1.本发明涉及图像处理领域，特别是一种管道缺陷评级方法、终端设备及存储介质。
背景技术：2.城市排水管网是保证城市运行的重要基础设施和生命线。在管道运行过程中，受到污水、雨水等长期侵蚀和外力的影响，易发生结构性和功能性的损伤，若不进行针对性的修复则会进一步造成城市排水不畅、城市内涝、雨污混流、河水污染、地面坍塌等事故。对排水管道的修复需要经过缺陷的识别、等级判断、材料修复等步骤，其中对沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根等7种缺陷等级的判读需要从缺陷的形态、空间尺寸、空间分布等方面进行量化分析。然而二维图像数据不具备三维空间信息，很难直接对缺陷的空间信息进行提取和计算分析。
3.当前针对排水管道沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根等7种缺陷的等级评估主要分为两种方法：
4.1)人工判读。经过长期的视频数据判读经验的积累，城市排水管道检测内业人员可以依据图像缺陷的形态、位置、大小等对这7种缺陷进行估计，从而得到一个人工评估的缺陷等级。这种方法受到内业人员的空间想象力、经验、管道环境等因素影响，具备极强的主观性和不确定性。
5.2)基于深度学习的缺陷判读技术。当前基于深度学习的排水管道缺陷评级主要采用mask r cnn神经网络(如cn113763363a)对缺陷进行识别并输出掩模，从而通过掩模与半径的比例进行计算分析，实现量化分析。这种方案当前仅在破裂的等级评判中得到了实现，并且对管道空间属性的考虑不够全面，存在一定的计算误差。
技术实现要素：6.本发明所要解决的技术问题是，针对现有技术不足，提供一种管道缺陷评级方法、终端设备及存储介质，对管道缺陷进行全面评级，提高管道缺陷评级的准确性。
7.为解决上述技术问题，本发明所采用的技术方案是：一种管道缺陷评级方法，包括以下步骤：
8.利用mask r cnn模型，识别管道图像，获取管道缺陷掩膜、水体表面掩膜和缺陷矩形框和缺陷类别；所述缺陷类别包括沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根；所述缺陷掩模包括沉积掩膜、浮渣掩膜、破裂掩膜、障碍物掩膜、支管暗接掩膜、异物穿入掩膜、残墙坝根掩膜；
9.获取所述管道缺陷掩膜的两个端点a、b；
10.分别计算a、b点与a、b点所在圆参数对的圆心点ci的向量aci、bci；
11.计算ab连线与a、b点所在圆参数对的圆心点ci的距离均值d0，利用公式(r-d0)/2r计算沉积厚度与直径的比值，根据该比值确定沉积等级；其中，r为圆参数对中圆的半径；
12.计算水体表面掩膜与水体表面积的比值，根据该比值确定浮渣等级；
13.计算破裂掩膜的宽度和长度，根据所述宽度或长度确定破裂等级；
14.计算任一圆参数对(a,b,r)的圆心与四个角点的距离，记录距离差值最小的两个角点及最小差值
△
d；获取所有圆参数对距离差值最小的两个角点及最小差值，得到差值集合及每个差值对应的角点坐标集合；取差值集合中
△
d最小时对应的圆参数对作为暗接所在管道圆截面；计算缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与暗接所在管道圆截面直径的比值，根据该比值确定支管暗接等级；其中，a、b为圆心坐标；
15.计算缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值，根据该比值确定残墙坝根或障碍物的等级，以及异物穿入等级。
16.相比较于人工估算评级的方法，本发明大幅消除了评级主观性，提高了评级可信度和准确度；相比较于现有人工智能评级算法，本发明实现了沉积、浮渣、障碍物、支管暗接、异物穿入、残墙坝根的量化评级；同时，相比于已有的破裂评级方法，本发明考虑了破裂的三维空间性质，大幅提高了破裂评级的精度。本发明可以对管道缺陷进行全面评级，提高了管道缺陷评级的准确性。
