地下排水管網(wǎng)智能檢測技術

目錄
前言
第1章　概述　1
1.1　管道行業(yè)發(fā)顧史　1
1.2　排水管道現(xiàn)狀　3
1.3　管道引起的“城市病”　4
1.3.1　路面塌陷　4
1.3.2　城市內(nèi)澇　5
1.3.3　黑臭水體　5
1.3.4　污水濃度異?！?
1.4　排水管道結構性缺陷　7
1.5　排水管道功能性缺陷　10
1.6　排水管道檢測的必要性　15
1.6.1　管道問題及危害　15
1.6.2　制訂養(yǎng)護計劃的基礎　15
1.6.3　制訂修復方案的依據(jù)　17
1.6.4　雨污分流工程的需要　17
1.6.5　經(jīng)濟效益分析　19
參考文獻　19
第2章　國內(nèi)外排水管道檢測技術發(fā)展　21
2.1　概述　21
2.2　人工檢測方法　22
2.2.1　人工開井巡視　23
2.2.2　潛水檢查　25
2.2.3　簡易工具檢查　27
2.3　管道視頻檢測技術　30
2.3.1　管道潛望鏡檢測　31
2.3.2　CCTV檢測　33
2.3.3　激光掃描檢測　39
2.4　管道聲吶檢測技術　41
2.4.1　基本知識　42
2.4.2　檢測方法　46
2.4.3　數(shù)據(jù)處理與評價　47
2.4.4　工程應用　49
2.5　管道電法測漏技術　50
2.5.1　基本知識　51
2.5.2　檢測方法　53
2.5.3　數(shù)據(jù)處理與評價　53
2.5.4　工程應用　54
2.6　雷達檢測技術　56
2.6.1　技木原理　57
2.6.2　正演模型　59
2.6.3　反演模型　71
2.6.4　探地雷達檢測　75
2.6.5　管道雷達檢測　82
參考文獻　84
第3章　大數(shù)據(jù)與人工智能發(fā)展　86
3.1　概述　86
3.2　大數(shù)據(jù)的發(fā)展及應用　86
3.2.1　大數(shù)據(jù)的基本概念　86
3.2.2　大數(shù)據(jù)的發(fā)展　87
3.2.3　大數(shù)據(jù)相關政策　87
3.2.4　大數(shù)據(jù)的應用及發(fā)展趨勢　89
3.3　人工智能發(fā)展及應用　90
3.3.1　人工智能基本概念　90
3.3.2　人工智能的發(fā)展　91
3.3.3　人工智能的應用　93
3.4　機器學習的發(fā)展及應用　101
3.4.1　機器學習的基本概念　101
3.4.2　機器學習的發(fā)展　104
3.4.3　機器學習的分類　106
3.4.4　機器學習的應用　114
3.5　深度學習發(fā)展及應用　116
3.5.1　深度學習的基本概念　116
3.5.2　深度學習的發(fā)展　119
3.5.3　深度學習框架　126
3.5.4　深度學習的常見算法　135
參考文獻　151
第4章　基于CNN的排水管道缺陷檢測技術　153
4.1　概述　153
4.2　排水管道缺陷檢測算法綜述　153
4.2.1　傳統(tǒng)算法　154
4.2.2　機器學習　155
4.2.3　深度學習　157
4.3　基于深度學習的卷積神經(jīng)網(wǎng)絡介紹　159
4.3.1　卷積神經(jīng)網(wǎng)絡基本結構　159
4.3.2　現(xiàn)有的卷積神經(jīng)網(wǎng)絡　164
4.4　基于CNN的排水管道缺陷檢測技術應用現(xiàn)狀　171
4.4.1　卷積神經(jīng)網(wǎng)絡在工程領域的發(fā)展現(xiàn)狀　172
4.4.2　卷積神經(jīng)網(wǎng)絡在排水管道領域的發(fā)展現(xiàn)狀　177
4.5　基于CNN的排水管道缺陷檢測技術基本原理　179
4.5.1　排水管道缺陷圖像獲取　180
4.5.2　建立排水管道缺陷數(shù)據(jù)集　180
4.5.3　模型訓練　181
4.5.4　超參數(shù)的調(diào)優(yōu)　182
4.5.5　模型的測試　184
4.6　排水管道檢測技術評價及對比分析　187
