地下排水管网智能检测技术

目录
前言
第1章　概述　1
1.1　管道行业发顧史　1
1.2　排水管道现状　3
1.3　管道引起的“城市病”　4
1.3.1　路面塌陷　4
1.3.2　城市内涝　5
1.3.3　黑臭水体　5
1.3.4　污水浓度异常　6
1.4　排水管道结构性缺陷　7
1.5　排水管道功能性缺陷　10
1.6　排水管道检测的必要性　15
1.6.1　管道问题及危害　15
1.6.2　制订养护计划的基础　15
1.6.3　制订修复方案的依据　17
1.6.4　雨污分流工程的需要　17
1.6.5　经济效益分析　19
参考文献　19
第2章　国内外排水管道检测技术发展　21
2.1　概述　21
2.2　人工检测方法　22
2.2.1　人工开井巡视　23
2.2.2　潜水检查　25
2.2.3　简易工具检查　27
2.3　管道视频检测技术　30
2.3.1　管道潜望镜检测　31
2.3.2　CCTV检测　33
2.3.3　激光扫描检测　39
2.4　管道声呐检测技术　41
2.4.1　基本知识　42
2.4.2　检测方法　46
2.4.3　数据处理与评价　47
2.4.4　工程应用　49
2.5　管道电法测漏技术　50
2.5.1　基本知识　51
2.5.2　检测方法　53
2.5.3　数据处理与评价　53
2.5.4　工程应用　54
2.6　雷达检测技术　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　探地雷达检测　75
2.6.5　管道雷达检测　82
参考文献　84
第3章　大数据与人工智能发展　86
3.1　概述　86
3.2　大数据的发展及应用　86
3.2.1　大数据的基本概念　86
3.2.2　大数据的发展　87
3.2.3　大数据相关政策　87
3.2.4　大数据的应用及发展趋势　89
3.3　人工智能发展及应用　90
3.3.1　人工智能基本概念　90
3.3.2　人工智能的发展　91
3.3.3　人工智能的应用　93
3.4　机器学习的发展及应用　101
3.4.1　机器学习的基本概念　101
3.4.2　机器学习的发展　104
3.4.3　机器学习的分类　106
3.4.4　机器学习的应用　114
3.5　深度学习发展及应用　116
3.5.1　深度学习的基本概念　116
3.5.2　深度学习的发展　119
3.5.3　深度学习框架　126
3.5.4　深度学习的常见算法　135
参考文献　151
第4章　基于CNN的排水管道缺陷检测技术　153
4.1　概述　153
4.2　排水管道缺陷检测算法综述　153
4.2.1　传统算法　154
4.2.2　机器学习　155
4.2.3　深度学习　157
4.3　基于深度学习的卷积神经网络介绍　159
4.3.1　卷积神经网络基本结构　159
4.3.2　现有的卷积神经网络　164
4.4　基于CNN的排水管道缺陷检测技术应用现状　171
4.4.1　卷积神经网络在工程领域的发展现状　172
4.4.2　卷积神经网络在排水管道领域的发展现状　177
4.5　基于CNN的排水管道缺陷检测技术基本原理　179
4.5.1　排水管道缺陷图像获取　180
4.5.2　建立排水管道缺陷数据集　180
4.5.3　模型训练　181
4.5.4　超参数的调优　182
4.5.5　模型的测试　184
4.6　排水管道检测技术评价及对比分析　187
4.6.1　准确度上升曲线　187
4.6.2　各类别混淆矩阵统计分析　188
4.6.3　macro-F1分数　189
4.7　检测结果分析　190
参考文献　191
第5章　基于目标探测的排水管道管周缺陷雷达检测　197
5.1　概述　197
5.2　目标探测算法原理　198
5.2.1　目标探测算法基础　198
5.2.2　基于候选区域的目标探测算法　200
5.2.3　基于回归的目标探测算法　208
5.3　深度学习目标探测算法应用现状　217
5.3.1　目标探测算法在工程领域的应用　217
5.3.2　目标探测算法在管道领域的应用　219
5.4　探地雷达算法原理　222
5.5　探地雷达图像检测　224
5.5.1　检测方法概述　224
5.5.2　智能检测方法　225
5.5.3　检测结果评价分析　229
参考文献　230
第6章　基于实例分割算法的排水管道缺陷分割　234
6.1　概述　234
6.2　深度学习实例分割算法应用现状　234
6.2.1　实例分割算法在工程领域的应用现状　235
6.2.2　实例分割算法在地下管网中的应用现状　237
6.3　实例分割算法原理　238
6.3.1　基本步骤　238
6.3.2　常见实例分割模型　244
6.4　实例分割算法评价指标　250
6.4.1　准确率　250
6.4.2　精确率与召回率　251
6.4.3　F分数　251
6.4.4　P-R曲线、AP及MAP　251
6.5　基于实例分割算法的排水管道缺陷智能分割结果分析　252
6.5.1　实验环境　252
6.5.2　评估指标　252
6.5.3　模型训练　252
6.5.4　分割结果　253
6.5.5　模型对比分析　256
参考文献　257
第7章　基于三维点云的排水管道缺陷量化　260
7.1　概述　260
7.2　三维点云处理技术介绍　260
7.2.1　三维点云介绍　260
7.2.2　三维点云处理技术的应用　260
7.3　三维点云滤波技术研究现状　263
7.3.1　点云滤波的概念　263
7.3.2　点云滤波主要方法　263
7.4　三维点云特征描述与提取　266
7.4.1　特征描述与提取的概念及算法　266
7.4.2　三维点云主要特征描述子　268
7.5　三维点云分割技术研究现状　278
7.5.1　点云分割概念及算法　278
7.5.2　点云分割主要方法　280
7.6　基于三维点云的排水管道缺陷体积测量　283
7.6.1　应用概述　283
7.6.2　具体实施步骤　284
7.6.3　测量结果展示　286
参考文献　287
第8章　基于BIM的排水管道三维缺陷信息管理平台　288
8.1　概述　288
8.2　BIM技术介绍　288
8.2.1　BIM技术简介　288
8.2.2　BIM技术的原理　290
8.2.3　BIM技术的特点　291
8.2.4　BIM与Revit的关系　292
8.3　BIM技术的应用现状　294
8.3.1　BIM技术的应用概况　294
8.3.2　BIM技术在地下排水管道中的应用现状　295
8.4　基于BIM技术与三维点云结合的应用　296
8.4.1　BIM与三维点云的区别　296
8.4.2　BIM与三维点云的联系　296
8.4.3　基于BIM与三维点云结合的相关应用　297
8.5　排水管道BIM模型的构建　298
8.5.1　排水管道的基本概况　298
8.5.2　排水管道BIM模型的构建　298
8.6　基于BIM的排水管道三维缺陷信息管理平台　300
8.6.1　基本方法介绍　300
8.6.2　排水管道BIM模型的构建　303
8.6.3　排水管道三维点云数据的获取与处理　303
8.6.4　三维点云数据与BIM模型的配准　304
8.6.5　基于BIM的排水管道三维缺陷信息管理平台　305
参考文献　308