迁移学习在管道检测中的应用示例及分析

• 作者: 刘彦红 安娜 王乾 董永帅 金世杰 高雄
• 来源期刊: 城市勘测
• 学科: 地球科学
• 关键词: 管道检测 人工智能 深度学习 迁移学习 CCTV检测 QV检测
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 人工智能、探测检测技术
• 页码范围: 204-207
• 页数: 4页
• 分类号: P631|TP183
• 字数: 3323字
• 语种: 中文

摘要

基于人工智能,尤其是深度学习的方法对管道缺陷进行识别和分类,能够大幅提高工作效率,降低成本,应用效果良好.但实际工作中存在着当地模型泛化能力不强,在不同测区不同作业队伍不同作业方法下,模型精度下降甚至无法收敛的问题,应用迁移学习方法,在不同测区,不同视频设备、不同作业方法情况下,基于原有模型,增加少量本地数据进行迁移学习,快速建立适用于本测区的预测模型,具有重要的研究和实用价值,本文以两个城市、两种检测方法、三个作业队伍的数据进行了试验和分析,试验表明,迁移学习可以明显减少模型训练的样本和时间需求,显著提高了预测精度.对当前深度学习技术在管道检测领域应用的进一步发展具有参考意义.