17.优选地，ta和tb分别为a、b两点所对应的圆参数对像素所代表的实际距离，(xa,ya)和(xb,yb)分别为a、b两点在图像中的实际坐标；ta＝d/2ra；tb＝d/2rb；ra、rb分别为a、b两点所对应的圆参数对中两个圆的半径；d为管道直径。本发明对圆断面赋予实际三维属性，进一步提高了评级准确性。
18.本发明中，确定沉积等级的具体实现过程包括：
19.若沉积厚度与直径的比值在区间[0.2,0.3)，则判为1级沉积；
[0020]
若沉积厚度与直径的比值在区间[0.3,0.4)，则判为2级沉积；
[0021]
若沉积厚度与直径的比值在区间[0.4,0.5)，则判为3级沉积；
[0022]
若沉积厚度与直径的比值大于0.5，则判为4级沉积。
[0023]
本发明中，确定破裂等级的具体实现过程包括：
[0024]
若水体表面掩膜与水体表面积的比值在区间[0,0.3)，则判为1级浮渣；
[0025]
若水体表面掩膜与水体表面积的比值在区间[0.3,0.6)，则判为2级浮渣；
[0026]
若水体表面掩膜与水体表面积的比值大于0.6，则判为3级浮渣。
[0027]
本发明中，确定破裂等级的具体实现过程包括：
[0028]
若宽度小于2mm，则判为1级破裂；
[0029]
若宽度大于2mm、小于20mm则判为2级破裂；
[0030]
若宽度大于2mm，且环向差小于2个时刻，则判为3级破裂；
[0031]
若环向差大于2个时刻，则为4级破裂；
[0032]
其中，所述环向参数计算过程包括：以向量(0,1)作为0时刻方向，计算aci、bci与向量(0,1)的夹角，并换算为12点时钟制，得到时刻m、n；取ab连线上任意一点k，判断k点是否在缺陷掩模区域内，若在则计环向参数为(m,n)，否则记环向参数为(n,m)；
[0033]
所述环向差为环向参数差，环向参数差＝abs((m-n)*30
°
)，式中abs为取绝对值。
[0034]
本发明中，确定支管暗接的具体实现过程包括：
[0035]
若缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与管道圆截面直径的比值小于0.1，则判定为1级暗接；
[0036]
若缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与管道圆
截面直径的比值在区间[0.1,0.2)，则判定为2级暗接；
[0037]
若缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与管道圆截面直径的比值大于0.2，则判定为3级暗接。
[0038]
本发明中，确定残墙坝根和障碍物等级的具体实现过程包括：
[0039]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值小于0.15，则判定为1级残墙坝根或障碍物；
[0040]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值在区间[0.15,0.25)，则判定为2级残墙坝根或障碍物；
[0041]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值在区间[0.25,0.5)，则判定为3级残墙坝根或障碍物；
[0042]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值大于0.5，则判定为4级残墙坝根或障碍物。
[0043]
本发明中，确定异物穿入等级的具体实现过程包括：
[0044]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值小于0.1，则判定为1级异物穿入；
[0045]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值在区间[0.1,0.3)，则判定为2级异物穿入；
[0046]
若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值大于0.3，则判定为3级异物穿入。
[0047]
