AME-DeepLabV3+: 一种高效的城市地下管道语义分割网络

吴佳妮; 李波; 罗理; 文源

doi:10.12404/j.issn.1671-1815.2506336

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (28) :12286-12295 DOI: 10.12404/j.issn.1671-1815.2506336

自动化技术、计算机技术

AME-DeepLabV3+: 一种高效的城市地下管道语义分割网络

作者信息 +

AME-DeepLabV3+: An Efficient Neural Network for Urban Underground Pipes Semantic Segmentation

Author information +

文章历史 +

摘要

城市地下管道系统是城市的重要基础设施,需要经常开展管道缺陷排查。但是城市地下管道缺陷具有背景复杂、尺度变化大、形态各异、噪声多等特点,为了实现高效的地下管道缺陷语义分割,提出一种基于DeepLabV3+的改进模型AME-DeepLabV3+,主要改进策略包括:通过引入自适应图通道注意力机制(adaptive graph channel attention, AGCA),优化通道维度的特征表达,提升模型对复杂场景的适应性;设计多分支并行卷积(multi-branch parallel convolution, MPConv)处理低级特征,增强边缘细节,降低背景和噪声的干扰;设计高效特征融合模块(efficient selective feature fusion, ESFF),在降低参数量的同时,实现更好的特征融合。实验结果表明,改进后的DeepLabV3+模型相较于基线模型mIoU提升了4.76%,mPA提升了1.69%,具有实时性。相较于SegFormer等其他优秀的分割模型,所提模型也具有一定的优势。

Abstract

The urban underground pipeline system is a critical infrastructure of cities, for which regular inspections for pipeline defects are required to ensure operational safety. However, defects in urban underground pipelines are often complicated by factors such as complex backgrounds, large-scale changes, diverse morphologies, and noise. To achieve efficient semantic segmentation of underground pipeline defects, an improved model, AME-DeepLabV3+, was proposed based on the DeepLabV3+ framework. The main improvements include the adaptive graph channel attention (AGCA) mechanism was introduced to optimize the feature representation in the channel dimension and enhance the model’s adaptability to complex scenarios. A multi-branch parallel convolution (MPConv) was designed to process low-level features, enhance edge details, and reduce interference from backgrounds and noise. An efficient selective feature fusion (ESFF) module was designed to achieve better feature fusion while reducing the number of parameters. Experimental results show that the improved DeepLabV3+ model increases mIoU by 4.76% and mPA by 1.69% compared to the baseline model, while maintaining real-time performance. Compared with other high-performance segmentation models such as SegFormer, certain advantages are also demonstrated by the proposed model.

Graphical abstract

关键词

城市地下管道 / DeepLabV3+ / 语义分割 / 自适应图通道注意力机制(AGCA) / 多分支并行卷积(MPConv) / 高效特征融合模块(ESFF)

Key words

urban underground pipes / DeepLabV3+ / semantic segmentation / adaptive graph channel attention (AGCA) / multi-branch parallel convolution (MPConv) / efficient selective feature fusion (ESFF)

引用本文

引用格式 ▾

吴佳妮, 李波, 罗理, 文源. AME-DeepLabV3+: 一种高效的城市地下管道语义分割网络[J]. 科学技术与工程, 2026, 26(28): 12286-12295 DOI:10.12404/j.issn.1671-1815.2506336

WU Jia-ni, LI Bo, LUO Li, WEN Yuan. AME-DeepLabV3+: An Efficient Neural Network for Urban Underground Pipes Semantic Segmentation[J]. Science Technology and Engineering, 2026, 26(28): 12286-12295 DOI:10.12404/j.issn.1671-1815.2506336

登录浏览全文

4963

注册一个新账户忘记密码

城市地下管道的建设与维护是城市基础设施管理的重要组成部分^[1]。然而复杂的内外因素会导致地下管道出现各种缺陷,对生态环境、居民生活造成不利影响^[2]。城市地下管道缺陷的语义分割,有助于对缺陷精确定位,能够及时发现地下管道中潜在的安全隐患,有助于提前采取措施、预防灾害发生、保障公共安全。

