一种地下排水管道缺陷的多类分类方法

1.本发明涉及一种在地下排水管道缺陷的多类分类方法，提高了分类准确率以及减轻依赖人工判别分类的问题，属于工程应用方面。


背景技术：

2.地下排水管道的正常运作是人们日常生活正常进行的保障之一，如若城市地下排水管道堵塞或毁坏，都将带来不同程度的经济损失，随着管道使用时间的推移，各类管道问题随之出现，如管道材料老化、管壁遭化学物质腐蚀、管道开裂、异物插入，亦或由路面塌陷造成的管道意外损坏等，如若此类问题没能够及时解决，便会成为后续使用的安全隐患。管道缺陷包含功能性缺陷与结构性缺陷，现行的普查周期因管道缺陷所属类型的不同而不同，根据规定，功能性缺陷一般1～2年进行一次普查，而结构性缺陷普查一般为5～10年进行一次。发现地下排水管道的安全隐患后可针对各类不同问题采取相应修复方法。
3.传统的人工目视检查等方法，耗费大量时间与人力，且对管道缺陷的判断受工作人员的个人因素影响较大，现今，机器学习在图像处理方面表现卓越，如医学影像处理、人脸识别、路面缺陷等方面都取得了不错成绩。故工程师们试图通过将图像处理技术与机器学习相结合来应用到地下排水管道缺陷的分类之中，从而解决传统分类方法的缺陷，如耗时长、费力、误判率高、受主观影响较大等，降低对人力的依赖程度。
4.目前图像分类方法主要包括传统的机器学习和目前热门的深度学习。由于地下排水管道图像干扰因素过多缺陷种类过多，选择使用了多类分类支持向量机(msvm)的方法进行对管道缺陷进行分类。


技术实现要素：

5.本发明提出一种多类分类支持向量机(msvm)的方法进行对管道缺陷的分类，提高分类的准确性以及减少人的主观原因对管道分类结果的误判。
6.使用svm方法实现多类分类问题的基本思想是将问题进行分解转化，即把多类分类问题分解转化为多个子分类问题，每个子分类问题均为二分类问题。这样一来便可使用二分类支持向量机(bsvm)来解决每个子分类问题，对所获得的响应结果进行组合依据不同判断方法，构成最终的多类分类支持向量机 (msvm)。常用的四种msvm方法为：一对多分类法、一对一分类法、导向无环图分类法以及二叉树分类法。
7.一对多分类法在解决n类分类问题时，通过构造n个bsvm，每个bsvm 将其中的一类与其他n-1类区分开。以将a,b,c,d四类样本进行分类为例。在抽取训练集时，需按一对多方式进行训练集抽取，分别以a类样本为正样本，其余三类为负样本；以b类样本为正样本，其余三类为负样本，以此类推，得到四个训练集，分别使用这四个训练集对bsvm进行训练获得四个分类器。在对待分类样本进行测试时，使用这四个bsvm分类器对其进行分类操作，获得四个响应，取四者中的最大者作为最终的决策结果。
8.一对一分类法面对n类分类问题时，通过构造n(n-1)/2个bsvm分类器，其中的每个
bsvm实现n类中的两类的区分，最后通过投票法，得票数高的类别，即为测试样本类别。以a,b,c,d四类样本为例，需将四类样本两两组成训练集，即(a,b)、(a,c)、(a,d)、(b,c)、(b,d)、(c,d)，既而使用这些训练样本集分别训练得到对应分类器。在测试时，使用这六个bsvm对测试样本进行分类操作，将获得的六个响应结果进行统计(即投票)得出结果。
9.导向无环图分类法在解决n类分类问题时需要构造n(n-1)/2个bsvm，且其训练bsvm分类器的过程与一对一分类方法的训练过程相同。
10.在使用二叉树分类法时，需先将样本分成两个子类，既而再对每个子类继续划分得到两个次级子类，不断重复此步骤，直到最终“子类”(节点)仅含有一种类别。对于n类分类问题时，使用此方法需要构造(n-1)个bsvm，决策阶段只需经过至多log2n个bsvm。同样以a,b,c,d四类样本分类为例，首先将样本分为正类与负类两部分，此例中按a与b为正类、c与d为负类进行分类，使用该训练集训练得到bsvm1；而后再分别使用以a为正样本集，b为负样本集的训练集训练得到bsvm2以及使用以c为正样本，d为负样本的训练集训练得到bsvm3。先使用bsvm1对其进行分类操作，得到一个分类响应，根据此分类响应决定下一步使用bsvm2还是bsvm3，若bsvm1给出响应为+1，则使用bsvm2,进而最终得到分类结果。
11.多类分类支持向量机(msvm)具体步骤，具体流程如下：
12.(1)分别使用glcm、改进b_glcm、ggcm、gabor小波及不同参数设置的mb_lbp
u2
对预处理得到的裂纹缺陷子图库、错口缺陷子图库及腐蚀缺陷子图库进行特征提取操作，记录其特征向量维数，并统计其所花费时间，进行对比分析；
13.(2)使用所得不同特征数据库进行分别训练支持向量机模型得到对应多类分类器，并记录其训练时长；
14.(3)对训练得到的多类分类器msvm进行十二次测试，并记录各缺陷的分类正确率与整体正确率；
15.(4)统计十二次记录的分类正确率，去除其最大值与最小值后计算其平均分类正确率，并进行比较与分析。
附图说明
16.图1本发明管道缺陷分类流程图。
17.图2本发明实施例桂林市地下排水管道的原图。
18.图3本发明实施例管道缺陷图像预处理流程图。
19.图4本发明实施例msvm分类器训练流程图。
具体实施方式
20.实施例：
21.以桂林市地下排水管道为例：
22.(1)先从视频中获得排水管道原图，如图2所示，先对原图进行一系列预处理。
23.(2)将得到的预处理后图像进行子图划分，得到了管道图像不同部分的子图像，需先从大量图像中获得裂纹、错口、腐蚀这三种功能性缺陷图像，构建数据图库，为下一步特征提取实验提供图像数据。具体预处理流程如图3所示
24.(3)在获得管道裂纹、错口及腐蚀缺陷的对应图库后，对图像进行轮廓增强算法，
以增强缺陷图像特征，再对特征进行提取。
25.(4)对使用裂纹缺陷、错口缺陷、腐蚀缺陷三者的特征数据进行两两训练，得到三个svm二分器，bsvm1为由腐蚀缺陷特征数据和裂纹缺陷特征数据训练得到的分类器；bsvm2为由腐蚀缺陷特征数据和裂纹缺陷特征数据训练得到的分类器；bsvm3为由腐蚀缺陷特征数据和裂纹缺陷特征数据训练得到的分类器。在针对这三个svm二分器构造时，对每一个svm都采用150个训练样本，30个测试样本，选用rbf 核函数，并使用网格搜索算法和交叉验证算法进行其参数的优化。具体流程如图4所示
26.(5)在多类问题分类阶段，让60个待分类的样本(随机抽选的裂纹缺陷特征数据、错口缺陷特征数据、腐蚀缺陷特征数据各20个)依次通过由裂纹缺陷、错口缺陷、腐蚀缺陷三类样本训练得到的3个svm 二分器(bsvm1、bsvm2以及bsvm3)得到三个响应(裂纹对应响应为1，错口为2，腐蚀为3)，然后进行投票决定其最终类别归属，即对三个bsvm二分器的响应进行统计。


