1.一种基于深度学习及多视角的CIM井盖状态视觉检测系统，其特征在于，该系统基于井盖城市信息模型MCCIM实现井盖状态视觉检测，井盖城市信息模型MCCIM包括井盖的地理位置信息、井盖状态、井盖属性信息、附近交通信号灯地理位置信息，该系统包括感知单元、透视变换单元、井盖定位单元、井盖状态判断单元、交通灯控制单元、可视化管理管单元，其中，感知单元，用于利用在井盖周围固定位置的不同视角的摄像头采集井盖区域图像；

透视变换单元，用于基于单应矩阵对每个摄像头拍摄到的图像进行透视变换，将其变换至俯视图；

井盖定位单元，用于采用基于深度学习的目标检测循环卷积神经网络定位井盖所在位置；

井盖状态判断单元，用于判断井盖状态，包括预训练模块、权重更新模块：预训练模块，用于根据井盖定位单元获取的井盖所在位置以及井盖状态标注，对分类神经网络模型进行预训练；

权重更新模块，用于基于扩充的样本集，固定的时间间隔对分类神经网络模型进行训练，更新网络权重；

交通灯控制单元，用于当井盖移位或缺失时，根据井盖城市信息模型MCCIM中井盖地理位置信息确定附近交通信号灯地理位置信息，向该交通信号灯发出控制信号，限制井盖所在道路方向的车辆通行；

可视化管理单元，用于根据井盖城市信息模型MCCIM显示城市的井盖分布以及井盖状态，便于管理员监管；

所述目标检测循环卷积神经网络采用FasterRCNN，锚框尺寸设置为64、128、256；

所述井盖状态判断单元还包括：样本扩充模块，用于基于多个视角井盖图像的网络输出结果对标注结果进行校正，将校正后的标注结果与井盖图像作为新增样本，对样本集进行扩充；

所述样本扩充模块的对标注结果进行校正包括：针对同一井盖的多视角图像的网络输出结果中多数为井盖缺失时，认定井盖缺失为正确结果，将少数判断错误的图像的网络输出结果修改为缺失，以此作为样本标注结果；针对同一井盖的多视角图像的网络输出结果中少数为井盖移位时，认定井盖移位为正确结果，将多数判断错误的图像的样本输出结果修改为移位，以此作为样本标注结果；

所述可视化管理单元包括：

数据获取模块，用于获取井盖状态并传送至井盖城市信息模型MCCIM；

显示模块，用于结合WebGIS与CIM技术对井盖城市信息模型MCCIM进行渲染，并将井盖状态以及附近交通信号灯控制状态展示在前台Web页面。