本申請涉及故障檢測，尤其涉及一種水下管道故障檢測方法和裝置。

背景技術：

1、水下管道是能源輸送的重要基礎設施，廣泛應用于石油、天然氣、化學品等能源的運輸中。在水下環(huán)境中，管道往往面臨著復雜的地理條件和惡劣的環(huán)境因素，如水流沖刷、深水處的高壓、海水中導致的腐蝕等，這些因素都增加了管道檢測的難度和風險。

2、傳統(tǒng)的水下管道檢測技術主要依賴于單一的傳感器設備，如水下機器人、遙控潛水器（rov）、聲吶探測儀等。然而，單一傳感器設備的檢測能力有限，無法全面反映管道的健康狀況，容易遺漏管道的故障情況。

技術實現思路

1、有鑒于此，本申請?zhí)峁┮环N水下管道故障檢測方法和裝置，用以實現精準高效的水下管道檢測。

2、具體地，本申請是通過如下技術方案實現的：

3、本申請第一方面提供一種水下管道故障檢測方法，所述方法包括：

4、針對預先從水下管道中選定的多個位置中的每個位置，獲取該位置的一組數據，得到多組數據；一組數據包括視覺圖像、聲學圖像和激光點云；

5、利用所述多組數據訓練檢測模型；所述檢測模型包括第一特征提取模塊、多模態(tài)融合模塊、第二特征提取模塊和故障分類器；第一特征提取模塊，用于提取每種模態(tài)的初始特征，并在每種模態(tài)的初始特征上拼接該模態(tài)對應的可學習的提示特征，形成拼接視覺特征、拼接聲學特征和拼接點云特征；多模態(tài)融合模塊，用于融合拼接特征，得到最終融合特征；第二特征提取模塊包括多個編碼模塊，每個編碼模塊包括級聯的多個編碼層、與多個編碼層的倒數第二個編碼層的輸出端連接的低秩適配器、以及與多個編碼層的倒數第一個編碼層的輸出端和低秩適配器的輸出端同時連接的加權融合層；首個編碼模塊的多個編碼層的首個編碼層用于接收視覺拼接特征、且首個編碼模塊的低秩適配器的輸入端與多模態(tài)融合模塊的輸出端連接；相鄰的兩個編碼模塊的低秩適配器連接，且相鄰的兩個編碼模塊中的前一個編碼模塊的加權融合層與后一個編碼模塊的首個編碼層連接；

6、將待檢測的一組待檢測數據輸入到訓練后的檢測模型，得到檢測結果。

7、本申請第二方面提供一種說下管道故障檢測裝置，所述裝置包括獲取模塊、訓練模塊、檢測模塊；其中，所述獲取模塊，用于針對預先從水下管道中選定的多個位置中的每個位置，獲取該位置的一組數據，得到多組數據；一組數據包括視覺圖像、聲學圖像和激光點云；

8、所述訓練模塊，用于利用所述多組數據訓練檢測模型；所述檢測模型包括第一特征提取模塊、多模態(tài)融合模塊、第二特征提取模塊和故障分類器；第一特征提取模塊，用于提取每種模態(tài)的初始特征，并在每種模態(tài)的初始特征上拼接該模態(tài)對應的可學習的提示特征，形成拼接視覺特征、拼接聲學特征和拼接點云特征；多模態(tài)融合模塊，用于融合拼接特征，得到最終融合特征；第二特征提取模塊包括多個編碼模塊，每個編碼模塊包括級聯的多個編碼層、與多個編碼層的倒數第二個編碼層的輸出端連接的低秩適配器、以及與多個編碼層的倒數第一個編碼層的輸出端和低秩適配器的輸出端同時連接的加權融合層；首個編碼模塊的多個編碼層的首個編碼層用于接收視覺拼接特征、且首個編碼模塊的低秩適配器的輸入端與多模態(tài)融合模塊的輸出端連接；相鄰的兩個編碼模塊的低秩適配器連接，且相鄰的兩個編碼模塊中的前一個編碼模塊的加權融合層與后一個編碼模塊的首個編碼層連接；

