本发明涉及市政管网，尤其是涉及一种排水管网诊断方法、装置、电子设备和计算机存储介质。
背景技术：
1、排水管网系统是城市基础设施的重要组成部分，承担着保障居民日常生活、防汛疏渠和污水处理等关键任务。随着城市化进程的加快，排水管网的维护和管理变得愈发重要。然而，管道的老化和损坏会对城市的正常运行造成严重影响，因此对排水管网进行定期检测和维护是非常必要的。目前，对排水管网缺陷进行诊断的方案主要包括：人工诊断方法和引入计算机视觉技术的传统目标检测诊断方法。
2、但是，人工诊断方法依赖人工对所有影像视频进行逐帧的诊断分析，往往耗费大量人力，工作量大，效率较低；传统目标检测诊断方法，引入计算机视觉技术，利用检测算法对机器人摄录的影像进行分析，特征信息在过长的网络级联传递中被逐渐稀释，难以应对管网缺陷诊断场景中的多样复杂性，致使实际缺陷诊断中的准确率较低。
技术实现思路
1、本发明的目的在于提供一种排水管网诊断方法、装置、电子设备和计算机存储介质，在图像识别过程中利用全连接式映射对不同层级的语义特征进行融合，并设计个性通道分支挖掘出场景间的依赖关系，设计共性通道分支建立共同的空间信息关联进而增强特征表达，减少人工工作量的同时提高了缺陷诊断的准确率。
2、第一方面，本发明提供了一种排水管网诊断方法，包括：
3、获取供水管网的待检测图像，对待检测图像做预处理；其中预处理包括：分辨率标准化处理和/或像素值归一化处理；
4、基于特征提取单元对预处理后的待检测图像进行特征提取，得到n维尺度特征图；其中，特征提取单元包括：n个层级的特征空间；n为大于2的正整数；
5、将n维尺度图特征进行特征融合，得到融合后的n维尺度特征图；其中，特征融合过程中的采样操作至少包括以下之一：双线性插值上采样、卷积计算下采样或恒等映射；
6、基于特征增强单元对融合后的n维尺度特征图进行特征增强，得到最终特征图；其中，特征增强单元包括：个性通道分支和共性通道分支；
7、将最终特征图输入检测器中，输出待检测图像的缺陷分类和缺陷位置。
8、在本发明一些较佳的实施例中，特征提取单元中的n个层级的特征空间的特征尺度依次递减；特征提取单元中的n个层级的特征空间的通多维度均相同。
9、在本发明一些较佳的实施例中，n维尺度特征图包括：n个特征图；
10、将n维尺度特征图进行特征融合，得到融合后的n维尺度特征图的步骤，包括：
11、将每个特征图均进行分割，分割后每个特征图均对应的m个分割特征图；其中，; m为大于1的正整数；
12、将分割特征图按照预设的特征尺度进行采样操作，生成除自身特征图像对应的特征尺度外的m个特征尺度对应的生成特征图；其中，如果生成特征图的特征尺度大于分割特征图的特征尺度，采样操作为双线性插值上采样；如果生成特征图的特征尺度小于分割特征图的特征尺度，采样操作为卷积计算下采样；
13、将生成特征图与进行了恒等映射的特征图进行全连接式融合，得到融合后的n维尺度特征图。
14、在本发明一些较佳的实施例中，基于特征增强单元对融合后的n维尺度特征图进行特征增强，得到最终特征图的步骤，包括：
15、将融合后的特征图分割为两个通道相同的分支，分别进行向量计算；其中，一个分支进行个性向量计算，另一个分支进行共性向量计算；
16、将两个向量计算的结果拼接后与融合后的特征图逐点相加；
17、将逐点相加的结果进行卷积，得到最终特征图。
18、在本发明一些较佳的实施例中，个性向量计算的步骤，包括：
19、将输入个性通道分支的图像分别进行按通道方向最大池化得到个性矩阵和按宽高方向最大池化得到个性向量；
20、将个性矩阵与输入个性通道分支的图像进行矩阵乘法，得到第一个性特征图；
21、将个性向量与输入个性通道分支的图像进行矩阵乘法，得到第二个性特征图；
22、将第一个性特征图和第二个性特征图逐点相加，得到个性特征图。
23、在本发明一些较佳的实施例中，共性向量计算的步骤，包括：
24、将输入共性通道分支的图像分别进行按通道方向均值池化得到共性矩阵和按宽高方向均值池化得到共性向量；
25、将共性矩阵与输入个性通道分支的图像进行矩阵乘法，得到第一共性特征图；
