CN116877938B - 一种基于图像数据处理的城市排水管网破损检测定位*** - Google Patents
一种基于图像数据处理的城市排水管网破损检测定位*** Download PDFInfo
- Publication number
- CN116877938B CN116877938B CN202310836299.3A CN202310836299A CN116877938B CN 116877938 B CN116877938 B CN 116877938B CN 202310836299 A CN202310836299 A CN 202310836299A CN 116877938 B CN116877938 B CN 116877938B
- Authority
- CN
- China
- Prior art keywords
- information
- damage
- pipeline
- value
- pipe network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006378 damage Effects 0.000 title claims abstract description 79
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims description 37
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000009526 moderate injury Effects 0.000 claims description 7
- 239000012535 impurity Substances 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 4
- 238000009530 blood pressure measurement Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 230000008832 photodamage Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000009528 severe injury Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Acoustics & Sound (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像数据处理的城市排水管网破损检测定位***,涉及图像数据处理技术领域,本发明先对排水管网模型进行分区划定并预设检测区域分布路径,且在分布路径上标记监管节点,再采集监管节点上的节点实时压力,再将节点实时压力与无损状态下的管道数值进行比较分析以生成波动值,获取波动值处的位置坐标,初步定位到异常点的位置,并获取波动值处的位置坐标处的图像,再进行进一步的图像分析生成的差异值,通过差异值判断生成破损点和破损程度分级以进行渐变显示,实现精准分析出破损点的位置以及破损程度,并实现远程查看实时破损情况,对应安排维修,保证了管网快速便捷的维护更换,使本发明智能性程度更高。
Description
技术领域
本发明涉及图像数据处理技术领域,尤其涉及一种基于图像数据处理的城市排水管网破损检测定位***。
背景技术
城市排水管网是城市基础设施中重要的组成部分,是保证城市排水***稳定运行的基础保障。城市排水管网主要分为两类,一类是雨水排水管道,主要承担着雨水的收集和排出工作,防止城市出现城市排渍防涝的发生。另一类是污水排水管道,主要承担着城市生活污水的收集和排出工作,防止城市水污染的发生。城市排水管网是一个复杂的***工程,呈现出复杂的网络结构。只有充分发挥城市排水管网的排水功能,才能保障城市公共服务的质量和城市安全,创造良好的社会、环境、经济效益。因此,需要做好城市排水管网的管理养护工作,保障城市排水管网的持续稳定运行。
对城市建设来说,由于各种自然原因(老化,腐蚀等)和人为施工等原因造成给排水管网泄漏是不可避免的问题。目前对于给排水管道泄漏的监测和定位较困难。主要原因是由于给排水管网分布较广并且情况纷繁复杂,其次给排水管网深埋在地下,较难及时发现泄漏并实施应对措施。当前市政给排水管网泄漏检测主要是靠人工巡检、民众举报、定期破土检查、环境监测等被动方法进行处理,大型管网会在一定周期聘请专业检测公司进行检查,成本高昂,综上即为无法依据排水管网模型相应预设参数对实际工作过程中的排水管网进行动态结合,无法进行远程监控管网运输稳定性和管网破漏情况,造成其智能化程度较低的问题。
