基于机器视觉深度学习的电站渗水检测识别技术研究

针对传统的人工检测水库库底排水巡检区域渗水、裂缝的方法存在对工作人员要求过高,检测结果误差过大,检测区域限制过大等缺点,文中提出了一种基于Canny算法与卷积神经网络的裂缝检测识别技术。首先,利用轮式机器人对水电站中可能存在的裂缝进行图像采集,接着借助Canny算法对图像进行预处理并制作成对比数据库,通过数据库训练出能够识别含有裂缝图像的卷积神经网络。最终,将卷积神经网络迁移至机器人的微主板中,使得机器人在巡检过程中可以对渗水、裂缝等异常现象及时报警。实验结果表明,基于本方案的裂缝图像识别率达98.33%,在实际巡检工作中能够发现绝大多数的渗漏危险并给予报警。