地下管道的检测手段主要包括采用闭路电视(closed-circuit television, CCTV)系统检测、激光技术检测、潜望镜式检测、红外热像仪检测、超声波探测以及探地雷达探测等^[3-6]。传统的CCTV检测技术需要人工逐帧查看视频,这一过程费时费力,并且依赖检测人员的专业知识,可能会导致主观错误^[7]。其他几种检测技术也存在检测成本高、检测不全面、检测结果不准确等问题。因此,亟需引入一种更快、更自动化的手段来提高检测的准确性和效率。

在语义分割技术出现之前,研究人员主要依赖传统的图像处理方法进行地下管道缺陷检测,通常基于手工设计的特征提取器,通过图像预处理、分割、特征提取和分类等步骤识别管道缺陷。Sinha等^[8]结合神经网络和模糊逻辑,通过提取分割后的地下管道图像中的特征对缺陷进行分类。Huynh等^[9]提出了一种3D检测系统,利用立体视觉结合双边缘评价的算法来检测下水道管道中的异常。Meijer等^[10]提出了RADIUS框架,对下水管道内部进行3D重建,识别了沉积物、孔洞、裂缝等不同类别的管道缺陷。然而,这些方法存在局限性,如对图像质量要求高、特征提取器设计复杂且泛化能力差,难以适应复杂的管道环境和多样的缺陷类型。

卷积神经网络(convolutional neural network, CNN)通过自动学习图像特征,减少了对人工特征提取的依赖^[11],提高了缺陷检测和分割的准确性和效率。Wang等^[12]基于扩张卷积开发了一种网络DilaSeg,用于改进下水道缺陷的分割。Zhou等^[13]提出了基于DeepLabv3+的自动化污水管道缺陷检测和语义分割方法,将语义分割与缺陷严重性量化相结合,针对裂缝等5种缺陷,为污水管道评估提供更全面的解决方案。Dang等^[14]使用DeepLabV3+进行像素级语义分割,识别10种类型的缺陷并对缺陷进行严重性分析。Li等^[15]提出了一种名为PipeTransUNet的新型融合网络,结合了CNN的局部特征提取能力和Transformer的全局上下文理解能力。

城市地下管道缺陷类型错综复杂,容易丢失相关的语义信息^[16],导致误将某些缺陷判为背景。同时,在地下管道场景中,复杂背景中的相似纹理会使低级特征中的边缘信息混淆,导致分割边界偏离真实目标。针对这些问题,提出一种基于AME-DeepLabV3+的地下管道分割模型,主要贡献如下:一是在空洞金字塔池化(atrous spatial pyramid pooling, ASPP)模块^[17]中添加AGCA模块^[18],通过自适应学习优化空间信息提取,建模特征通道之间的复杂关系,提升通道维度的特征表示能力;二是设计了多分支并行卷积MPConv,利用卷积核不同的随机初始化权重学习不同的特征表示。在解码器中用MPConv代替标准卷积处理低级特征,增强对边缘、纹理信息的感知能力;三是设计了ESFF模块,使用轻量级通道注意力(efficient channel attention, ECA)^[19]对高级特征加权,用高级特征的语义信息过滤低级特征中的无关细节,减少语义冲突,优化计算效率。该模型能准确刻画缺陷空间分布,为城市地下管道缺陷智能识别提供可靠的技术支撑。

1 方法原理

1.1 DeepLabV3+模型

DeepLabV3+^[20]是用于语义分割的深度卷积神经网络,采用编码器-解码器结构。DeepLabv3+的编码器主要由改进的Xception网络^[21]和ASPP模块组成,用来增强特征提取能力,解码器由一系列的卷积和上采样操作组成,用来融合低级特征和高级特征。Xception应用了深度可分离卷积,有更少的参数量和更高的计算效率。ASPP模块通过使用不同膨胀率的空洞卷积,有效增大了感受野,获得多尺度的上下文信息。

