，所述图像数据预处理系统在进行预处理的过程中将基础数据库中读取的图像进行灰度化、图像去噪及图像增强处理利用阈值分割将病害图像进行二值化处理，并依据提取特征的方式检测裂缝和渗漏水区域，并对识别的病害位置进行自动标识。

作为本发明的一种优选技术方案，经由所述人工识别系统确认的裂缝和渗漏水病害来启动病害预警系统，进行报警预防。

作为本发明的一种优选技术方案，所述人工识别系统在将判断后的图像数据传递至病害图样测试样本库的过程中，采用无损压缩的方式进行传递。

本发明的有益效果在于：

本发明通过建立训练样本库和测试样本库，能够在机器人实施检测的过程中不断增加典型病害样本，提高算法识别的准确率，同时利用人工辅助判断功能，经由人工辅助判断自动识别结果的正确性，依靠人工辅助来确认图像处理系统自动标识的病害，人工判定的病害图像则自动添加进系统样本库，来为样本库提供范本。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明的整体结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

请参阅图1，为一种用于隧道巡检机器人的数据处理系统，包括基础数据库、数据读取系统、图像数据预处理系统、图像数据识别系统、人工识别系统、病害预警系统，所述图像数据识别系统包括病害图样测试样本库、病害图样训练样本库、病害特征识别系统，所述基础数据库用于存储隧道衬砌图像数据、定位数据和红外热辐射数据，所述数据读取系统读取基础数据库内部的图像数据并将读取后的数据信号传递至图像数据预处理系统中，所述图像数据预处理系统将图片数据进行预处理后再将图片数据传递至图像数据识别系统中，所述病害图样测试样本库接收到图像数据预处理系统传递过来的图像数据，并将接收过来的数据与病害图样测试样本库内部存储的图像数据进行比较，将相似的图像与接收的图像数据一同传递至病害图样训练样本库，所述病害图样训练样本库将预处理后的图像数据根据病害图样测试样本库内部的相似图像的数据进行模拟训练，然后得出病害特征类别图像数据，所述病害特征识别系统根据评定标准对得出的病害特征类别图像数据进行识别，所述人工识别系统对病害特征类别图像进行人工辅助判断，并将判断的图像数据传递至病害图样测试样本库中。

在对图像数据进行处理时，系统建立了基于机器学习算法的病害分析处理系统。机器人端获取的隧道衬砌图像数据、定位数据和红外热辐射数据经过结构化处理后，存储在后台基础数据库中，然后经过数据融合对隧道衬砌图像按定位数据进行网格化划分，数据经过识别算法的处理后，结合人工辅助完成衬砌裂缝、渗漏水的识别判断和测量。

图像识别中采用基于机器学习的处理算法完成病害识别。系统建有标记的病害图像样本库，包括衬砌拱顶裂缝、拱腰裂缝、环向裂缝、纵向裂缝及斜向裂缝等典型裂缝，以及从实际工程中获得的各种渗漏水图像数据。系统建立训练样本库和测试样本库，能够在机器人实施检测的过程中不断增加典型病害样本，提高算法识别的准确率。

机器人检测所获取的衬砌图像和衬砌热辐射图像经过灰度化、图像去噪及图像增强等预处理后，利用阈值分割将病害图像进行二值化处理，并依据特征提取算法检测裂缝和渗漏水区域，并对识别的病害位置进行自动标识。

基于无线传输将衬砌图像数据输传送至洞室中的服务器，衬砌图像经过预处理、裂缝等病害识别、分类、计算等处理后，对于有病害图像进行无损压缩，无病害图像则进行压缩处理、存储。在实施路径上，将采用有监督分类学习实现在较少样本时的病害图像分类识别处理。在积累足够样本后，探索深度学习模型提高识别准确度。同时，在系统人机交互界面中，设计人工辅助判断功能，经由人工辅助判断自动识别结果的正确性。

在病害判定时，依靠人工辅助来确认图像处理系统自动标识的病害，人工判定的病害图像则自动添加进系统样本库。

经由人工确认的裂缝和渗漏水病害，并自动监测该处病害的裂缝增长、渗水面积增大情况。当裂缝计渗漏水达到设置的预警阀值，预警平台实现自动病害预警，提醒养护相关人员实施后续处置。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。