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于:将排水管网模型相应预设参数和实际工作过程中的排水管网进行动态结合,采集相应信息并处理分析,实现远程监控管网运输稳定性和管网破漏情况的判断分析提醒,提高管网监控过程中的智能性;
为了实现上述目的,本发明采用了如下技术方案:
一种基于图像数据处理的城市排水管网破损检测定位***,其特征在于,包括管网建模单元、预警监管单元、图像获取单元、数据处理单元、破损分析单元和定位显示单元;
管网建模单元生成排水管网模型,再对排水管网模型进行分区划定并预设检测区域分布路径,且在分布路径上标记监管节点,将区域分布路径图发送至图像获取单元和预警监管单元进行储存,再获取城市排水管网内的无损状态下的管道数值,并将无损状态下的管道数值发送至破损分析单元进行储存;
预警监管单元采集监管节点上的节点实时压力,再将节点实时压力与无损状态下的管道数值进行比较分析以生成波动值,获取波动值处的位置坐标,将波动值处的位置坐标传递至图像获取单元;
图像获取单元接受到波动值处的位置后,并获取波动值位置处的实时图像发送给破损分析单元;
破损分析单元获取波动值位置处的实时图像并进行预处理若干处理图片,且结合无损状态下的管道数值进行分析对比生成差异值,再通过生成的差异值判断生成破损点,获取破损点的位置和差异值生成标记信息,且将标记信息发送至定位显示单元;
定位显示单元接收到标记信息后,标记信息进行破损程度分级并分别在排水管网模型上进行异色渐变显示,通过标记信息获取同色系下差异值,获取同色系下差异值最大的破损点的位置,以同色系下差异值最大的破损点的位置为圆心,获取预设区域范围内其他差异值,将预设区域范围内的差异值进行整合并生成警报系数,通过警报系数划分不同预设区域范围内的维护重要程度。
进一步的,无损状态下的管道数值包括管道内压力数值和管道壁厚数值,其中管道压力数值为P,其中P0<P<Pl,所述管道壁厚数值为m,其中m0<m<ml。
进一步的,波动值的生成过程,其具体步骤如下:
S1:管网分布路径上的节点上设置的压力传感器获取对应节点处的水压测量值Pn;
S2:将Pn与P0和Pl进行比较计算,得出波动值,波动值的正常值范围为r0<r<rl;
S3:判断波动值r的异常性结果,出现压力异常状态时将异常提醒信息发送至图像获取单元。
进一步的,图像获取单元获取图像信息,其具体步骤如下:
S1:接受预警监管单元发送的压力异常提醒信息,根据压力异常提醒信息在区域分布路径图上溯回节点的位置信息;
S2:根据节点的位置信息在区域分布路径图上选择最近的管道开放端口,控制管道机器人携带超声波声像仪沿着管道开放端口进入管道内部,通过超声波声像仪对管道内部进行三维空间的超声波矢量扫描;
S3:超声波声像仪获取管道的三维图像信息后自动发送至破损分析单元。
进一步的,破损分析单元进行破损分析过程,具体包括以下步骤:
S1:将节点范围内固定长度的管道作为处理对象,将管道划分为k个目标信息对象,其中k为大于0的自然数;
S2:自k为1的目标信息对象为起点,对k个目标信息对象范围内的管道进行径向区域划分,得到k个集合Ai={1,2.3,…,ni},其中i为大于0的自然数,对壁厚数值进行测量,通过超声波声像仪获取管道的壁厚数值,得到的所有壁厚数值mj,并将同一目标信息对象的数据整合为集合Aj={1,2,3,…,n},其中j为大于0的自然数,另外k、i、j的量值在同一管网模型内相同;
S3:逐一对k个目标信息对象进行数据采集,得到了K个集合Aj;
S4:将集合内的数据与管道壁厚数值m根据公式进行计算对比得到差异值g,其中g=,得到g的数据范围为go<g<gl;
S5:根据g值进行破损程度分析,当g值在数据范围内时,表明此时目标节点位置处未发现破损点,当g值超出数据范围时,具体可分为:
a、当g<go,此时表明管壁数据g较正常值偏厚,说明管道内壁有杂质附着;
b、当g>gl,此时表明管壁数据g较正常值偏薄,说明管道内壁出现破损。
进一步的,其中标记信息包括位置坐标信息以及破损程度分级信息,其中位置坐标信息包括节点的纵向位置坐标、横向位置坐标、节点所在位置处的管道型号和管道上下游的终端坐标。
进一步的,破损程度分级信息根据分析结果可划分为轻度破损、中度破损、重度破损和特大程度破损,其具体分级过程是以h为等级划分阈值:
当g-gl>h时,此时标记信息为轻度破损状态;
当g-gl>2h时,此时标记信息为中度破损状态;
当g-gl>3h时,此时标记信息为重度破损状态;
当g-gl>4h时,此时标记信息为特大程度破损状态。
进一步的,在所述S5中,当分析结果表明目标节点位置处未发现破损点,通过管道机器人携带温度传感器检测目标节点处温度是否出现异常波动,将温度检测信息传送至预警监管单元,预警监管单元判定管道内温度的异常情况,出现温度异常时将异常信息报告至定位显示单元进行标记显示,温度异常信息标记与破损异常信息标记采用不同的标记符号进行区别,具体为当温度过高时显示为T↑,当温度过低时显示为T↓。
