基于DeformMobileViT的城市地下管道异常样本判别  

作　　者：吴培德 李波[1,2] 姚为 李鑫[1] 程立 

机构地区：[1]中南民族大学计算机科学学院 [2]国家民委信息物理融合智能计算重点实验室

出　　处：《数字技术与应用》2023年第11期9-11,共3页Digital Technology & Application

基　　金：国家自然科学基金资助项目(61976226);中南民族大学科研学术团队资助项目(KTZ20050)。

摘　　要：城市地下管道是城市的重要基础设施,对地下管道的定期检测是一项重要工作,关系到城市的正常运行。文章针对目前地下管道缺陷检测中的问题,提出了一种DeformMobileViT分类模型,将可变形卷积网络与MobileViT结合,并基于迁移学习训练建模,从管道设备获取的地下管道图像样本中,判别出可能存在各类缺陷的样本。实验结果表明,本文提出的模型F1normal分数达到94.15%。本文工作可以有效降低人工检测的工作量,并提高检测精度,具有良好的应用价值。

关 键 词：迁移学习 地下管道 DEFORM 管道设备 人工检测 类模型 定期检测 异常样本 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]