技术特征：
1.一种地下排水管道缺陷的多类分类方法，具体流程如下：(1)先将获得的地下排水管道图像进行一系列的预处理操作；(2)将得到的预处理后图像进行子图划分，得到管道图像不同部分的子图像，再从大量图像中获得裂纹、错口、腐蚀这三种功能性缺陷图像，构建数据图库；(3)在获得三种管道缺陷的对应图库后，对图像进行轮廓增强算法，以增强缺陷图像特征，再对特征进行提取；(4)分别使用glcm、改进b_glcm、ggcm、gabor小波及不同参数设置的mb_lbp
u2
对预处理得到的裂纹缺陷子图库、错口缺陷子图库及腐蚀缺陷子图库进行特征提取操作，记录其特征向量维数，并统计其所花费时间，进行对比分析；(5)使用所得不同特征数据库进行分别训练支持向量机模型得到对应多类分类器，并记录其训练时长；(6)对训练得到的多类分类器msvm进行十二次测试，并记录各缺陷的分类正确率与整体正确率；(7)统计十二次记录的分类正确率，去除其最大值与最小值后计算其平均分类正确率，并进行比较与分析。

技术总结
本发明涉及地下排水管道缺陷的多类分类方法，为了弥补管道缺陷分类过程中人工准确率不高的问题，提出了一种多类分类支持向量机(MSVM)的方法进行对管道缺陷分类。先将排水管道原图像进行一系列的预处理，再将预处理后的管道缺陷图像进行划分子图，得到管道图像不同部分的子图像，再从大量图像中获得裂纹、错口、腐蚀这三种功能性缺陷图像，构建数据图库，为下一步特征提取提供图像数据。在获得管道三种缺陷的对应图库后，对图像进行轮廓增强算法，以增强缺陷图像特征，再对特征进行提取，最后使用多类分类支持向量机(MSVM)的方法进行缺陷的分类。实验结果表明，相比较于人工分类以及其它算法，此方法能更好的对管道缺陷进行分类，提高准确率。提高准确率。提高准确率。


技术研发人员：陆绮荣 丁昕 梁倩敏
受保护的技术使用者：桂林理工大学
技术研发日：2021.10.20
技术公布日：2022/2/6