进一步的,在所述S5中,当分析结果表明目标节点位置处有杂质附着导致管壁过厚时,根据定位信息控制管道清理机器人移动至目标节点位置处的管道内部,对管道进行清理。
进一步的,定位显示单元对破损节点标记时,显示破损符号为▲,其中轻度破损、中度破损、重度破损和特大程度破损分别采用同色系的深浅渐变进行标记,同一破损节点处通过深浅不同的同色系▲标记符号显示随着破损点延伸显示破损程度分布状态。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明先对排水管网模型进行分区划定并预设检测区域分布路径,且在分布路径上标记监管节点,再采集监管节点上的节点实时压力,再将节点实时压力与无损状态下的管道数值进行比较分析以生成波动值,获取波动值处的位置坐标,初步定位到异常点的位置,并获取波动值处的位置坐标处的图像,再进行进一步的图像分析生成的差异值,通过差异值判断生成破损点和破损程度分级以进行渐变显示,实现精准分析出破损点的位置以及破损程度,并实现远程查看实时破损情况,对应安排维修,保证了管网快速便捷的维护更换,使本发明智能性程度更高。
附图说明
图1示出了本发明的***框图;
图2示出了本发明的***流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1-2所示,一种基于图像数据处理的城市排水管网破损检测定位***,包括管网建模单元、预警监管单元、图像获取单元、数据处理单元、破损分析单元和定位显示单元;
工作原理如下:
步骤一、管网建模单元生成排水管网模型,再对排水管网模型进行分区划定并预设检测区域分布路径,且在分布路径上标记监管节点,将区域分布路径图发送至图像获取单元和预警监管单元进行储存,再获取城市排水管网内的无损状态下的管道数值,并将无损状态下的管道数值发送至破损分析单元进行储存;
其中无损状态下的管道数值包括管道内压力数值和管道壁厚数值,其中管道压力数值为P,其中P0<P<Pl,所述管道壁厚数值为m,其中m0<m<m;
采用现有的SQLServer数据库为架构,SQLServer数据库内保存有模型数据库、管网数据库和管网施工数据库,同的管线设置有对应的ID码,将其对应的不同类型、坐标、参数和流向信息分别存入对应的数据库中保存,通过SQLServer数据库获取管网数据,然后录入美国Stoner公司的SynerGEE Gas软件生成排水管网模型;
针对管网分布路径上的管道连接点以及管网分布路径上环境中存在高危影响因素集中分布的管道设置监管节点。
步骤二、预警监管单元采集监管节点上的节点实时压力,再将节点实时压力与无损状态下的管道数值进行比较分析以生成波动值,获取波动值处的位置坐标,将波动值处的位置坐标传递至图像获取单元;
在每一监管节点设置压力传感器,压力传感器实时检测监管节点处的压力数值;
波动值的生成过程,其具体步骤如下:
S1:管网分布路径上的节点上设置的压力传感器获取对应节点处的水压测量值Pn;
S2:将Pn与P0和Pl进行比较计算,得出波动值,波动值的正常值范围为r0<r<rl;
S3:判断波动值r的异常性结果,出现压力异常状态时将异常提醒信息发送至图像获取单元。
步骤三、图像获取单元接受到波动值处的位置后,并获取波动值位置处的实时图像发送给破损分析单元;
图像获取单元获取图像信息,其具体步骤如下:
S1:接受预警监管单元发送的压力异常提醒信息,根据压力异常提醒信息在区域分布路径图上溯回节点的位置信息;
S2:根据节点的位置信息在区域分布路径图上选择最近的管道开放端口,控制管道机器人携带超声波声像仪沿着管道开放端口进入管道内部,通过超声波声像仪对管道内部进行三维空间的超声波矢量扫描;
S3:超声波声像仪获取管道的三维图像信息后自动发送至破损分析单元。
步骤四、破损分析单元获取波动值位置处的实时图像并进行预处理若干处理图片,且结合无损状态下的管道数值进行分析对比生成差异值,再通过生成的差异值判断生成破损点,获取破损点的位置和差异值生成标记信息,且将标记信息发送至定位显示单元;
破损分析单元进行破损分析过程,具体包括以下步骤:
S1:将节点范围内固定长度的管道作为处理对象,将管道划分为k个目标信息对象,其中k为大于0的自然数;
S2:自k为1的目标信息对象为起点,对k个目标信息对象范围内的管道进行径向区域划分,得到k个集合Ai={1,2.3,…,ni},其中i为大于0的自然数,对壁厚数值进行测量,通过超声波声像仪获取管道的壁厚数值,得到的所有壁厚数值mj,并将同一目标信息对象的数据整合为集合Aj={1,2,3,…,n},其中j为大于0的自然数,另外k、i、j的量值在同一管网模型内相同;
S3:逐一对k个目标信息对象进行数据采集,得到了K个集合Aj;
S4:将集合内的数据与管道壁厚数值m根据公式进行计算对比得到差异值g,其中g=,得到g的数据范围为go<g<gl;