1.2 AME-DeepLabV3+模型框架

DeepLabV3+模型虽然如上述具有一些优点,但其对复杂环境的适应能力有限,在解码器的上采样过程中精度损失严重。为了提高DeepLabV3+模型在城市地下管道场景下的分割能力,提出AME-DeepLabV3+模型,其结构如图1所示。

相比于原DeepLabV3+模型,在ASPP模块中引入AGCA模块,提高特征的通道表达能力。用多分支并行卷积MPConv替代普通卷积处理低级特征,增强其对边缘、纹理信息的感知能力。最后,将经过处理的高级特征和低级特征通过ESFF特征融合模块进行融合。在使用上述3种策略改进后,模型的平均交并比(mIoU)和平均像素精确度(mPA)均有一定程度的提升。

1.3 自适应图通道注意力机制AGCA

ASPP模块是一种广泛应用于语义分割任务的多尺度特征提取方法,它通过并行使用不同膨胀率的空洞卷积获取不同尺度的上下文信息,在不牺牲空间分辨率的情况下扩大感受野。ASPP模块在进行特征融合时,假设每个尺度的特征同等重要,然而在地下管道这一环境中,有形态大小各异的缺陷,这种等权重的假设显然是不合适的,可能会引入不必要的噪声,影响特征表示的效果。因此,引入AGCA^[18]模块,通过学习每个通道的重要性权重,为不同尺度的特征分配不同的权重,更好地实现多尺度特征融合,同时减少冗余特征通道的影响,提高特征表示的有效性。

AGCA模块引入图卷积理论,将通道间依赖关系建模为特征顶点的图结构,直接对特征执行非局部操作,避免复杂的逐像素空间编码。该模块的结构如图2所示。输入特征图$x\in {\mathrm{R}}^{\mathrm{C}\times \mathrm{H}\times \mathrm{W}}$首先经过全局平均池化(global average pooling, GAP)压缩为C×1×1的通道向量z。其中C为通道数,表征AGCA中特征顶点的数量;H为特征图的空间高度;W为特征图的空间宽度。然后通过特征映射层的两个线性嵌入函数构建瓶颈结构,在增强特征表达能力的同时降低计算量。

(1)$z\mathrm{\text{'}}={F}_{\mathrm{r}}\left(z\right)={W}_{1}z,\mathrm{　}{W}_{1}\in {\mathrm{R}}^{\mathrm{C}/\mathrm{r}\times \mathrm{C}}$

式(1)中:W₁为可学习权重;F_r(·)为特征压缩函数,将通道数从C压缩到C/r;r为压缩比。

AGCM模块通过自适应邻接矩阵A建模特征顶点间的依赖关系,其输入、输出分别为

(2)$X={F}_{\mathrm{r}}\left[\mathrm{G}\mathrm{A}\mathrm{P}\right(x\left)\right]\in {\mathrm{R}}^{\mathrm{C}/\mathrm{r}\times 1\times 1}$

(3)z″=ReLU[G(X,A)]=ReLU[$\tilde{A}$(W₃x)]

(4)$\tilde{A}={A}_{0}{A}_{1}+{A}_{2}$

(5)${A}_{1}=T\left[\mathrm{s}\mathrm{o}\mathrm{f}\mathrm{t}\mathrm{m}\mathrm{a}\mathrm{x}\right({W}_{4}x\left)\right]$

式中:z″为顶点权重;${W}_{3}\in {\mathrm{R}}^{\mathrm{C}/\mathrm{r}\times \mathrm{C}/\mathrm{r}}$为1D卷积权重,用于特征变换;G(·)为AGCM;$\tilde{A}$为组合邻接矩阵;A₀为单位矩阵;A₁为自注意力对角矩阵;A₂为可学习的全连接矩阵;T(·)为将向量矩阵转换为对角矩阵,实现通道自适应权重的动态调整;W₄为1D卷积权重。