作为一个发明构思，本发明还提供了一种终端设备，其包括处理器和存储器；所述存储器存储有计算机程序/指令；所述处理器执行所述存储器存储的计算机程序/指令；所述计算机程序/指令被配置为实现本发明上述方法的步骤。
[0048]
作为一个发明构思，本发明还提供了一种计算机存储介质，其上存储有计算机程序/指令；所述计算机程序/指令被处理器执行时实现本发明上述方法的步骤。
[0049]
作为一个发明构思，本发明还提供了一种计算机程序产品，包括计算机程序/指令；该计算机程序/指令被处理器执行时实现本发明上述方法的步骤。
[0050]
与现有技术相比，本发明所具有的有益效果为：
[0051]
1)本发明构建管道圆断面，并结合ocr文字识别技术提取管道大小参数(圆的半径等)，对圆断面赋予实际三维属性，基于机器视觉技术，实现了对管道的形态进行提取，完成对管道检测图像像素级三维建模，使得每个像素值都具备了实际的空间距离属性，从而突破了单张图像管道量化分析的瓶颈；
[0052]
2)将人工智能技术和机器视觉技术相结合，充分考虑了管道缺陷的三维尺寸，进一步结合规范要求，为管道沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根等7种缺陷等级的量化、精确评级提供了技术手段。本发明相比较于人工估算评级的方法，大幅消除评级主观性，提高了评级可信度和准确度；相比较于现有人工智能评级算法，本发明实现了沉积、浮渣、障碍物、支管暗接、异物穿入、残墙坝根的量化评级；同时，相比于已有的破裂评级方法，本发明考虑了破裂的三维空间性质，大幅提高了破评级的精度。
附图说明
[0053]
图1为本发明实施例管道断面提取及物理建模的过程；
[0054]
图2为本发明实施例评级的过程；
[0055]
图3为管道原始图像；
[0056]
图4为本发明实施例管道断面提取结果；
[0057]
图5为本发明实施例沉积评级示意图。
具体实施方式
[0058]
本发明实施例具体实施步骤包括：
[0059]
1、基于深度学习的缺陷识别及轮廓提取，其主要步骤如下：
[0060]
1)搜集沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根等7种缺陷图像，训练可以检测出沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根以及水面的mask r cnn模型；
[0061]
2)基于训练完成的mask r cnn模型(he k,gkioxari g,doll
á
rp,etal.mask r-cnn[c]//2017ieee international conference on computer vision(iccv),2017,2980-2988.10.1109/iccv.2017.322.)，识别管道图像，得到上述7种缺陷和水体表面的掩模(mask)、缺陷矩形框(bbox)和缺陷类别；
[0062]
2、基于ocr文字识别的管道参数提取，其主要步骤如下：
[0063]
1)根据cctv和qv的检测视频的格式，设定检测图像中管道的直径所在图像像素坐标参数；
[0064]
2)依据坐标参数，切割图像并采用tesseract库识别管道直径大小d；
[0065]
3、基于机器视觉的管道三维建模，其主要步骤如下(流程图如图1所示)：
[0066]
1)将管道图像转换为灰度图；
[0067]
2)采用大小为3
×
3的高斯平滑滤波核对灰度图进行降噪处理，得到平滑降噪图像；
[0068]
3)采用canny对管道平滑降噪图像进行检测，得到管道边缘图；
[0069]
4)基于数字图像开运算消除管道边缘图中的毛刺和孤立点，得到边缘二值图像。
[0070]
5)基于霍夫变换检测4)中消除毛刺和孤立点之后的边缘二值图中的圆形管道：首先设定单个圆经过边缘二值图中非0特征点个数最少和最大的阈值条件，本实施例中圆经过特征点数最少为7，最多为100；接着检测边缘二值图像中所有满足条件的圆参数对(a,b,r)，并构成圆参数对集合c，实现对边缘二值图像中的圆管道的检测。其中，a、b为圆心坐标，r为圆半径；c为圆参数对集合，包含多个圆参数对。例如，r＝400。