S5:根据g值进行破损程度分析,当g值在数据范围内时,表明此时目标节点位置处未发现破损点,当g值超出数据范围时,具体可分为:
a、当g<go,此时表明管壁数据g较正常值偏厚,说明管道内壁有杂质附着;
b、当g>gl,此时表明管壁数据g较正常值偏薄,说明管道内壁出现破损。
其中标记信息包括位置坐标信息以及破损程度分级信息,其中位置坐标信息包括节点的纵向位置坐标、横向位置坐标、节点所在位置处的管道型号和管道上下游的终端坐标。
当分析结果表明目标节点位置处未发现破损点,通过管道机器人携带温度传感器检测目标节点处温度是否出现异常波动,将温度检测信息传送至预警监管单元,预警监管单元判定管道内温度的异常情况,出现温度异常时将异常信息报告至定位显示单元进行标记显示,温度异常信息标记与破损异常信息标记采用不同的标记符号进行区别,具体为当温度过高时显示为T↑,当温度过低时显示为T↓;
当分析结果表明目标节点位置处有杂质附着导致管壁过厚时,根据定位信息控制管道清理机器人移动至目标节点位置处的管道内部,对管道进行清理。
步骤五、定位显示单元接收到标记信息后,标记信息进行破损程度分级并分别在排水管网模型上进行异色渐变显示,通过标记信息获取同色系下差异值,获取同色系下差异值最大的破损点的位置,以同色系下差异值最大的破损点的位置为圆心,获取预设区域范围内其他差异值,将预设区域范围内的差异值进行整合并生成警报系数,通过警报系数划分不同预设区域范围内的维护重要程度。
破损程度分级信息根据分析结果可划分为轻度破损、中度破损、重度破损和特大程度破损,其具体分级过程是以h为等级划分阈值:
当g-gl>h时,此时标记信息为轻度破损状态;
当g-gl>2h时,此时标记信息为中度破损状态;
当g-gl>3h时,此时标记信息为重度破损状态;
当g-gl>4h时,此时标记信息为特大程度破损状态。
定位显示单元对破损节点标记时,显示破损符号为▲,其中轻度破损、中度破损、重度破损和特大程度破损分别采用同色系的深浅渐变进行标记,同一破损节点处通过深浅不同的同色系▲标记符号显示随着破损点延伸显示破损程度分布状态;
以最深色表示特大程度破损,以最浅色表示轻度破损,选取某一最深色▲标记为圆心,预设区域范围内的最深色▲标记越多表示该预设区域范围内的警报系数越大,表面该预设区域范围内的维修需求越紧急。
综合上述技术方案:本发明先对排水管网模型进行分区划定并预设检测区域分布路径,且在分布路径上标记监管节点,再采集监管节点上的节点实时压力,再将节点实时压力与无损状态下的管道数值进行比较分析以生成波动值,获取波动值处的位置坐标,初步定位到异常点的位置,并获取波动值处的位置坐标处的图像,再进行进一步的图像分析生成的差异值,通过差异值判断生成破损点和破损程度分级以进行渐变显示,实现精准分析出破损点的位置以及破损程度,并实现远程查看实时破损情况,对应安排维修,保证了管网快速便捷的维护更换,使本发明智能性程度更高。
区间、阈值大小的设定是为了便于比较,关于阈值的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量;只要不影响参数与量化后数值的比例关系即可。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置;
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于图像数据处理的城市排水管网破损检测定位***,其特征在于,包括管网建模单元、预警监管单元、图像获取单元、数据处理单元、破损分析单元和定位显示单元;
管网建模单元生成排水管网模型,再对排水管网模型进行分区划定并预设检测区域分布路径,且在分布路径上标记监管节点,将区域分布路径图发送至图像获取单元和预警监管单元进行储存,再获取城市排水管网内的无损状态下的管道数值,并将无损状态下的管道数值发送至破损分析单元进行储存;
无损状态下的管道数值包括管道内压力数值和管道壁厚数值,其中管道压力数值为P,其中P0<P<Pl,所述管道壁厚数值为m,其中m0<m<ml;
预警监管单元采集监管节点上的节点实时压力,再将节点实时压力与无损状态下的管道数值进行比较分析以生成波动值,获取波动值处的位置坐标,将波动值处的位置坐标传递至图像获取单元;
波动值的生成过程,其具体步骤如下:
S1:管网分布路径上的节点上设置的压力传感器获取对应节点处的水压测量值Pn;
S2:将Pn与P0和Pl进行比较计算,得出波动值,波动值的正常值范围为r0<r<rl;
S3:判断波动值r的异常性结果,出现压力异常状态时将异常提醒信息发送至图像获取单元;
图像获取单元接受到波动值处的位置后,并获取波动值位置处的实时图像发送给破损分析单元;
破损分析单元获取波动值位置处的实时图像并进行预处理若干处理图片,且结合无损状态下的管道数值进行分析对比生成差异值,再通过生成的差异值判断生成破损点,获取破损点的位置和差异值生成标记信息,且将标记信息发送至定位显示单元;