AGCM的输出z″经F' _r(·)将通道数恢复到C,再通过sigmoid生成通道权重,可表示为

(6)$\alpha =\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{m}\mathrm{o}\mathrm{i}\mathrm{d}\left[F\mathrm{\text{'}}{\mathrm{ }}_{\mathrm{r}}\right(z″\left)\right]=\mathrm{s}\mathrm{i}\mathrm{g}\mathrm{m}\mathrm{o}\mathrm{i}\mathrm{d}({W}_{2}z″)$

式(6)中:$\alpha \in {\mathrm{R}}^{\mathrm{C}\times 1\times 1};{W}_{2}\in {\mathrm{R}}^{\mathrm{C}\times \mathrm{C}/\mathrm{r}}$为可学习权重矩阵。

最后,通道权重与原始特征图通过逐元素乘法完成融合,可表示为

(7)$y=x\mathrm{☉}\alpha $

式(7)中:☉表示广播元素乘法。

1.4 多分支并行卷积MPConv

DeepLabV3+的解码器使用1×1卷积调整通道数处理低级特征,与高级特征融合。这种方法虽然简单,但不涉及空间维度上的信息融合,无法充分挖掘低级特征的边缘及纹理信息。因此,设计一个多分支并行卷积模块(multi-branch parallel convolution, MPConv)。如图3所示,MPConv使用3×3卷积捕捉空间特征,将5个分支的结果进行拼接,经过1×1卷积调整通道数后输出。由于卷积层的权重初始化是随机的,使用5个分支可以学习到不同的特征,从而增强特征的鲁棒性。

1.5 高效选择性特征融合模块ESFF

DeepLabV3+用传统的方式进行特征拼接,BN(batch normalization)层、ReLU激活函数和Dropout的多层堆叠可能导致训练和推理速度降低。同时,ReLU激活函数将负值置为0,可能使部分特征信息丢失。Chen等^[22]开发了SFF(selective feature fusion)模块, 用高级特征作为权重过滤低级特征中的基本语义信息,从而策略性地融合特征。

在解码阶段高级特征与低级特征拼接前,需对高级特征进行双线性插值以匹配空间分辨率。但双线性插值在4倍上采样时存在不足:边界处插值精度低,易产生边界效应,且无法学习数据特定模式,影响特征融合效果。转置卷积作为可学习的上采样方法,能通过梯度下降训练学习插值核权重,更适应数据中的模式与结构。Dysample通过点采样的视角设计上采样过程,避免动态卷积的复杂计算,显著减少了计算量和延迟^[23]。用转置卷积和Dysample组合的方式替代DeepLabV3+中的双线性插值,分别对高级特征进行两次2倍上采样,减少计算复杂度,提高最终上采样结果的质量。

为了在特征融合的过程中充分利用各类特征,提高模型的推理速度,设计了ESFF模块,结构如图4所示,高级特征经过步长为2,卷积核为3×3的转置卷积进行扩展,再利用Dysample进行动态上采样,使分辨率调整到与低级特征相同,高级特征与低级特征可在通道维度拼接。ECA模块直接使用1D卷积计算通道权重,能在保持轻量化的同时带来性能提升^[19]。利用ECA模块对高级特征进行处理,生成相应的注意力权重w,过滤低级特征中的信息。最后,将筛选后的低级特征与经过上采样的高级特征融合,得到输出,如式(8)~式(11)所示。

(8)${f}_{up\mathrm{-}high}=\mathrm{T}\mathrm{-}\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{v}\left({f}_{high}\right)\in {\mathrm{R}}^{\mathrm{C}\times 2\mathrm{H}\times 2\mathrm{W}}$

(9)${f}_{att}=\mathrm{D}\mathrm{y}\mathrm{s}\mathrm{a}\mathrm{m}\mathrm{p}\mathrm{l}\mathrm{e}\left({f}_{up\mathrm{-}high}\right)\in {\mathrm{R}}^{\mathrm{C}\times 4\mathrm{H}\times 4\mathrm{W}}$

