基于卷积神经网络的管道漏磁内检测焊缝识别方法

• 作者: 岳明星 杨理践 石萌
• 来源期刊: 电子世界
• 关键词: 卷积神经网络 漏磁图像 智能识别 深度学习
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 探索与观察
• 页码范围: 49-50
• 页数: 2页
• 字数: 2137字
• 语种: 中文

摘要

针对长距离输油管道漏磁内检测数据量庞大的问题,分析了不同管道特征相对应的漏磁检测磁信号曲线纹理特征.基于人工神经网络基本原理和图像识别方法对管道焊缝的识别进行了研究,提出了一种基于卷积神经网络的管道焊缝识别方法.利用卷积神经网络逐层挖掘管道焊缝图像区域的特征信息,通过训练网络权重参数,通过对焊缝样本的测试,实现对管道焊缝漏磁曲线的特征智能识别.实验表明管道焊缝的识别率超过93％,该方法有较高的识别准确率和处理批量图像的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨理践	沈阳工业大学信息科学与工程学院	183	1660	22.0	33.0
2	石萌	沈阳工业大学信息科学与工程学院	2	1	1.0	1.0
3	岳明星	沈阳工业大学信息科学与工程学院	1	1	1.0	1.0