破损分析单元进行破损分析过程,具体包括以下步骤:
S1:将节点范围内固定长度的管道作为处理对象,将管道划分为k个目标信息对象,其中k为大于0的自然数;
S2:自k为1的目标信息对象为起点,对k个目标信息对象范围内的管道进行径向区域划分,得到k个集合Ai={1,2.3,…,ni},其中i为大于0的自然数,对壁厚数值进行测量,通过超声波声像仪获取管道的壁厚数值,得到的所有壁厚数值mj,并将同一目标信息对象的数据整合为集合Aj={1,2,3,…,n},其中j为大于0的自然数,另外k、i、j的量值在同一管网模型内相同;
S3:逐一对k个目标信息对象进行数据采集,得到了K个集合Aj;
S4:将集合内的数据与管道壁厚数值m根据公式进行计算对比得到差异值g,其中g=,得到g的数据范围为go<g<gl;
S5:根据g值进行破损程度分析,当g值在数据范围内时,表明此时目标节点位置处未发现破损点,当g值超出数据范围时,具体可分为:
a、当g<go,此时表明管壁数据g较正常值偏厚,说明管道内壁有杂质附着;
b、当g>gl,此时表明管壁数据g较正常值偏薄,说明管道内壁出现破损;
定位显示单元接收到标记信息后,标记信息进行破损程度分级并分别在排水管网模型上进行异色渐变显示,通过标记信息获取同色系下差异值,获取同色系下差异值最大的破损点的位置,以同色系下差异值最大的破损点的位置为圆心,获取预设区域范围内其他差异值,将预设区域范围内的差异值进行整合并生成警报系数,通过警报系数划分不同预设区域范围内的维护重要程度。
2.根据权利要求1所述的基于图像数据处理的城市排水管网破损检测定位***,其特征在于,图像获取单元获取图像信息,其具体步骤如下:
S1:接受预警监管单元发送的压力异常提醒信息,根据压力异常提醒信息在区域分布路径图上溯回节点的位置信息;
S2:根据节点的位置信息在区域分布路径图上选择最近的管道开放端口,控制管道机器人携带超声波声像仪沿着管道开放端口进入管道内部,通过超声波声像仪对管道内部进行三维空间的超声波矢量扫描;
S3:超声波声像仪获取管道的三维图像信息后自动发送至破损分析单元。
3.根据权利要求1所述的基于图像数据处理的城市排水管网破损检测定位***,其特征在于,其中标记信息包括位置坐标信息以及破损程度分级信息,其中位置坐标信息包括节点的纵向位置坐标、横向位置坐标、节点所在位置处的管道型号和管道上下游的终端坐标。
4.根据权利要求1所述的基于图像数据处理的城市排水管网破损检测定位***,其特征在于,破损程度分级信息根据分析结果可划分为轻度破损、中度破损、重度破损和特大程度破损,其具体分级过程是以h为等级划分阈值:
当g-gl>h时,此时标记信息为轻度破损状态;
当g-gl>2h时,此时标记信息为中度破损状态;
当g-gl>3h时,此时标记信息为重度破损状态;
当g-gl>4h时,此时标记信息为特大程度破损状态。
5.根据权利要求1所述的基于图像数据处理的城市排水管网破损检测定位***,其特征在于,在所述S5中,当分析结果表明目标节点位置处未发现破损点,通过管道机器人携带温度传感器检测目标节点处温度是否出现异常波动,将温度检测信息传送至预警监管单元,预警监管单元判定管道内温度的异常情况,出现温度异常时将异常信息报告至定位显示单元进行标记显示,温度异常信息标记与破损异常信息标记采用不同的标记符号进行区别,具体为当温度过高时显示为T↑,当温度过低时显示为T↓。
6.根据权利要求1所述的基于图像数据处理的城市排水管网破损检测定位***,其特征在于,在所述S5中,当分析结果表明目标节点位置处有杂质附着导致管壁过厚时,根据定位信息控制管道清理机器人移动至目标节点位置处的管道内部,对管道进行清理。
7.根据权利要求4所述的基于图像数据处理的城市排水管网破损检测定位***,其特征在于,定位显示单元对破损节点标记时,显示破损符号为▲,其中轻度破损、中度破损、重度破损和特大程度破损分别采用同色系的深浅渐变进行标记,同一破损节点处通过深浅不同的同色系▲标记符号显示随着破损点延伸显示破损程度分布状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310836299.3A CN116877938B (zh) | 2023-07-10 | 2023-07-10 | 一种基于图像数据处理的城市排水管网破损检测定位*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310836299.3A CN116877938B (zh) | 2023-07-10 | 2023-07-10 | 一种基于图像数据处理的城市排水管网破损检测定位*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116877938A CN116877938A (zh) | 2023-10-13 |