(10)$w=\mathrm{E}\mathrm{C}\mathrm{A}\left({f}_{att}\right)$

(11)${f}_{out}={f}_{low}w+{f}_{att}$

式中: f_up-high为经过卷积处理后的高级特征;f_att为经过动态上采样的高级特征;Dysample为动态上采样;ECA为高效通道注意力;T-Conv为转置卷积操作;高级特征${f}_{high}\in {\mathrm{R}}^{\mathrm{C}\times \mathrm{H}\times \mathrm{W}};$低级特征${f}_{low}\in {\mathrm{R}}^{\mathrm{C}\times 2\mathrm{H}\times 2\mathrm{W}}\mathrm{。}$

2 实验

2.1 数据集

主要实验数据来自2021年CVPR会议发布的Sewer-ML数据集^[24],该数据集用于多分类,对于语义分割任务还需要进行人工标注,建立语义分割数据集。选取出现频率较多、较为典型的8个缺陷类别进行标注,共有1 100张图像。地下管道缺陷类型包括腐蚀、管道错口、支管暗接、管道结垢、树根、沉积、起伏、障碍物,加上背景共9个类。为区分不同类别的缺陷,在分割标注图像中用不同颜色进行表示,如图5所示。

为了降低模型过拟合的风险,实验对各类缺陷样本均进行了数据增强。按照8∶1∶1的比例划分训练集、验证集、测试集,对训练集中的数据进行翻转、随机颜色抖动、随机角度旋转这3种数据增强,如图6所示。

2.2 实验设置

本实验环境基于Windows 11操作系统,CPU为Intel i5-12600KF,内存为32 GB,GPU为NVIDIA GeForce RTX 4060 Ti,内存为16 GB,Cuda版本为12.6,Pytorch版本为2.4.0,Python版本为3.9.21。利用迁移学习的思想进行训练,迭代次数设置为110次,前50轮冻结模型主干,特征提取网络不变,冻结阶段batch_size设置为8,后60轮解冻主干,batch_size设置为4。优化器采用Adam,初始学习率为0.000 5,借助余弦退火策略,使学习率从初始值平滑衰减至原来的0.01倍。损失函数使用Focal Loss和Dice Loss,解决样本类别不平衡的问题。

2.3 评价指标

语义分割常用的评价指标包括平均交并比(mIoU)、频率加权交并比(FWIoU)、平均像素精确度(mPA)、F₁-score(F₁)。

mIoU的计算公式为

(12)$\mathrm{I}\mathrm{o}{\mathrm{U}}_{i}=\frac{\mathrm{T}{\mathrm{P}}_{i}}{\mathrm{T}{\mathrm{P}}_{i}+\mathrm{F}{\mathrm{P}}_{i}+\mathrm{F}{\mathrm{N}}_{i}}$

(13)$mIoU=\frac{1}{n}\sum _{i=0}^{n}\mathrm{I}\mathrm{o}{\mathrm{U}}_{i}\times 100\mathrm{\%}$

式中:TP_i为预测类别与实际相同的像素数;FP_i为预测为类别i但实际不是类别i的像素数;FN_i为预测不是类别i但实际是类别i的像素数;n为类别数。

FWIoU是IoU的频率加权平均,根据每个类别的像素频率对IoU进行加权,其表达式为

(14)$FWIoU=\sum _{i=0}^{n}\frac{{N}_{i}}{N}\mathrm{I}\mathrm{o}{\mathrm{U}}_{i}\times 100\mathrm{\%}$

式(14)中:N为总像素数;N_i为第i类的总像素数,FWIoU每个类的权重为第i类像素数占总像素数的比例。

mPA是PA的平均值,其表达式为

(15)$\mathrm{P}{\mathrm{A}}_{i}=\frac{\mathrm{T}{\mathrm{P}}_{i}}{\mathrm{T}{\mathrm{P}}_{i}+\mathrm{F}{\mathrm{N}}_{i}}$

(16)$mPA=\frac{1}{n}\sum _{i=0}^{n}\mathrm{P}{\mathrm{A}}_{i}\times 100\mathrm{\%}$