[0071]
6)均值漂移聚类：将5)中计算得到的圆参数对集合中任一圆参数对的圆心坐标(aj,bj)作为参数绘制在二维a-b平面，采用均值漂移算法寻找圆心点最密集的区域的质心(ai,bi)，并设定阈值t1，剔除参数对集合中圆心与质心距离超过t1的圆，经试验本实施例中t1取30个像素距离，实现对排水管道的横截面的提取。像素距离计算公式如下：
[0072][0073]
7)计算得到不同横截面中1个像素距离所代表的实际距离，并赋予给圆参数对得
到(a,b,r,t)，t为圆参数对(a,b,r)所对应的圆上一个像素所代表的实际距离(单位：mm)。其计算公式如下，计算过程为：6)中计算得到的d为管道半径(下式中r)，t为2.2中识别出的管道实际直径d与2r的比值：
[0074]
t＝d/2r；
[0075]
4、管道缺陷评级参数计算及缺陷等级评估(如图2所示)：
[0076]
1)计算步骤3中得到的圆参数对与步骤1中mask r cnn模型所得缺陷掩模mask相交的所有圆及其对应的参数对和交点；
[0077]
2)将交点作为顶点，生成多边形，计算多边形边的实际长度，公式如下：
[0078][0079]
式中，(ti,tj)为两个顶点i,j所在圆截面上一个像素距离所对应的实际距离，(xi,yi)、(xj,yj)分别为顶点i,j的坐标；
[0080]
3)依据多边形计算缺陷在管道中的环向参数：
①
计算缺陷掩模的最左边a、最右边的点b；
②
计算a、b点与a、b所在圆参数对的圆心点ci的向量aci、bci；
③
以向量(0,1)作为0点钟方向，采用余弦公式计算aci、bci与向量(0,1)的夹角，并换算为12点时钟制，得到时刻m、n，如下式：
[0081]
angle＝0+alpha/30(alpha》＝0)；
[0082]
angle＝6-alpha/30(alpha《0)；
[0083]
式中：angle为时刻，取值范围为[0,12]；alpha为aci、bci与(0,1)的夹角取值范围为[-180
°‑
180
°
]。
④
取ab连线上任意一点k，计算k点是否在掩模mask区域内，若在则计环向参数为(m,n)，否则记环向参数为(n,m)。
[0084]
4)计算缺陷评判参数，并结合规范实现管道评级：
[0085]
①
针对沉积，基于步骤4第2)步中的公式，计算3)中ab连线与a、b点所在圆参数对的圆心点ci的实际距离均值d0(若ab连线在圆心下方则d0为整，否则为负)，取a、b两点所对应的圆参数对像素所代表的实际距离中的参数ta和tb、实际坐标(xa,ya)和(xb,yb)分别代入步骤4第2)步公式中，即可计算得到d0。采用(r-d0)/2r计算沉积厚度与直径的比值(该比值为评级参数)。若比值在区间[0.2,0.3)则判为1级沉积；若比值在区间[0.3,0.4)则判为2级沉积；若比值在区间[0.4,0.5)则判为3级沉积；若比值大于0.5，则判为4级沉积；
[0086]
②
针对浮渣，基于步骤4第2)步中的公式，计算浮渣mask和水mask所对应的多边形各个相邻折点的实际距离(如
①
中计算d0的过程)，结合多边形面积计算公式可得浮渣和水的实际面积s
浮
、s
水
。计算浮渣与水体所对应的空间实际总面积的比值(s
浮
/s
水
)。若比值在区间[0,0.3)则判为1级浮渣；若比值在区间[0.3,0.6)则判为2级浮渣；若比值大于0.6，则判为3级浮渣；
[0087]
③
针对破裂，计算2.1中破裂掩模的宽度和长度(此时为像素值)，并基于2)中公式计算实际宽度与长度(单位：mm)；结合业务人员经验要求，若宽度小于2mm则判为1级破裂；若宽度大于2mm小于20mm则判为2级破裂；若宽度大于2mm且3)中计算所得环向差(环向差为环向参数差，转换为角度制后结果取绝对值)小于2个时刻(60
°
)，则判为3级破裂；若3)中计算所得环向差大于2个时刻，则为4级破裂；
[0088]
④
针对支管暗接，基于步骤4第2)步公式，分别计算四个角点坐标与所有圆参数对的圆心实际距离；基于圆上各点与圆心的距离相等这一定理，计算在圆参数对(a,b,r)下长度最相近的两边的差值
