1.一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別系統(tǒng)，其特征在于：包括拍攝模塊、圖片預(yù)處理模塊、基礎(chǔ)特征提取模塊、管道分割模塊和滴漏狀態(tài)識(shí)別模塊；拍攝模塊拍攝管道圖像；圖片預(yù)處理模塊對拍攝的管道圖像進(jìn)行預(yù)處理；基礎(chǔ)特征提取模塊為一個(gè)u型網(wǎng)絡(luò)，u型網(wǎng)絡(luò)分為兩個(gè)部分，編碼模塊和解碼模塊，編碼模塊負(fù)責(zé)提取預(yù)處理后的圖像的特征，將輸入圖像逐漸縮小并提取高層次特征；解碼部分則通過上采樣和跳躍鏈接將特征逐步放大到原始圖像的大小；管道分割模塊通過網(wǎng)絡(luò)的分割分支對管道進(jìn)行分割，獲取管道所在區(qū)域掩碼，將得到的掩碼和基礎(chǔ)特征提取模塊獲取的特征圖相乘，得到管道區(qū)域特征的同時(shí)，屏蔽相關(guān)背景區(qū)域特征；滴漏狀態(tài)識(shí)別模塊對特征圖特征圖進(jìn)行處理，輸出推理結(jié)果，再對推理結(jié)果進(jìn)行極大值抑制操作，最終得到是否管道滴漏識(shí)別結(jié)果。
2.一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于包括以下步驟：
3.根據(jù)權(quán)利要求2所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟1)所述預(yù)處理過程，首先對將圖片調(diào)整大小和填充操作，保證輸入數(shù)據(jù)滿足神經(jīng)網(wǎng)絡(luò)輸入要求，再對調(diào)整后的圖片先歸一化，減去均值后除以方差，獲得圖像的輸入數(shù)據(jù)。
4.根據(jù)權(quán)利要求2或3所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟1)所述預(yù)處理過程具體為：
5.根據(jù)權(quán)利要求2所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟2)中所述基礎(chǔ)特征提取模塊主干網(wǎng)絡(luò)是一個(gè)u型網(wǎng)絡(luò)，u型網(wǎng)絡(luò)包含編碼部分和解碼部分，具體提取過程如下：
6.根據(jù)權(quán)利要求5所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟2.1)編碼部分具體過程如下：
7.根據(jù)權(quán)利要求5所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟2.2)解碼部分具體過程如下：
8.根據(jù)權(quán)利要求2所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟3)所述管道分割模塊通過網(wǎng)絡(luò)的分割分支對管道進(jìn)行分割具體過程如下，管道分割模塊對主干網(wǎng)絡(luò)輸出的特征圖進(jìn)行2次卷積操作，最后得到單通道的輸出圖，輸出圖的每個(gè)值的大小表示該點(diǎn)是否是管道的概率值，取閾值0.5,大于0.5的認(rèn)為是管道所在區(qū)域，最終得到管道的分割圖；將分割圖的管道所在區(qū)域特征值設(shè)置成1，非管道區(qū)域設(shè)置成0；設(shè)置完成后和主干網(wǎng)絡(luò)的輸出的64通道特征圖相乘，得到管道區(qū)域特征圖。
9.根據(jù)權(quán)利要求2或8所述的一種基于深度學(xué)習(xí)的管道滴漏狀態(tài)識(shí)別方法，其特征在于：步驟4)所述通過滴漏狀態(tài)識(shí)別模塊對步驟3)獲得的管道區(qū)域特征圖進(jìn)行處理具體過程如下：