F₁是机器学习中用于评估分类模型性能的重要指标,尤其适用于类别不平衡问题,其表达式为

(17)${F}_{1}=2\frac{PR}{P+R}\times 100\mathrm{\%}$

(18)$P=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P}}$

(19)$R=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}}$

式中:P为准确率;R为召回率;TP为模型正确预测为正类的样本数;FP为模型错误预测为正类的样本数;FN为模型错误预测为负类的样本数。

2.4 对比实验

为了评估AME-DeepLabV3+模型在地下管道分割任务中的性能,在公开数据集Sewer-ML上,将改进模型与常用的语义分割模型进行对比。实验结果如表1所示,所提出的改进模型AME-DeepLabV3+在mIoU、mPA、FWIoU、F₁上表现均为最佳,其中mIoU是语义分割中最核心的指标。

为了更直观地表示不同模型的分割效果,在Sewer-ML数据集中随机选择若干样本进行可视化展示。如图7所示,图7中每一列(从左至右)依次为原图、标签、U-Net预测图、PSPNet预测图、HRNetV2预测图、SegFormer预测图、DeepLabV3+预测图、AME-DeepLabV3+预测图。图7中每一行的样本包含不同的地下管道缺陷类型,第1行样本包含腐蚀(红色)和起伏(灰色)。可以看出,U-Net和PSPNet对腐蚀的分割不太精确,DeepLabV3+和AME-DeepLabV3+对两类缺陷的分割效果较好。第2行样本包含错口(绿色)和沉积(青色),所有模型对样本缺陷位置的判定都较为准确,但U-Net有错检的情况。第3行样本包含支管暗接(黄色),U-Net出现了错检。第4行样本包含树根(洋红色),U-Net将部分树根错检为沉积,但对树根的细节捕捉较精确。第5行样本包含障碍物(暗红色)和结垢(蓝色),只有DeepLabV3+和本文改进模型没有出现明显的错检。整体而言,所提出的AME-DeepLabV3+模型在分割精度和分类准确率上有较大的优势,具有实时性。

2.5 消融实验

为了分析各改进模块对DeepLabV3+模型性能的影响,进行消融实验。实验结果如表2所示,基线模型DeepLabV3+的mIoU为68.02%,在ASPP模块中添加了自适应注意力机制AGCA后,mIoU上涨了2.43%。利用MPConv对低级特征进行处理后,mIoU上涨了2.04%。同时使用AGCA和MPConv,mIoU上涨了3.75%。单独使用ESFF模块进行特征融合,mIoU上涨了1.38%,参数量下降了0.24 M,FPS上涨了2.59。同时使用上述3个模块,mIoU上涨了4.76%,参数量略微上涨。

图8展示了基线模型使用不同模块后的分割效果,可以看出在同时使用3个模块后,模型的分割精度和分类准确率整体上优于基线模型。观察第一行,同时使用3个模块对腐蚀样本的分割精度提升最明显。从第2行可以看出,AGCA对沉积样本的分割较精确,对错口样本存在漏检的情况,在添加了MPConv后对错口的分割较为精确。第3行是支管暗接样本,使用了MPConv或同时使用AGCA和MPConv后,在一定程度上减少了背景的干扰。第4行对应树根样本,同时使用3个模块的整体效果最好,在保留细节的同时分类准确率高。从第5可以看出,ESFF模块对障碍物的分割较精确,由于障碍物和结垢在颜色上区分不明显,所有结果都存在错检情况,在添加AGCA后对结垢的分割结果有一定的提升。

2.6 基于中国城市地下管网数据的模型泛化能力验证

为了进一步验证本文模型在真实场景下的泛化性,使用中国某企业提供的武汉等地城市地下管道数据集。该数据集包含55张图像,涵盖管道错口、管道结垢、树根、沉积、起伏5种缺陷。与公开数据集Sewer-ML相比,中国城市管网数据集中部分缺陷类别在实际场景中出现极少,此外该数据存在一定的数据域偏移。在中国城市地下管网数据集上开展了模型的泛化能力测试,相关结果如表3所示。实验结果表明,AME-DeepLabV3+在核心指标mIoU(平均交并比)上仍优于其他对比模型,进一步验证了其在真实场景下的泛化性能。

为直观分析不同模型在真实管道图像上的分割效果,给出若干可视化结果实例,如图9所示。从图9中第1行可以看出,所提出的AME-DeepLabV3+模型能对树根的边界进行较为精细的刻画,同时漏检现象较少。第2行样本包含错口和起伏两类缺陷,本文模型在错口分割的精度上有较明显的优势;相比之下,U-Net对起伏的漏检率较高,而其他模型的表现较为稳定。第3行样本中,本文模型对沉积的分割最为精确,同时误检率最低。第4行的样本同时包含错口、起伏、结垢、沉积四类缺陷,场景较为复杂。在该情况下,尽管起伏存在较明显的漏检情况,本文模型在其余3个类的整体分割效果仍优于其他对比方法。总之,相较于其他模型,AME-DeepLabV3+在缺陷边界定位与区域判别方面表现更加稳定,误分割现象较少。泛化能力验证进一步表明本文模型具有良好应用价值。

3 结论

针对城市地下管道在语义分割时遇到的难点,提出一种基于AME-DeepLabV3+的地下管道分割模型。经一系列实验可得出以下结论。

(1)引入自适应注意力机制AGCA改进ASPP模块,可有效提高模型的特征表示能力,避免局部特征相似导致的错误分割。

(2)设计的多分支并行卷积MPConv代替传统卷积处理低级特征,可以有效降低背景和噪声的干扰。

(3)设计的ESFF模块,使用ECA注意力对高级特征加权,用高级特征的语义信息过滤低级特征中的无关细节,在降低模型参数量的情况下,有效提高了特征融合的效率。

所提出的AME-DeepLabV3+模型在地下管道语义分割任务中具有良好的效果,未来还有待提高模型的推理速度。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Zhou Q, Situ Z, Feng W, et al. Deep learning, geometric characterization and hydrodynamic modeling for assessing sewer defect impacts on urban flooding: a case study in Guangzhou, China[J]. Journal of Environmental Management, 2024, 351: 119689.

[2]	He J, Wang Z, Yong Z, et al. An automatic defect detection and localization method using imaging geometric features for sewer pipes[J]. Measurement, 2025, 243: 116367.

[3]	Li M, Feng X, Wu Z, et al. Game engine-driven synthetic point cloud generation method for LiDAR-based defect detection in sewers[J]. Tunnelling and Underground Space Technology, 2025, 163: 106755.

[4]	Li M, Feng X, Liu X. 3D point-cloud data corrosion model for predictive maintenance of concrete sewers[J]. Automation in Construction, 2024, 168: 105743.

[5]	Tatiparthi S R, de Costa Y G, Wyllie D, et al. Real-time detection of sewer water levels and blockages using UHF-RFID sensors[J]. Water Research, 2025, 278: 123380.

[6]	Gomez F, Althoefer K, Seneviratne L D. An ultrasonic profiling method for sewer inspection[C]// IEEE International Conference on Robotics and Automation. New York: IEEE, 2004: 4858-4863.

[7]	游小玲, 蔡永香, 王荟奥, 等. FEDDR: 一套实用的地下排水管道缺陷智能检测系统[J]. 科学技术与工程, 2023, 23(7): 2932-2944.

[8]	You Xiaoling, Cai Yongxiang, Wang Hui’ao, et al. FEDDR: a practical intelligent inspection system for underground drainage pipe-line defects[J]. Science Technology and Engineering, 2023, 23(7): 2932-2944.

[9]	Sinha S K, Fieguth P W. Neuro-fuzzy network for the classification of buried pipe defects[J]. Automation in Construction, 2006, 15(1): 73-83.

[10]	Huynh P, Ross R, Martchenko A, et al.3D anomaly inspection system for sewer pipes using stereo vision and novel image processing[C]//2016 IEEE 11th Conference on Industrial Electronics and Applications (ICIEA). New York: IEEE, 2016: 988-993.

[11]	Meijer D, Luimes R, Knobbe A, et al. Anomaly detection in urban drainage with stereovision[J]. Automation in Construction, 2022, 139: 104285.

[12]	车蕾, 张洪瑞. 基于机器学习的云图分割综述[J]. 科学技术与工程, 2025, 25(6): 2193-2206.

[13]	Che Lei, Zhang Hongrui. A review of cloud image segmentation based on machine learning[J]. Science Technology and Engineering, 2025, 25(6): 2193-2206.

[14]	Wang M Z, Cheng C P. Semantic segmentation of sewer pipe defects using deep dilated convolutional neural network[C]// Proceedings of the International Symposium on Automation and Robotics in Construction. Banff: IAARC Publications, 2019: 586-594.

[15]	Zhou Q, Situ Z, Teng S, et al. Automatic sewer defect detection and severity quantification based on pixel-level semantic segmentation[J]. Tunnelling and Underground Space Technology, 2022, 123: 104403.

[16]	Dang L M, Wang H, Li Y, et al. Lightweight pixel-level semantic segmentation and analysis for sewer defects using deep learning[J]. Construction and Building Materials, 2023, 371: 130792.

[17]	Li M, Li M, Ren Q, et al. PipeTransUNet: CNN and Transformer fusion network for semantic segmentation and severity quantification of multiple sewer pipe defects[J]. Applied Soft Computing, 2024, 159: 111673.

[18]	Du C, Wang K. Drainage pipeline defect detection system based on semantic segmentation[J]. Symmetry, 2024, 16(11): 1477.

[19]	Chen L C, Papandreou G, Kokkinos I, et al. DeepLab: semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFS[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 40(4): 834-848.

[20]	Xiang X, Wang Z, Zhang J, et al. AGCA: an adaptive graph channel attention module for steel surface defect detection[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 1-12.

[21]	Wang Q, Wu B, Zhu P, et al. ECA-Net: efficient channel attention for deep convolutional neural networks[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and pattern Recognition. Seattle: IEEE, 2020: 11534-11542.

[22]	Chen L C, Zhu Y, Papandreou G, et al. Encoder-decoder with atrous separable convolution for semantic image segmentation[C]// Proceedings of the European Conference on Computer Vision (ECCV). Munich: Springer, 2018: 801-818.

[23]	Chollet F. Xception: deep learning with depthwise separable convolutions[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Honolulu: IEEE, 2017: 1251-1258.

[24]	Chen Y, Zhang C, Chen B, et al. Accurate leukocyte detection based on deformable-DETR and multi-level feature fusion for aiding diagnosis of blood diseases[J]. Computers in Biology and Medicine, 2024, 170: 107917.

[25]	Liu W, Lu H, Fu H, et al. Learning to upsample by learning to sample[C]// Proceedings of the IEEE/CVF International Conference on Computer Vision. Paris: IEEE, 2023: 6027-6037.

[26]	Haurum J B, Moeslund T B. Sewer-ML: a multi-label sewer defect classification dataset and benchmark[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Nashville: IEEE, 2021: 13456-13467.

[27]	Ronneberger O, Fischer P, Brox T. U-net: convolutional networks for biomedical image segmentation[C]// Medical Image Computing and Computer-assisted Intervention—MICCAI 2015: 18th International Conference. Munich: Springer International Publishing, 2015: 234-241.

[28]	Zhao H, Shi J, Qi X, et al. Pyramid scene parsing network[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2017: 2881-2890.

[29]	Wang J, Sun K, Cheng T, et al. Deep high-resolution representation learning for visual recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020, 43(10): 3349-3364.

[30]	Xie E, Wang W, Yu Z, et al. SegFormer: simple and efficient design for semantic segmentation with transformers[J]. Advances in Neural Information Processing Systems, 2021, 34: 12077-12090.