一种基于多标签卷积神经网络的管道病害图像分类方法

摘要

本发明公开一种基于多标签卷积神经网络的管道病害图像分类方法，所述管道病害图像分类方法步骤如下：步骤1：收集管道内窥检测视频，提取视频中的图像帧；步骤2：计算每一个图像的时间戳特征；步骤3：将步骤1收集到的一部分图像帧送入多标签卷积神经网络模型中进行训练，获得能够正确分类出管道病害种类的多标签卷积神经网络模型；步骤4：用训练好的多标签卷积神经网络模型检测待检测管道内窥图像，然后多标签卷积神经网络模型会输出独热编码，根据独热编码确定出存在的管道病害种类，在现有Inception‑ResNet‑v2网络的基础上增加了多标签分类层，实现多种管道病害图像的分类功能。