4.6.1　準確度上升曲線　187
4.6.2　各類別混淆矩陣統(tǒng)計分析　188
4.6.3　macro-F1分數(shù)　189
4.7　檢測結果分析　190
參考文獻　191
第5章　基于目標探測的排水管道管周缺陷雷達檢測　197
5.1　概述　197
5.2　目標探測算法原理　198
5.2.1　目標探測算法基礎　198
5.2.2　基于候選區(qū)域的目標探測算法　200
5.2.3　基于回歸的目標探測算法　208
5.3　深度學習目標探測算法應用現(xiàn)狀　217
5.3.1　目標探測算法在工程領域的應用　217
5.3.2　目標探測算法在管道領域的應用　219
5.4　探地雷達算法原理　222
5.5　探地雷達圖像檢測　224
5.5.1　檢測方法概述　224
5.5.2　智能檢測方法　225
5.5.3　檢測結果評價分析　229
參考文獻　230
第6章　基于實例分割算法的排水管道缺陷分割　234
6.1　概述　234
6.2　深度學習實例分割算法應用現(xiàn)狀　234
6.2.1　實例分割算法在工程領域的應用現(xiàn)狀　235
6.2.2　實例分割算法在地下管網(wǎng)中的應用現(xiàn)狀　237
6.3　實例分割算法原理　238
6.3.1　基本步驟　238
6.3.2　常見實例分割模型　244
6.4　實例分割算法評價指標　250
6.4.1　準確率　250
6.4.2　精確率與召回率　251
6.4.3　F分數(shù)　251
6.4.4　P-R曲線、AP及MAP　251
6.5　基于實例分割算法的排水管道缺陷智能分割結果分析　252
6.5.1　實驗環(huán)境　252
6.5.2　評估指標　252
6.5.3　模型訓練　252
6.5.4　分割結果　253
6.5.5　模型對比分析　256
參考文獻　257
第7章　基于三維點云的排水管道缺陷量化　260
7.1　概述　260
7.2　三維點云處理技術介紹　260
7.2.1　三維點云介紹　260
7.2.2　三維點云處理技術的應用　260
7.3　三維點云濾波技術研究現(xiàn)狀　263
7.3.1　點云濾波的概念　263
7.3.2　點云濾波主要方法　263
7.4　三維點云特征描述與提取　266
7.4.1　特征描述與提取的概念及算法　266
7.4.2　三維點云主要特征描述子　268
7.5　三維點云分割技術研究現(xiàn)狀　278
7.5.1　點云分割概念及算法　278
7.5.2　點云分割主要方法　280
7.6　基于三維點云的排水管道缺陷體積測量　283
7.6.1　應用概述　283
7.6.2　具體實施步驟　284
7.6.3　測量結果展示　286
參考文獻　287
第8章　基于BIM的排水管道三維缺陷信息管理平臺　288
8.1　概述　288
8.2　BIM技術介紹　288
8.2.1　BIM技術簡介　288
8.2.2　BIM技術的原理　290
8.2.3　BIM技術的特點　291
8.2.4　BIM與Revit的關系　292
8.3　BIM技術的應用現(xiàn)狀　294
8.3.1　BIM技術的應用概況　294
8.3.2　BIM技術在地下排水管道中的應用現(xiàn)狀　295
8.4　基于BIM技術與三維點云結合的應用　296
8.4.1　BIM與三維點云的區(qū)別　296
8.4.2　BIM與三維點云的聯(lián)系　296
8.4.3　基于BIM與三維點云結合的相關應用　297
8.5　排水管道BIM模型的構建　298
8.5.1　排水管道的基本概況　298
8.5.2　排水管道BIM模型的構建　298
8.6　基于BIM的排水管道三維缺陷信息管理平臺　300
8.6.1　基本方法介紹　300
8.6.2　排水管道BIM模型的構建　303
8.6.3　排水管道三維點云數(shù)據(jù)的獲取與處理　303
8.6.4　三維點云數(shù)據(jù)與BIM模型的配準　304
8.6.5　基于BIM的排水管道三維缺陷信息管理平臺　305
參考文獻　308