CN116877938B true CN116877938B (zh) | 2024-02-13 |
Family
ID=88263735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310836299.3A Active CN116877938B (zh) | 2023-07-10 | 2023-07-10 | 一种基于图像数据处理的城市排水管网破损检测定位*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116877938B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117740273B (zh) * | 2024-02-19 | 2024-05-03 | 永忠工程管理(集团)有限公司 | 一种高原寒冷地带用给排水管测试装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105065917A (zh) * | 2015-08-24 | 2015-11-18 | 苏交科集团股份有限公司 | 城市排水管网在线检测方法 |
CN105868444A (zh) * | 2016-03-23 | 2016-08-17 | 天津城建大学 | 一种基于特征图像的燃气管网泄漏检测和定位方法 |
CN107274323A (zh) * | 2017-05-27 | 2017-10-20 | 中山市知科应用科技研究有限公司 | 一种城市排水动态管控*** |
JP2019100729A (ja) * | 2017-11-29 | 2019-06-24 | 日本電気株式会社 | 情報提示システム、情報提示方法およびプログラムに関する |
CN112683913A (zh) * | 2020-12-02 | 2021-04-20 | 成都龙之泉科技股份有限公司 | 一种密度探测的城市管网检测方法 |
CN113109004A (zh) * | 2021-04-14 | 2021-07-13 | 江苏迦楠环境科技有限公司 | 一种污水管网漏损监测方法及其*** |
CN114239194A (zh) * | 2021-10-20 | 2022-03-25 | 中州水务控股有限公司 | 一种大水量输供水管网漏损分析和漏点定位方法 |
CN115585403A (zh) * | 2022-11-01 | 2023-01-10 | 北部湾大学 | 多维度监控埋地天然气管道的安全预警*** |
CN115978464A (zh) * | 2022-12-12 | 2023-04-18 | 西安理工大学 | 基于变分模态分解和神经网络的管网泄漏检测与定位方法 |
CN116090605A (zh) * | 2022-12-07 | 2023-05-09 | 南栖仙策(南京)科技有限公司 | 一种管网预警方法、装置、电子设备及存储介质 |
JP2023072967A (ja) * | 2021-11-15 | 2023-05-25 | 北海道瓦斯株式会社 | 漏水検査方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110230780B (zh) * | 2019-06-12 | 2021-02-26 | 浙江大学 | 基于探地雷达三维图像属性分析的供水管道漏损检测方法 |
US20230144178A1 (en) * | 2021-11-05 | 2023-05-11 | Peter Atwal | Automomously reporting plumbing mesh network applications |
-
2023
- 2023-07-10 CN CN202310836299.3A patent/CN116877938B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105065917A (zh) * | 2015-08-24 | 2015-11-18 | 苏交科集团股份有限公司 | 城市排水管网在线检测方法 |
CN105868444A (zh) * | 2016-03-23 | 2016-08-17 | 天津城建大学 | 一种基于特征图像的燃气管网泄漏检测和定位方法 |
CN107274323A (zh) * | 2017-05-27 | 2017-10-20 | 中山市知科应用科技研究有限公司 | 一种城市排水动态管控*** |
JP2019100729A (ja) * | 2017-11-29 | 2019-06-24 | 日本電気株式会社 | 情報提示システム、情報提示方法およびプログラムに関する |