△
d；取圆参数对集合中
△
d最小时对应的圆参数对作为暗接所在管道圆截面(圆参数对代表一个圆，每个圆为一个管道横截面，如图4所示)；最终，计算bbox四个角点在圆上点与相邻的不在圆上点的长度与管道直径(2r)的比值。若比值小于0.1，则判定为1级暗接；若比值在区间[0.1,0.2)，则判定为2级暗接；若比值大于0.2，则判定为3级暗接；
[0089]
⑤
针对异物穿入、残墙坝根和障碍物：首先基于圆参数对集合计算3)中a、b点所在的圆参数对；然后计算2.1中缺陷掩模mask面积与圆参数对(a,b,r,t)对应的圆像素面积的比值。对于残墙坝根或障碍物，若比值小于0.15，则判定为1级残墙坝根或障碍物；若比值在区间[0.15,0.25)，则判定为2级残墙坝根或障碍物；若比值在区间[0.25,0.5)，则判定为2级残墙坝根或障碍物；若比值大于0.5，则判定为4级残墙坝根或障碍物。对于异物穿入，若比值小于0.1，则判定为1级异物穿入；若比值在区间[0.1,0.3)，则判定为2级异物穿入；若比值大于0.3，则判定为三级异物穿入。
[0090]
本发明实施例中，对原始管道图像(如图3所示)使用本发明实施例的方法，根据多边形与其中任一相交圆的最远距离，得到最大距离为139mm，为直径的34.86％(如图5所示)。对比规范《城镇排水管道检测与评估技术规程(cjj 181-2012)》要求，厚度占比在30％-40％之间，因此为2级沉积。计算沉积的最左侧点和最右侧点在圆上的位置，并转化为12小时制得到缺陷的环向参数为0408。
技术特征：1.一种管道缺陷评级方法，其特征在于，包括以下步骤：利用mask r cnn模型，识别管道图像，获取管道缺陷掩膜、水体表面掩膜和缺陷矩形框和缺陷类别；所述缺陷类别包括沉积、浮渣、破裂、障碍物、支管暗接、异物穿入、残墙坝根；所述缺陷掩模包括沉积掩膜、浮渣掩膜、破裂掩膜、障碍物掩膜、支管暗接掩膜、异物穿入掩膜、残墙坝根掩膜；获取所述管道缺陷掩膜的两个端点a、b；分别计算a、b点与a、b点所在圆参数对的圆心点c
i
的向量ac
i
、bc
i
；计算ab连线与a、b点所在圆参数对的圆心点c
i
的距离均值d0，利用公式(r-d0)/2r计算沉积厚度与直径的比值，根据该比值确定沉积等级；其中，r为圆参数对中圆的半径；计算水体表面掩膜与水体表面积的比值，根据该比值确定浮渣等级；计算破裂掩膜的宽度和长度，根据所述宽度或长度确定破裂等级；计算任一圆参数对(a,b,r)的圆心与四个角点的距离，记录距离差值最小的两个角点及最小差值
△
d；获取所有圆参数对距离差值最小的两个角点及最小差值，得到差值集合及每个差值对应的角点坐标集合；取差值集合中
△
d最小时对应的圆参数对作为暗接所在管道圆截面；计算缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与暗接所在管道圆截面直径的比值，根据该比值确定支管暗接等级；其中，a、b为圆心坐标；计算缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值，根据该比值确定残墙坝根或障碍物的等级，以及异物穿入等级；优选地，t
a
和t
b
分别为a、b两点所对应的圆参数对像素所代表的实际距离，(x
a
,y
a
)和(x
b
,y
b
)分别为a、b两点实际坐标；t
a
＝d/2r
a
；t
b
＝d/2r
b
；r
a
、r
b
分别为a、b两点所对应的圆参数对中两个圆的半径；d为管道直径。2.根据权利要求1所述的管道缺陷评级方法，其特征在于，确定沉积等级的具体实现过程包括：若沉积厚度与直径的比值在区间[0.2,0.3)，则判为1级沉积；若沉积厚度与直径的比值在区间[0.3,0.4)，则判为2级沉积；若沉积厚度与直径的比值在区间[0.4,0.5)，则判为3级沉积；若沉积厚度与直径的比值大于0.5，则判为4级沉积。3.根据权利要求1所述的管道缺陷评级方法，其特征在于，确定破裂等级的具体实现过程包括：若水体表面掩膜与水体表面积的比值在区间[0,0.3)，则判为1级浮渣；若水体表面掩膜与水体表面积的比值在区间[0.3,0.6)，则判为2级浮渣；若水体表面掩膜与水体表面积的比值大于0.6，则判为3级浮渣。4.根据权利要求1所述的管道缺陷评级方法，其特征在于，确定破裂等级的具体实现过程包括：若宽度小于2mm，则判为1级破裂；若宽度大于2mm、小于20mm则判为2级破裂；若宽度大于2mm，且环向差小于2个时刻，则判为3级破裂；若环向差大于2个时刻，则为4级破裂；
其中，所述环向参数计算过程包括：以向量(0,1)作为0时刻方向，计算aci、bci与向量(0,1)的夹角，并换算为12点时钟制，得到时刻m、n；取ab连线上任意一点k，判断k点是否在缺陷掩模区域内，若在则计环向参数为(m,n)，否则记环向参数为(n,m)；所述环向差为环向参数差，环向参数差＝abs((m-n)*30
°
)，其中，abs为取绝对值。5.根据权利要求1所述的管道缺陷评级方法，其特征在于，确定支管暗接的具体实现过程包括：若缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与管道圆截面直径的比值小于0.1，则判定为1级暗接；若缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与管道圆截面直径的比值在区间[0.1,0.2)，则判定为2级暗接；若缺陷矩形框四个角点在圆上的点与相邻的不在圆上的点之间的长度与管道圆截面直径的比值大于0.2，则判定为3级暗接。6.根据权利要求1所述的管道缺陷评级方法，其特征在于，确定残墙坝根和障碍物等级的具体实现过程包括：若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值小于0.15，则判定为1级残墙坝根或障碍物；若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值在区间[0.15,0.25)，则判定为2级残墙坝根或障碍物；若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值在区间[0.25,0.5)，则判定为3级残墙坝根或障碍物；若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值大于0.5，则判定为4级残墙坝根或障碍物。7.根据权利要求1所述的管道缺陷评级方法，其特征在于，确定异物穿入等级的具体实现过程包括：若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值小于0.1，则判定为1级异物穿入；若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值在区间[0.1,0.3)，则判定为2级异物穿入；若缺陷掩膜面积与圆参数对(a,b,r)对应的圆像素面积的比值大于0.3，则判定为3级异物穿入。8.一种终端设备，其特征在于，包括处理器和存储器；所述存储器存储有计算机程序/指令；所述处理器执行所述存储器存储的计算机程序/指令；所述计算机程序/指令被配置为实现权利要求1～7之一所述方法的步骤。9.一种计算机存储介质，其上存储有计算机程序/指令；其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1～7之一所述方法的步骤。10.一种计算机程序产品，包括计算机程序/指令；其特征在于，该计算机程序/指令被处理器执行时实现权利要求1～7之一所述方法的步骤。
技术总结本发明公开了一种管道缺陷评级方法、终端设备及存储介质，本发明实现了沉积、浮渣、障碍物、支管暗接、异物穿入、残墙坝根的量化评级；同时，相比于已有的破裂评级方法，本发明考虑了破裂的三维空间性质，大幅提高了破裂评级的精度。本发明可以对管道缺陷进行全面评级，提高了管道缺陷评级的准确性。高了管道缺陷评级的准确性。高了管道缺陷评级的准确性。
技术研发人员：刘承照 刘昊 马晨哲 许强红 蒋盟珂 李顺 江玉龙 陈程
受保护的技术使用者：中国电建集团中南勘测设计研究院有限公司
技术研发日：2022.06.29
技术公布日：2022/11/1
