技術特征：

1.一種管道缺陷識別方法，其特征在于，所述方法包括：

2.根據權利要求1所述的管道缺陷識別方法，其特征在于，所述s3包括：

3.根據權利要求2所述的管道缺陷識別方法，其特征在于，所述s2包括：

4.根據權利要求3所述的管道缺陷識別方法，其特征在于，所述聲學傳感器采用具有寬頻響應特性的聲學傳感器，采樣率設定為8khz及以上，所述聲學傳感器的布設間隔為1米至5米，通過實時采集設備記錄所述聲學傳感器捕獲的原始聲學信號，生成連續的時序聲音信號。

5.根據權利要求4所述的管道缺陷識別方法，其特征在于，所述多模態信號融合的深度學習模型通過如下步驟訓練得到：

6.一種管道缺陷識別裝置，其特征在于，所述裝置包括：

7.根據權利要求6所述的管道缺陷識別裝置，其特征在于，所述管道缺陷分類模塊包括：

8.根據權利要求7所述的管道缺陷識別裝置，其特征在于，所述聲譜圖提取模塊包括：

9.一種用于管道缺陷識別的計算機可讀存儲介質，其特征在于，包括用于存儲處理器可執行指令的存儲器，所述指令被所述處理器執行時實現包括權利要求1-5任一所述管道缺陷識別方法的步驟。

10.一種用于管道缺陷識別的設備，其特征在于，包括至少一個處理器以及存儲計算機可執行指令的存儲器，所述處理器執行所述指令時實現權利要求1-5中任意一項所述管道缺陷識別方法的步驟。

技術總結
本發明公開了一種管道缺陷識別方法、裝置、存儲介質及設備，屬于管道缺陷檢測技術領域。該方法包括：S1：獲取由布設在管道的內壁和/或外壁上的聲學傳感器采集的時序聲音信號；S2：對時序聲音信號進行聲譜圖提取，得到Mel譜圖和LOFAR譜圖；S3：通過多模態信號融合的深度學習模型對Mel譜圖、LOFAR譜圖和時序聲音信號進行特征提取，得到包含譜圖特征和時序特征的特征向量，并根據特征向量進行分類，得到管道缺陷的分類結果。本發明將聲學信號轉換為不同類型的譜圖，并結合原始時序信號，通過深度學習模型進行特征提取、融合與分類，充分利用聲譜圖與時序信號的互補信息，以克服單一識別模態的局限性，提高了管道缺陷檢測的準確性與魯棒性。

技術研發人員：丁孟達,楚尚燁,王新偉,趙惠,徐廣明,代鋒,徐振軍,張寶濤
受保護的技術使用者：中國城市建設研究院有限公司
技術研發日：
技術公布日：2025/4/28