CN112683913A (zh) * | 2020-12-02 | 2021-04-20 | 成都龙之泉科技股份有限公司 | 一种密度探测的城市管网检测方法 |
CN113109004A (zh) * | 2021-04-14 | 2021-07-13 | 江苏迦楠环境科技有限公司 | 一种污水管网漏损监测方法及其*** |
CN114239194A (zh) * | 2021-10-20 | 2022-03-25 | 中州水务控股有限公司 | 一种大水量输供水管网漏损分析和漏点定位方法 |
JP2023072967A (ja) * | 2021-11-15 | 2023-05-25 | 北海道瓦斯株式会社 | 漏水検査方法 |
CN115585403A (zh) * | 2022-11-01 | 2023-01-10 | 北部湾大学 | 多维度监控埋地天然气管道的安全预警*** |
CN116090605A (zh) * | 2022-12-07 | 2023-05-09 | 南栖仙策(南京)科技有限公司 | 一种管网预警方法、装置、电子设备及存储介质 |
CN115978464A (zh) * | 2022-12-12 | 2023-04-18 | 西安理工大学 | 基于变分模态分解和神经网络的管网泄漏检测与定位方法 |
Non-Patent Citations (3)
Title |
---|
城市并行热力管道的非开挖检测技术研究;刘凯;于润桥;胡博;鄢志强;;南昌航空大学学报(自然科学版)(04);全文 * |
城市热网管道检测智能巡检机器人的设计与应用分析;赵俊杰;杨如意;唐剑;张献堂;王献文;张越;于大鹏;张乐;;能源科技;20200626(06);全文 * |
市政规划中给排水管网的要点分析;毕记波;田开端;;低碳世界(28);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116877938A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116877938B (zh) | 一种基于图像数据处理的城市排水管网破损检测定位*** | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
CN113128709B (zh) | 一种供水管网漏损管理*** | |
CN114444259A (zh) | 一种雨污管网溯源追踪***及方法 | |
CN110285330B (zh) | 一种基于局部离群因子的水务网管网爆管检测方法 | |
CN111121874A (zh) | 一种水源地水质监测评估***及其评估方法 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
CN111520614B (zh) | 一种生态管网数字化管理***及方法 | |
CN117540329B (zh) | 基于机器学习的排水管网缺陷在线预警方法及*** | |
CN116362720A (zh) | 一种应对供水管网操作变化情景下的漏损检测方法、装置及*** | |
CN112780953B (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
CN117113038B (zh) | 城市水土流失黄泥水事件溯源方法及*** | |
CN114295162A (zh) | 一种基于数据采集的环境监测*** | |
KR20210081136A (ko) | 대규모 용수공급관로를 위한 gis 기반 진단감시 통합관리시스템 | |
CN108826266B (zh) | 一种锅炉运行安全状态五维雷达图形监测方法 | |
CN117152926A (zh) | 基于数据分析的自动压力检测预警*** | |
CN116187980B (zh) | 一种基于数据传输的环保设备用可视化智能管理*** | |
CN116545111A (zh) | 一种基于变电站内外网的信息交互*** | |
CN110455370A (zh) | 防汛抗旱远程遥测显示*** | |
CN115493093A (zh) | 一种基于力学仿真的蒸汽供热管网漏损定位方法及*** | |
CN112837022A (zh) | Gis的城市给水排水管网的改造***和方法 | |
CN220601259U (zh) | 一种工业园区智慧水务管网漏损自动监测*** | |
CN118149289B (zh) | 基于物联网的管道****** | |
CN117007762B (zh) | 一种基于数据可视化的多水域水质监测方法 | |
CN116343118B (zh) | 一种基于污染点的污染监控方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |