T-CAS 731-2023 城镇排水管道检测影像数据智能判读技术规程

团城镇排水管道检测影像数据智能判读I前言 Ⅱ 12规范性引用文件 13术语和定义 1 24.1智能判读流程 24.2影像数据 24.3技术指标 3 45缺陷样本库建立 45.1一般规定 4 4 55.4样本库构建 5 56.1系统配置要求 56.2模型训练 66.3模型评价 7 97.1数据预处理 97.2缺陷判定 97.3成果输出 9 8.1成果内容 8.2成果归档 Ⅱ本文件依据GB/T1.1—2020《标准化工作导则第1部分：水务集团管网有限公司、保定金迪地下管线探测工程有限公司、京首创生态环保集团股份有限公司、水立通建设(江苏)有限公究总院(集团)有限公司、佛山市测绘地理信息研究院、深圳市博铭维技术股份有限公司、河北天元地理信息科技工程有限公司、浙江上鑫生态建设有限公司、深圳市深水水务咨询有限公限公司、中煤(西安)地下空间科技发展有限公司、浙江华东测司、深圳市水务(集团)有限公司、合肥市排水管理办公室、西宏远、刘会忠、杨宇龙、罗振丽、吴锦琰、梁有祥、LINZ-Ⅲ1用文件，仅注日期的版本适用于本文件。凡是不注日期引用文件，其最新版本(包括所有的修改单)适用于本文件。GB/T15278信息处理数据加密物理层互操作性要求GB/T20273信息安全技术数据库管理系统安全技术要求GB/T35274信息安全技术大数据服务安全能力要求GB/T37973信息安全技术大数据安全管理指南CJJ181城镇排水管道检测与评估技术规程2别管道缺陷信息(包括：缺陷类型、缺陷等级、缺陷位置等),4基本规定排水管道缺陷影像检测智能判读实施步骤见图成果提交智能判读成果提交智能判读4.2.1影像数据应根据项目要求统一编号，视频与同源图像编4.2.2应正确判断影像数据异常是由结构状态变化引起还是监4.2.5影像数据应连续、完整，录像画面上方应含有起始井及34.2.7影像数据应无卡顿、模糊、时间跳跃现象，图像边缘不应有明显锯齿状拉毛、断裂、拖尾等现象，图像变形率应≤5%。4.2.8影像数据质量评价主要技术指标应符合表1规定。检测项目技术指标1图像分辨率2水平分辨力环境光照不低于300lx时，水平分辨力不低于900TVL;环境光照在0.1lx以下时，水平分辨力不3帧率≥25帧/s45色彩还原64.2.9智能判读全过程影像数据应按照GB/T35274、GB/T20273、GB/T37973、GB/T15278、GB/T4.3.1智能判读模型的查全率和查准率不应低于90%,F1分数或macro-F1分数不应低于0.9。4.3.2所有类别平均精度值(AP)的平均即为mAP,mAP值不应低于90%。a)宜对所选模型进行多个现场视频测试，测试结果满足实4b)模型判读速度不宜低于25fps。4.4.1智能判读成果提交前，应检查录入智能判读模型的管网本文件第4.3.1条中规定。4.4.2智能判读成果提交前，应对判读结果进行人工复核，复5.1.2数据库应按照总样本量6:2:2比例划分成训练集、验5.2.1录入数据库的样本应符合本文件第4.2节中相关要求。5.2.3样本分类应符合CJJ181的规定，并经过人工复核和工5.2.4单类缺陷样本数量宜超过10000张，所有类别缺陷样本数量宜超160000张，图像分辨率应高于1920dpi×1080dpi。5a)缺陷类别应按照CJJ181中定义的缺陷代码进行标注；d)宜选用缺陷位置居中的样本进行标注，标注框应完全包5.3.2标注后所有样本的图像格式和标注信息格式应分别统一。a)样本库设计应遵循可靠性、先进性、可扩展性和标准性原则，并应考虑数据结构的整体性、样本库系统与应用c)样本库应模块化架构，可对排水管线信息、监测系统信a)宜采用多维属性聚簇存储方式和分段融合模糊聚类存储c)数据上传和下载时，宜通过非对称和对称加密算法保护6.1.1系统运行的硬件应选用高性能CPU、GPU处理器，硬a)应选择频率不低于3GHz、核心数不低于6、线程数不低于12的CPU;6b)应选择具有高性能GPU的显卡，显存容量宜大于8G,a)智能判读模型训练宜采用Linux操作系统；6.2.1智能判读模型的训练应按下列步骤进行(图2):图2智能判读模型训练步骤d)模型训练，循环调用训练过程，每轮都包括前向计算、损失函数(优化目标)和后向传播三个步骤；e)模型验证，模型完成每轮训练后，利用验证集验证模型f)模型判定，重复本条第d)款、e)款，模型损失满足设g)模型保存，将训练好的模型保存，用于排水管道缺陷智6.2.2模型网络结构设计应符7b)网络节点输入值应进行正则化计算，确保网络训练的稳a)宜设置不同的超参数进行模型训练，将验证集样本输入模型，对比模型训练过程中的损失值及查准率的变化曲b)超参数优化可采用网格搜索、随机搜索、强化学习、贝即判读的效率、查准率上升曲线的最大值和损失值下降b)查全率(R)应按下列公式计算：c)当分类目标数量不平衡时，采用F1分数作为数值评价d)面对数据不平衡的多分类问题，采用平均查准率Pm,平均查全率Rmm和macro-F1分数分别作为数值评价指8Rmm-—平均查全率；e)查准率-查全率曲线(Precision-Recall,PR曲线)是以查6.3.2平均精准度(AveragePrecision,AP)是对PR曲线上所有类别AP值的平均即为mAP。6.3.3可信度即模型输出的置信度(uncertaintyestimates),小于0.7。97.1.1用于智能判读的影像数据格式应7.1.2影像质量要求应符合本文件第4.2节要求，可以直接输清洗，剔除不合格图像后再放入智能判读模型，或者转交人工7.2.1缺陷判读方式可分为现场判读、PC终端判读、云端实a)基于armTPU、NPU边缘计算，将数据在开发板上现b)数据回传至服务器终端，基于PC端判读；7.2.2智能判读模型识别到缺陷后，应提取对应的缺陷图像，7.2.3缺陷判定结果以图像形式提交，应选择缺陷清晰完整、7.2.6缺陷应按本文件第6.3.3条的要求输出缺陷置信度。a)管道概况应包括检测任务基本情况、检测实施基本情况b)智能判读报告输出宜包含但不限于：管段基本信息、管道缺陷类型、位置、等级、缺陷置信度、管道缺陷判读c)技