在井盖缺失准确检测问题的研究中,传统的井盖缺失人工智能检测,以井盖缺失时的黑洞异常像素比例作为判断是否为缺失井盖。由于井盖与路面在颜色特征中过于相似,图像采样过程相对随机,雨天等恶劣天气的作用下,这种相似性引起的井盖缺失特征颜色模糊等因素不可控,会导致智能识别存在较大误差。提出了一种改进网像灰度类内方差的计算机智能缺失井盖识别方法。运算井盖图像灰度类内取值,采集缺失特征,通过支持向量机分类器对特征进行分类,过滤由干扰因素产生的异常图像特征,通过运算得到缺失特征变化系数,完成对井盖缺失的准确识别,避免了雨天等恶劣天气引起的井盖缺失特征颜色模糊的弊端,增强了井盖缺失识别的准确率。实验结果表明,改进方法能够在雨天准确识别存在缺失的井盖,并且具有较高的精确度。