大数据模型在城市地下管网检测中的应用研究——以江西省萍乡市湘东区南岸城区项目为例

摘要

针对传统CCTV检测人工判读效率低(每公里耗时6～8h)、主观性强(判读差异15%-20%)的问题，以萍乡市湘东区南岸城区61.96km管网为对象，构建多源数据融合的智能检测与风险评估体系，创新采用嵌入SE注意力机制、K-means优化anchor的改进YOLOv5算法，实现8类结构性缺陷92.3%的自动识别准确率(较人工提升22.1个百分点);结合层次分析法建立含缺陷等级、管龄等7项指标的风险评估模型，将单段管道分析时间从45min缩至8min(效率提升81.2%),精准定位137处高风险管段并制定修复方案，验证大数据驱动方法对管网精细化管理的支撑价值。

关键词

管网缺陷识别 / YOLOv5算法 / 风险评估模型 / CCTV检测 / 层次分析法