26、将共性向量与输入个性通道分支的图像进行矩阵乘法，得到第二共性特征图；
27、将第一共性特征图和第二共性特征图逐点相加，得到共性特征图。
28、在本发明一些较佳的实施例中，检测器包括：平行设置的分类子网络和回归子网络；
29、分类子网络包括多层卷积层，分类子网络的多层卷积层共享除最终输出维度外的其余参数；回归子网络包括多层卷积层，回归子网络的多层卷积层共享除最终输出维度外的其余参数。
30、第二方面，本发明提供了一种排水管网诊断装置，包括：
31、预处理模块，用于获取供水管网的待检测图像，对待检测图像做预处理；其中预处理包括：分辨率标准化处理和/或像素值归一化处理；
32、特征提取模块，用于基于特征提取单元对预处理后的待检测图像进行特征提取，得到n维尺度特征图；其中，特征提取单元包括：n个层级的特征空间；n为大于2的正整数；
33、特征融合模块，用于将n维尺度图特征进行特征融合，得到融合后的n维尺度特征图；其中，特征融合过程中的采样操作至少包括以下之一：双线性插值上采样、卷积计算下采样或恒等映射；
34、特征增强模块，用于基于特征增强单元对融合后的n维尺度特征图进行特征增强，得到最终特征图；其中，特征增强单元包括：个性通道分支和共性通道分支；
35、诊断模块，用于将最终特征图输入检测器中，输出待检测图像的缺陷分类和缺陷位置。
36、第三方面，本发明提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面的排水管网诊断方法。
37、第四方面，本发明提供了一种计算机存储介质，计算机存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述第一方面的排水管网诊断方法。
38、本发明带来了以下有益效果：
39、本发明提供了一种排水管网诊断方法、装置、电子设备和计算机存储介质，包括：获取供水管网的待检测图像，对待检测图像做预处理；其中预处理包括：分辨率标准化处理和/或像素值归一化处理；基于特征提取单元对预处理后的待检测图像进行特征提取，得到n维尺度特征图；其中，特征提取单元包括：n个层级的特征空间；n为大于2的正整数；将n维尺度图特征进行特征融合，得到融合后的n维尺度特征图；其中，特征融合过程中的采样操作至少包括以下之一：双线性插值上采样、卷积计算下采样或恒等映射；基于特征增强单元对融合后的n维尺度特征图进行特征增强，得到最终特征图；其中，特征增强单元包括：个性通道分支和共性通道分支；将最终特征图输入检测器中，输出待检测图像的缺陷分类和缺陷位置；在图像识别过程中利用全连接式映射对不同层级的语义特征进行融合，并设计个性通道分支挖掘出场景间的依赖关系，设计共性通道分支建立共同的空间信息关联进而增强特征表达，减少人工工作量的同时提高了缺陷诊断的准确率。
1.一种排水管网诊断方法，其特征在于，包括：
2.根据权利要求1所述的排水管网诊断方法，其特征在于，所述特征提取单元中的n个层级的特征空间的特征尺度依次递减；所述特征提取单元中的n个层级的特征空间的通多维度均相同。
3.根据权利要求2所述的排水管网诊断方法，其特征在于，所述n维尺度特征图包括：n个特征图；
4.根据权利要求1所述的排水管网诊断方法，其特征在于，基于特征增强单元对融合后的所述n维尺度特征图进行特征增强，得到最终特征图的步骤，包括：
5.根据权利要求4所述的排水管网诊断方法，其特征在于，所述个性向量计算的步骤，包括：
6.根据权利要求4所述的排水管网诊断方法，其特征在于，所述共性向量计算的步骤，包括：
7.根据权利要求6所述的排水管网诊断方法，其特征在于，所述检测器包括：平行设置的分类子网络和回归子网络；
8.一种排水管网诊断装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上述权利要求1至7任一项所述的排水管网诊断方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至7任一项所述的排水管网诊断方法。