9、所述檢測模塊，用于將待檢測的一組待檢測數據輸入到訓練后的檢測模型，得到檢測結果。

10、本申請?zhí)峁┑乃鹿艿拦收蠙z測方法和裝置，第一特征提取模塊分別對視覺圖像、聲學圖像和激光點云進行特征提取，并在初始特征的基礎上拼接可學習的提示特征，使得不同模態(tài)的數據在融合前具備更好的表達能力，而多模態(tài)融合模塊采用可學習的融合方式，使視覺、聲學和點云數據的信息互補，有效增強關鍵故障特征的提取能力，克服單一模態(tài)可能受環(huán)境影響導致的局限性，進一步的，第二特征采用基于低秩適配器的層次化編碼結構，讓信息在不同深度的編碼層中逐步優(yōu)化，使得特征的語義更加完整，可以增強特征表達能力，這樣，三者協同作用，使得檢測模型在多種水下環(huán)境（光照不足、噪聲干擾等）下依然能精準識別不同類型的管道故障，提高檢測精度。

11、此外，編碼層和加權層參數固定，確保特征提取的穩(wěn)定性，而低秩適配器和多模態(tài)融合模塊參數可學習，使得模型可以在不同環(huán)境下進行自適應優(yōu)化，提高泛化能力，可以提升檢測精度和魯棒性的同時，減少訓練參數。

技術特征：

1.一種水下管道故障檢測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述多模態(tài)融合模塊，具體用于對所述拼接視覺特征、所述拼接聲學特征和所述拼接點云特征進行融合，得到初始融合特征，并對所述初始融合特征進行非線性變換，得到增強融合特征，以及對所述拼接視覺特征和所述增強融合特征進行加權處理，得到最終融合特征。

3.根據權利要求1所述的方法，其特征在于，所述第一特征提取模塊包括視覺圖像編碼器、聲學圖像編碼器和激光點云編碼器；所述視覺圖像編碼器用于對視覺圖像進行特征提?。凰雎晫W圖像編碼器，用于對聲學圖像進行特征提??；所述激光點云編碼器，用于對激光點云進行特征提?。?/p>

4.根據權利要求2所述的方法，其特征在于，所述對所述初始融合特征進行非線性變換，得到增強融合特征，包括：

5.根據權利要求2或4所述的方法，其特征在于，所述對所述拼接視覺特征和所述增強融合特征進行加權處理，得到最終融合特征，包括：

6.根據權利要求1所述的方法，其特征在于，所述低秩適配器包括交叉注意力模塊、降維模塊、非線性處理模塊和升維模塊；

7.根據權利要求1所述的方法，其特征在于，所述獲取該位置的一組數據之后，所述方法還包括：

8.根據權利要求2所述的方法，其特征在于，所述對所述拼接視覺特征、所述拼接聲學特征和所述拼接點云特征進行融合，得到初始融合特征，包括：

9.根據權利要求6所述的方法，其特征在于，不同的編碼模塊的低秩適配器的秩不同；每個編碼模塊的低秩適配器的秩基于輸入該低秩適配器的特征確定；

10.一種水下管道故障檢測裝置，其特征在于，所述裝置包括獲取模塊、訓練模塊、檢測模塊；其中，

技術總結
本申請?zhí)峁┮环N水下管道故障檢測方法和裝置。本申請?zhí)峁┑乃鹿艿拦收蠙z測方法，先針對預先從水下管道中選定的多個位置中的每個位置，獲取該位置的一組數據，得到多組數據；再利用多組數據訓練檢測模型；最后，將待檢測的一組待檢測數據輸入到訓練后的檢測模型，得到檢測結果。本申請?zhí)峁┑乃鹿艿拦收蠙z測方法和裝置，通過融合相機、聲吶、激光雷達等多模態(tài)傳感器的信息，在每種模態(tài)的嵌入表征中加入可學習的特征提示，引導模型更好地利用各模態(tài)的信息，并采用基于殘差低秩適配器的多層級結構，通過交叉注意力機制將多模態(tài)信息注入適配器，這樣，可以使預訓練的檢測模型更好地利用來自多模態(tài)傳感器的信息，提供更精確地水下管道故障檢測。

技術研發(fā)人員：吳偉,曾玉明,宋春毅,徐志偉,樂南燕
受保護的技術使用者：東海實驗室
技術研發(fā)日：
技術公布日：2025/6/26